Drogon框架中过滤器与CORS配置的常见问题解析
2025-05-18 10:28:06作者:廉皓灿Ida
drogon
Drogon: A C++14/17/20 based HTTP web application framework running on Linux/macOS/Unix/Windows
过滤器注册顺序的重要性
在使用Drogon框架开发Web应用时,许多开发者会遇到过滤器不生效的问题,特别是在处理跨域资源共享(CORS)时。一个典型的场景是开发者创建了自定义过滤器类,正确实现了doFilter方法,但在实际请求中却发现过滤器逻辑没有被执行。
问题根源分析
问题的核心在于Drogon框架中组件注册的顺序。框架要求所有处理器(handler)必须在调用run()方法之前完成注册。如果在run()之后才注册处理器,框架将无法正确建立请求路由与过滤器的关联关系。
正确的实现方式
正确的做法是将所有路由注册逻辑放在run()调用之前。对于需要初始化的服务配置,可以使用registerBeginningAdvice方法,但必须确保其中的路由注册代码在run()之前执行。
int main()
{
auto authFilter = std::make_shared<AuthFilter>();
app()
.loadConfigFile("./config.json")
.setLogPath("./build/log")
.registerFilter(authFilter)
.registerHandler("/api/auth/isUserExist?username={username}", &usernameCheck, {Get, "AuthFilter"})
.registerHandler("/api/auth/signup", &signUpHandler, {Post, "AuthFilter"})
.registerHandler("/api/auth/signin", &signInHandler, {Post, "AuthFilter"})
.run();
return EXIT_SUCCESS;
}
过滤器实现细节
在实现CORS过滤器时,除了基本的Access-Control-Allow-Origin头部外,通常还需要处理预检请求(OPTIONS)和其他相关头部:
void doFilter(const drogon::HttpRequestPtr &req,
drogon::FilterCallback &&fcb,
drogon::FilterChainCallback &&fccb) override
{
// 处理OPTIONS预检请求
if(req->method() == Options)
{
auto resp = HttpResponse::newHttpResponse();
resp->addHeader("Access-Control-Allow-Origin", "http://localhost:xxxx");
resp->addHeader("Access-Control-Allow-Methods", "GET,POST,OPTIONS");
resp->addHeader("Access-Control-Allow-Headers", "Content-Type");
return fcb(resp);
}
// 正常请求处理
auto resp = HttpResponse::newHttpResponse();
resp->addHeader("Access-Control-Allow-Origin", "http://localhost:xxxx");
fccb(); // 继续处理链
}
不同控制器的差异化策略
对于需要为不同控制器应用不同CORS策略的场景,可以通过以下方式实现:
- 创建多个过滤器类,每个类实现不同的CORS策略
- 在注册路由时,为不同路由指定不同的过滤器
- 在过滤器内部根据请求路径动态决定应用的策略
性能考量
虽然过滤器提供了灵活的请求处理机制,但过度使用会影响性能。对于简单的CORS需求,可以考虑使用registerPostHandlingAdvice全局后处理建议,这种方式通常比过滤器更高效。
总结
Drogon框架的过滤器机制虽然强大,但需要注意注册顺序和正确使用。理解框架的生命周期和组件初始化顺序是解决问题的关键。对于CORS这类常见需求,合理设计过滤器逻辑可以大大提高开发效率和系统安全性。
drogon
Drogon: A C++14/17/20 based HTTP web application framework running on Linux/macOS/Unix/Windows
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0209- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
MarkFlowy一款 AI Markdown 编辑器TSX01
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
618
4.08 K
Ascend Extension for PyTorch
Python
453
538
🔥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
69
21
暂无简介
Dart
858
205
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++
926
776
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.48 K
836
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
178
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
374
254
昇腾LLM分布式训练框架
Python
133
159