JeecgBoot项目中优雅处理@Valid校验异常的最佳实践
2025-05-02 07:17:01作者:沈韬淼Beryl
背景介绍
在JeecgBoot 3.7.1版本中,开发团队发现了一个关于参数校验异常处理的问题。当使用Spring框架的@Valid注解进行参数校验时,如果校验失败,系统会直接将后端Java的包名等详细信息暴露给前端用户,这不仅影响用户体验,还可能带来安全隐患。
问题分析
Spring框架的@Valid注解是参数校验的常用方式,它能够自动对Controller方法的参数进行校验。当校验失败时,默认会抛出MethodArgumentNotValidException异常。在JeecgBoot项目中,原有的异常处理机制没有专门捕获这种异常,导致前端收到了不友好的错误信息。
解决方案
核心实现
通过在JeecgBootExceptionHandler类中添加专门的异常处理方法,可以优雅地处理@Valid校验异常:
@ExceptionHandler(MethodArgumentNotValidException.class)
public Result<?> handleValidationExceptions(MethodArgumentNotValidException exception) {
addSysLog(exception);
return Result.error("校验失败!" + exception.getBindingResult().getAllErrors()
.stream()
.map(ObjectError::getDefaultMessage)
.collect(Collectors.joining(",")));
}
方法解析
- @ExceptionHandler注解:指定该方法处理MethodArgumentNotValidException类型的异常
- addSysLog方法:记录异常日志,便于开发人员排查问题
- Result.error:返回统一的错误响应格式
- 异常信息处理:从异常中提取所有校验错误信息,并用逗号连接成字符串
实现效果
- 前端友好提示:用户将看到简洁明了的错误提示,如"校验失败!用户名不能为空"
- 信息安全:不再暴露后端包名等敏感信息
- 完整错误信息:将所有校验失败的原因合并返回,便于用户一次性修正所有问题
- 日志记录:后台仍会记录完整异常信息,不影响问题排查
最佳实践建议
- 统一异常处理:建议项目中所有参数校验异常都通过这种方式处理
- 国际化支持:可以进一步扩展,支持错误信息的国际化
- 自定义错误码:为校验失败定义特定的错误码,便于前端识别处理
- 字段级错误:对于需要精确到字段的错误,可以返回更结构化的错误信息
总结
在JeecgBoot项目中完善@Valid校验异常处理,不仅提升了用户体验,也增强了系统的安全性。这种处理方式遵循了Spring Boot的最佳实践,值得在项目中推广应用。开发团队可以根据实际需求,进一步定制错误信息的格式和内容,打造更加完善的参数校验机制。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217