在hey-api/openapi-ts项目中使用Axios上传进度监控功能
2025-07-02 15:23:46作者:田桥桑Industrious
在基于OpenAPI规范的TypeScript客户端开发中,文件上传进度监控是一个常见的需求。本文将详细介绍如何在hey-api/openapi-ts项目中正确配置和使用Axios的onUploadProgress功能。
项目背景
hey-api/openapi-ts是一个用于生成TypeScript客户端代码的工具,它可以根据OpenAPI规范自动生成与后端API交互的客户端代码。在最新版本中,推荐使用@hey-api/client-axios客户端而非legacy/axios实现。
核心问题解决
1. 上传进度监控实现
要在生成的客户端代码中使用Axios的onUploadProgress功能,可以通过以下方式实现:
const response = await YourService.uploadFile(data, {
onUploadProgress: (progressEvent) => {
const percentCompleted = Math.round(
(progressEvent.loaded * 100) / progressEvent.total
);
console.log(`上传进度: ${percentCompleted}%`);
}
});
2. 认证配置注意事项
在使用新版客户端时,认证配置方式有所变化:
import { client } from "your-generated-client";
client.setConfig({
baseURL: "your-api-base-url",
accessToken: async () => {
return localStorage.getItem("access_token") || "";
},
});
需要注意的是,accessToken功能需要使用实验性解析器才能正常工作。在openapi-ts.config.ts配置文件中需要启用:
export default defineConfig({
input: "your-openapi-spec.json",
output: "src/client",
parser: "experimental", // 必须启用实验性解析器
// 其他配置...
});
3. 方法名生成器调整
如果项目中自定义了方法名生成逻辑,需要注意新版解析器的中间表示模型有所变化,需要相应调整生成函数:
export function operationNameGenerator(operation) {
return operation.operationId
? operation.operationId
: `${operation.method}${operation.path
.split("/")
.filter(Boolean)
.map((s) => s.charAt(0).toUpperCase() + s.slice(1))
.join("")}`;
}
最佳实践建议
-
迁移建议:从legacy/axios迁移到@hey-api/client-axios时,注意响应数据结构的变化(response.data包含实际数据)
-
错误处理:在上传过程中添加适当的错误处理逻辑
-
UI反馈:将上传进度信息与UI组件绑定,提供更好的用户体验
-
性能考虑:对于大文件上传,考虑结合进度监控实现断点续传功能
通过以上配置和实现,开发者可以在hey-api/openapi-ts生成的客户端中充分利用Axios的上传进度监控功能,同时确保认证等核心功能的正常工作。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.24 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
617
140
🔥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
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258