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
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 StartedRust0211
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 Notebook0135
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 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++
871
2.01 K
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
468
461
Ascend Extension for PyTorch
Python
756
956
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++
695
1.39 K
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
182
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
644