Drogon框架中过滤器与CORS配置的常见问题解析
2025-05-18 09:01:30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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
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++0100AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
203
2.18 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
62
94

🎉 (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
977
575

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

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++
550
84

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
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133