Geeker-Admin项目中Axios封装与分页返回类型的设计思考
2025-05-29 17:14:45作者:劳婵绚Shirley
在前后端分离的开发模式中,HTTP请求库的封装是一个关键环节。Geeker-Admin项目中关于Axios封装的设计引发了一些关于返回类型处理的思考,特别是针对分页数据和非分页数据的不同返回结构。
基础返回结构设计
项目中原本定义了两种基础接口类型:
- 基础返回接口:包含code和message字段
interface Result {
code: string;
message: string;
}
- 带数据的返回接口:继承基础接口并增加data字段
interface ResultData<T = any> extends Result {
data: T;
}
这种设计是RESTful API中常见的响应格式,能够满足大多数业务场景的需求。当接口返回数据时,数据会被包装在data字段中,同时携带状态码和消息。
分页数据的特殊处理
对于分页数据,项目中原有的设计是:
interface ResPage<T> {
list: T[];
pageNum: number;
pageSize: number;
total: number;
}
这种设计将分页数据单独作为一个类型,与基础返回类型组合使用时,会形成嵌套结构:ResultData<ResPage<T>>。这种设计虽然清晰,但会导致类型层级较深。
实际业务中的分页返回结构
在实际业务中,分页接口的返回往往采用扁平化结构,例如:
{
"code": 10000,
"message": "success",
"count": 1,
"current": 1,
"limit": 10,
"data": [...]
}
这种结构将分页元数据与基础返回字段放在同一层级,更符合大多数后端API的设计习惯。
改进方案
针对这种实际业务场景,可以重新设计分页返回类型:
interface PageResult<T> extends Result {
data: T[];
count: number;
current: number;
limit: number;
}
这种设计有以下优点:
- 保持了与基础返回类型的一致性
- 避免了不必要的类型嵌套
- 更贴近实际业务中的API返回结构
- 类型定义更加直观和易于理解
请求方法的类型适配
在Axios封装中,请求方法的返回类型可以保持通用性:
get<T>(url: string, params?: object): Promise<T>;
使用时可以根据接口类型进行具体指定:
// 普通接口
const result = await api.get<ResultData<User>>('/user/1');
// 分页接口
const pageResult = await api.get<PageResult<User>>('/user/list', {page: 1});
总结
在HTTP请求库的封装中,返回类型的设计需要考虑以下几点:
- 保持与后端API结构的一致性
- 类型定义要简洁明了,避免过度嵌套
- 兼顾普通返回和分页返回的不同需求
- 提供良好的类型提示和代码补全
Geeker-Admin项目中的封装已经提供了很好的基础,针对不同的业务场景,可以在此基础上进行适当的调整和优化,以达到更好的开发体验和类型安全。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
289
340
Ascend Extension for PyTorch
Python
290
321
暂无简介
Dart
730
175
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
10
1
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
245
105
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++
850
450
🔥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
65
20
仓颉编程语言运行时与标准库。
Cangjie
149
885