使用wretch库实现全局403错误拦截与请求终止的最佳实践
2025-06-10 04:26:02作者:毕习沙Eudora
背景介绍
在现代前端开发中,处理API请求错误是一个常见需求。特别是当遇到403 Forbidden错误时,通常意味着用户的访问权限已经失效,需要重新登录。本文将介绍如何利用wretch这个轻量级HTTP请求库,优雅地实现全局403错误拦截,并在检测到权限失效时终止所有后续请求。
核心问题分析
当使用wretch库时,开发者可能会遇到一个典型场景:需要全局捕获403错误,并在首次出现该错误时终止所有后续请求。这是因为:
- 很多现代应用采用一次性访问令牌机制
- 出于合规性考虑,不允许使用刷新令牌
- 需要避免在令牌失效后继续发送无效请求
基础实现方案
首先,我们创建一个可复用的API客户端工厂函数:
import wretch from "wretch";
import AbortAddon from "wretch/addons/abort";
import FormDataAddon from "wretch/addons/formData";
import ProgressAddon from "wretch/addons/progress";
import QueryStringAddon from "wretch/addons/queryString";
import { dedupe } from "wretch/middlewares";
export function createApiClient(prefixUrl) {
return wretch(prefixUrl)
.middlewares([dedupe()])
.addon(FormDataAddon)
.addon(QueryStringAddon)
.addon(AbortAddon())
.addon(ProgressAddon())
.errorType("json");
}
然后创建应用特定的API客户端实例:
const controller = new AbortController();
export const api = createApiClient('https://api.example.com')
.signal(controller)
.catcher(403, (error) => {
controller.abort();
logger("403 Forbidden ->", error.message);
redirect("/api/logout");
});
问题发现与解决
上述实现存在一个问题:当使用dedupe中间件时,403响应会被克隆并共享给所有请求实例,导致重定向逻辑被多次触发。
解决方案是修改dedupe中间件的配置,标记克隆的响应,然后在错误处理中跳过对克隆响应的处理:
function createApiClient(prefixUrl) {
return wretch(prefixUrl)
.middlewares([dedupe({
resolver: response => {
const clonedResponse = response.clone();
clonedResponse.cloned = true;
return clonedResponse;
}
})])
.addon(FormDataAddon)
.addon(QueryStringAddon)
.addon(AbortAddon())
.addon(ProgressAddon())
.errorType("text");
}
export const api = createApiClient('https://api.example.com')
.signal(controller)
.catcher(403, (error) => {
controller.abort();
logger("403 Forbidden ->", error.message);
if(!error.response.cloned) {
redirect("/api/logout");
}
})
.catcher("AbortError", (error) => {
console.log("Request aborted ->", error.message);
});
技术要点解析
- dedupe中间件:用于避免重复请求,它会缓存响应并共享给相同请求
- 响应克隆标记:通过自定义resolver函数标记克隆的响应
- 错误处理优化:只在原始响应上执行重定向逻辑,避免重复操作
最佳实践建议
- 对于一次性令牌系统,建议添加请求队列机制
- 考虑添加全局错误状态管理,避免在重定向过程中发起新请求
- 对于关键操作,可以实现请求重试机制
- 建议添加用户友好的错误提示,解释需要重新登录的原因
总结
通过wretch库的中间件和拦截器机制,我们可以优雅地处理全局403错误。关键在于理解中间件对响应的处理流程,并通过适当标记避免重复操作。这种模式不仅适用于权限错误处理,也可以扩展到其他需要全局错误处理的场景。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0116
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220