深入理解unjs/ofetch中Response.blob()的使用问题
2025-06-12 08:18:20作者:范靓好Udolf
背景介绍
在JavaScript的Fetch API中,Response对象提供了多种方法来处理不同类型的响应数据,其中blob()方法用于将响应体读取为Blob对象。然而,当我们在unjs/ofetch库中使用这一功能时,可能会遇到r2.blob is not a function的错误提示。
问题本质
这个问题源于unjs/ofetch库对原生Fetch API的封装方式。ofetch默认会对响应进行预处理,返回一个已经解析过的响应对象,而不是原生的Response对象。当我们尝试调用blob()方法时,实际上是在处理一个已经被处理过的响应对象,而非原生的Response对象,因此会出现方法不存在的错误。
解决方案
要解决这个问题,我们需要使用ofetch的raw模式。raw模式会返回未经处理的原始响应对象,保留了所有原生Response的方法,包括blob()。具体实现方式如下:
const fetch = $fetch.create({
responseType: 'stream',
onResponse({ response }) {
// 这里可以验证我们确实获得了原始响应
},
});
// 使用raw方法获取原生Response
const rawFetch = fetch.raw;
实际应用场景
这种问题常见于需要处理二进制数据的场景,例如:
- 图片或文件下载
- 音频/视频流处理
- 需要直接操作二进制数据的API调用
技术原理深度解析
ofetch库的设计初衷是简化Fetch API的使用,因此默认会对响应进行自动解析。这种设计对于大多数JSON API调用非常方便,但对于需要直接操作原始响应的情况就不太适用。raw模式实际上是绕过了ofetch的响应处理管道,直接返回了浏览器原生的Response对象。
最佳实践建议
- 对于常规的JSON API调用,继续使用ofetch的默认行为
- 当需要访问原生Response方法(如blob(), arrayBuffer(), text())时,使用raw模式
- 在创建自定义fetch实例时,明确设置responseType参数
- 对于复杂的二进制数据处理,考虑使用专门的流处理库
总结
理解ofetch库的设计哲学和内部工作机制对于正确使用它至关重要。虽然默认的简化接口适合大多数场景,但在处理特殊数据类型时,我们需要知道如何访问底层的原生功能。通过合理使用raw模式,我们可以在享受ofetch便利性的同时,不失去对底层功能的控制权。
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude 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 Started
Rust
1.25 K
153
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
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253