FluentHttpClient 技术文档
2024-12-28 06:45:25作者:郜逊炳
1. 安装指南
FluentHttpClient 是一个现代化的异步 HTTP 客户端,适用于 REST API。您可以通过 NuGet 包管理器进行安装:
Install-Package Pathoschild.Http.FluentClient
该客户端适用于多种平台,包括 Linux、Mac 和 Windows:
| 平台 | 最小版本 |
|---|---|
| .NET | 5.0 |
| .NET Core | 1.0 |
| .NET Framework | 4.5.2 |
| .NET Standard | 1.3 |
| Mono | 4.6 |
| Unity | 2018.1 |
| Universal Windows Platform | 10.0 |
| Xamarin.Android | 7.0 |
| Xamarin.iOS | 10.0 |
| Xamarin.Mac | 3.0 |
2. 项目使用说明
创建客户端并链式调用方法来设置请求/响应。以下是一个发送 GET 请求并将响应反序列化为自定义 Item 类型的示例:
Item item = await new FluentClient()
.GetAsync("https://example.org/api/items/14")
.As<Item>();
您还可以重用客户端来发送多个请求(通过内置的连接池提高性能),并在构造函数中设置基础 URL:
using var client = new FluentClient("https://example.org/api");
Item item = await client
.GetAsync("items/14")
.As<Item>();
客户端提供了 DELETE、GET、POST、PUT 和 PATCH 方法的支持。您还可以使用 SendAsync 方法来构建自定义 HTTP 请求。
3. 项目 API 使用文档
以下是 API 的使用方法:
URL 参数
您可以通过匿名对象向请求 URL 添加任意数量的参数:
await client
.PostAsync("items/14")
.WithArguments(new { page = 1, search = "some search text" });
或者使用字典:
await client
.PostAsync("items/14")
.WithArguments(new Dictionary<string, object> { /* ... */ });
或者单独添加:
await client
.PostAsync("items/14")
.WithArgument("page", 1)
.WithArgument("search", "some search text");
请求体
您可以直接在 POST 或 PUT 请求中添加模型请求体:
await client.PostAsync("search", new SearchOptions(…));
或者添加到任何请求中:
await client
.GetAsync("search")
.WithBody(new SearchOptions(…));
或者以各种格式提供:
| 格式 | 示例 |
|---|---|
| 序列化模型 | WithBody(new ExampleModel()) |
| 表单 URL 编码 | WithBody(p => p.FormUrlEncoded(values)) |
| 文件上传 | WithBody(p => p.FileUpload(files)) |
HttpContent |
WithBody(httpContent) |
头部信息
您可以为请求添加任意数量的头部信息:
await client
.PostAsync("items/14")
.WithHeader("User-Agent", "Some Bot/1.0.0")
.WithHeader("Content-Type", "application/json");
或者使用方法来设置常见的头部信息,如 WithAuthentication、WithBasicAuthentication、WithBearerAuthentication 和 SetUserAgent。
读取响应
您可以通过等待 As* 方法来解析响应:
await client
.GetAsync("items")
.AsArray<Item>();
以下是可以使用的格式:
| 类型 | 方法 |
|---|---|
Item |
As<Item>() |
Item[] |
AsArray<Item>() |
byte[] |
AsByteArray() |
string |
AsString() |
Stream |
AsStream() |
JToken |
AsRawJson() |
JObject |
AsRawJsonObject() |
JArray |
AsRawJsonArray() |
AsRawJson 方法也可以返回 dynamic 类型,以避免需要模型类:
dynamic item = await client
.GetAsync("items/14")
.AsRawJsonObject();
string author = item.Author.Name;
如果您不需要内容,只需等待请求即可:
await client.PostAsync("items", new Item(…));
读取响应信息
在解析主体之前,您还可以读取 HTTP 响应信息:
IResponse response = await client.GetAsync("items");
if (response.IsSuccessStatusCode || response.Status == HttpStatusCode.Found)
return response.AsArray<Item>();
错误处理
默认情况下,如果服务器返回错误代码,客户端将抛出 ApiException:
try
{
await client.Get("items");
}
catch(ApiException ex)
{
string responseText = await ex.Response.AsString();
throw new Exception($"The API responded with HTTP {ex.Response.Status}: {responseText}");
}
如果您不想这样,可以...
-
为单个请求禁用:
IResponse response = await client .GetAsync("items") .WithOptions(ignoreHttpErrors: true); -
为所有请求禁用:
client.SetOptions(ignoreHttpErrors: true); -
使用自定义错误过滤器。
4. 项目安装方式
请参考上文“安装指南”部分,使用 NuGet 包管理器进行安装。
Install-Package Pathoschild.Http.FluentClient
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137