OpenAPI-TypeScript 项目中增强 SWR 错误处理的实践方案
2025-06-01 07:21:51作者:羿妍玫Ivan
在现代前端开发中,类型安全和错误处理是两个至关重要的环节。本文将深入探讨如何在使用 OpenAPI-TypeScript 项目的 swr-openapi
包时,通过扩展 createQueryHook
的错误类型支持来构建更健壮的 API 客户端。
当前实现的局限性
swr-openapi
作为连接 OpenAPI 规范与 SWR 数据获取库的桥梁,其核心功能 createQueryHook
目前存在一个明显的类型约束:它只能处理 OpenAPI 规范中明确定义的错误响应类型。这种设计在实际应用中会带来以下问题:
- 网络层错误不可见:当发生网络连接失败、CORS 错误或请求超时等情况时,原生的
fetch
API 会抛出TypeError
,但这些错误无法通过类型系统提前预警 - 自定义错误处理受限:开发者无法为自定义 fetcher 添加额外的错误元数据(如 HTTP 状态码、错误详情等)
- 类型安全性缺口:运行时可能出现的错误与类型系统声明的不一致,导致需要额外的类型守卫
技术解决方案剖析
核心类型扩展
通过在 createQueryBaseHook
泛型定义中引入 FetcherError
类型参数,我们实现了错误类型的可扩展性:
createQueryBaseHook<
Paths extends {},
IMediaType extends MediaType,
Prefix extends string,
FetcherError = never // 新增的泛型参数
>
这种设计允许开发者在创建查询钩子时显式声明可能遇到的额外错误类型:
createQueryHook<paths, `${string}/${string}`, "pet-store", Error>(
client,
"pet-store"
)
类型系统整合
整合后的错误类型系统将包含三个层次:
- 规范定义错误:OpenAPI schema 中定义的错误响应
- 运行时错误:如
Error
、TypeError
等原生错误类型 - 自定义错误:开发者通过 fetcher 包装的增强错误对象
这种分层设计既保持了与 OpenAPI 规范的一致性,又为现实世界的错误处理提供了灵活性。
实际应用场景
增强错误元数据
结合 SWR 官方推荐的错误处理模式,现在可以安全地实现:
const fetcher = async (url: string) => {
const res = await fetch(url);
if (!res.ok) {
const error = new Error('API 请求失败');
// 添加扩展属性
(error as any).status = res.status;
(error as any).details = await res.json();
throw error;
}
return res.json();
};
// 使用时获得完整类型提示
const { error } = useQuery("/endpoint");
if (error) {
console.log(error.message); // 基础错误信息
console.log(error.status); // 类型提示需要额外处理,但运行时安全
}
防御性编程支持
通过类型组合,开发者可以编写更完备的错误处理逻辑:
type APIError = { message: string };
type NetworkError = Error;
type CustomError = APIError | NetworkError;
const { error } = useQuery("/endpoint") as {
error?: CustomError | undefined;
};
if (error instanceof Error) {
// 处理网络/系统错误
} else if (error && 'message' in error) {
// 处理 API 业务错误
}
工程实践建议
- 错误类型标准化:建议项目定义统一的
AppError
基础类型,聚合各种错误场景 - 类型断言工具:创建类型守卫函数来安全地处理扩展错误属性
- 错误边界设计:在应用顶层设置错误边界组件,区分处理客户端错误和 API 错误
- 文档规范:在团队文档中明确记录自定义错误类型的定义和使用约定
总结
通过对 swr-openapi
的错误类型系统进行扩展,我们实现了:
- 更完整的类型覆盖,减少运行时意外
- 更好的开发者体验,所有可能的错误路径都有类型提示
- 更强的扩展能力,支持自定义错误处理逻辑
- 更安全的代码,类型系统能够真实反映运行时行为
这种改进使得基于 OpenAPI 规范的前端开发既保持了规范带来的优势,又能灵活应对真实世界的复杂场景,是类型系统与实际需求平衡的优秀实践。
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~0369Hunyuan3D-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++096AI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
197
2.17 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
59
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
974
574

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++
549
81

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