React Native 中使用 @hey-api/client-fetch 上传图片的解决方案
在 React Native 开发中,使用 @hey-api/client-fetch 进行图片上传时,开发者可能会遇到一个常见问题:表单数据中的图片对象被意外地字符串化,导致后端无法正确接收文件。本文将深入分析这个问题,并提供完整的解决方案。
问题背景
当开发者使用 @hey-api/openapi-ts 生成的客户端代码配合 @hey-api/client-fetch 进行文件上传时,React Native 中的图片对象会被错误地处理。典型的 React Native 图片对象结构如下:
{
uri: Platform.OS === 'ios' ? `file:///${path}` : path,
type: mime,
name: filename || 'image.jpg'
}
问题根源
问题的核心在于默认的表单数据序列化器(formDataBodySerializer)无法正确识别 React Native 特有的文件对象格式。默认实现会将这些对象通过 JSON.stringify() 转换为字符串,而非作为文件处理。
解决方案
我们需要自定义表单数据序列化器,使其能够正确处理 React Native 的文件对象。以下是完整的实现方案:
type FileUpload = {
uri: string;
type?: string;
name?: string;
};
const isFileUpload = (value: unknown): value is FileUpload =>
typeof value === 'object' && typeof (value as any).uri === 'string';
const serializeFormDataPair = (
data: FormData,
key: string,
value: unknown,
) => {
if (
typeof value === 'string' ||
value instanceof Blob ||
isFileUpload(value)
) {
data.append(key, value);
} else {
data.append(key, JSON.stringify(value));
}
};
const formDataBodySerializer = {
bodySerializer: <
T extends Record<string, any> | Array<Record<string, any>>,
>(
body: T,
) => {
const data = new FormData();
Object.entries(body).forEach(([key, value]) => {
if (value === undefined || value === null) {
return;
}
if (Array.isArray(value)) {
value.forEach((v) => serializeFormDataPair(data, key, v));
} else {
serializeFormDataPair(data, key, value);
}
});
return data;
},
};
实现说明
-
类型定义:我们首先定义了 FileUpload 类型,描述 React Native 中文件对象的结构。
-
类型守卫:isFileUpload 函数用于判断一个值是否为 React Native 文件对象。
-
序列化逻辑:serializeFormDataPair 函数处理三种情况:
- 字符串直接附加
- Blob 对象直接附加
- React Native 文件对象直接附加
- 其他类型通过 JSON.stringify 转换
-
表单构建器:formDataBodySerializer 遍历请求体,正确处理各种数据类型。
应用场景
这个解决方案特别适用于以下场景:
- 使用 @hey-api/openapi-ts 生成客户端代码
- 在 React Native 应用中上传图片
- 使用 TanStack Query 进行数据管理
- 后端期望接收 multipart/form-data 格式的数据
注意事项
-
跨平台兼容性:此方案同时考虑了 iOS 和 Android 平台的 URI 格式差异。
-
类型安全:通过 TypeScript 类型守卫确保类型安全。
-
扩展性:可以轻松扩展以支持其他特殊数据类型。
总结
通过自定义表单数据序列化器,我们成功解决了 React Native 中图片上传时对象被字符串化的问题。这个方案不仅解决了当前问题,还提供了良好的扩展性,可以适应未来可能出现的其他数据类型处理需求。
对于使用 @hey-api 生态系统的 React Native 开发者来说,这是一个可靠且实用的解决方案,能够确保文件上传功能在各种场景下正常工作。
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 StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07