Next.js 中处理 401 未授权错误的正确姿势
在 Next.js 项目中,当我们需要处理 API 请求的 401 未授权错误时,往往会遇到一个棘手的问题:无法直接在服务器端修改 cookies。本文将深入探讨这个问题的根源,并提供一套完整的解决方案。
问题背景
在 Next.js 应用中,我们通常会使用自定义的 fetch 封装函数作为统一的 API 请求处理器。当服务器返回 401 状态码时,我们希望自动登出当前用户,类似于 Axios 拦截器的处理方式。
然而,当尝试在服务器组件中调用 auth.js 的 signOut 方法时,会遇到如下错误提示:"Cookies can only be modified in a Server Action or Route Handler"。这是因为 Next.js 出于安全考虑,限制了在服务器组件中直接操作 cookies 的能力。
问题分析
这个限制实际上是 Next.js 的一种安全机制。服务器组件在渲染时执行,此时直接操作 cookies 可能会导致不可预期的行为。正确的做法是将 cookies 操作放在专门设计的 Server Action 或 Route Handler 中。
解决方案
1. 创建专用的登出路由处理器
我们需要创建一个专门处理登出逻辑的路由处理器。这个处理器将负责两件事:
- 清除所有相关的认证 cookies
- 调用 signOut 方法终止会话
import { signOut } from "@/auth";
import { cookies } from "next/headers";
import { NextResponse } from "next/server";
export async function GET() {
const cookieStore = cookies();
const cookieKeys = ["authjs.session-token", "next-auth.session-token", "access_token"];
cookieKeys.forEach((key) => cookieStore.delete(key));
await signOut({ redirect: false });
return NextResponse.redirect("/login");
}
2. 修改 fetch 封装函数
在统一的 fetch 封装中,当检测到 401 错误时,我们不再直接调用 signOut,而是重定向到我们创建的登出路由:
async function fetchApiProxy<T, ET = any>(
url: string,
options?: RequestInit & { authorize?: boolean },
) {
const res = await fetchApi<T, ET>(url, options);
if (res.status === 401 || res.message === "UnAuthentication") {
await redirectTo("/api/logout");
}
return res;
}
实现细节
完整的 fetch 封装实现
一个健壮的 fetch 封装应该包含以下功能:
- 自动添加认证头信息
- 统一错误处理
- 401 错误自动处理
- 类型安全
"server-only";
async function fetchApi<T, ET = any>(
url: string,
options?: RequestInit & { authorize?: boolean },
): Promise<FetchApiResponse<T, ET>> {
try {
const session = await auth();
const res = await fetch(`${process.env.API_BASE_URL}${url}`, {
...options,
headers: {
"Content-Type": "application/json",
...options?.headers,
...(options?.authorize && {
Authorization: `Bearer ${session?.accessToken}`,
}),
},
});
const data = await res.json();
if (!res.ok) {
return {
isError: true,
message: data?.message || res.statusText || "Unknown error",
data: null,
status: res.status,
errorData: data?.data ?? null,
};
}
return {
isError: false,
message: data?.message || null,
data: data?.data,
errorData: null,
status: res.status,
};
} catch (error) {
return {
isError: true,
message: error instanceof Error ? error.message : "Unknown error",
data: null,
status: 500,
errorData: null,
};
}
}
最佳实践
- 错误处理统一化:所有 API 请求都通过这个封装函数进行,确保错误处理一致
- 认证自动化:通过 authorize 选项自动添加认证头信息
- 类型安全:使用 TypeScript 泛型确保请求和响应类型安全
- 安全考虑:避免在服务器组件中直接操作 cookies
总结
在 Next.js 应用中处理 401 错误时,关键在于理解框架的安全限制并找到符合设计原则的解决方案。通过创建专用的路由处理器来处理登出逻辑,我们既遵守了框架的限制,又实现了业务需求。这种模式不仅解决了当前问题,还为应用提供了清晰的结构和可维护的代码基础。
对于更复杂的认证场景,可以考虑扩展这个方案,例如添加刷新令牌的逻辑,或者在登出时执行额外的清理工作。记住,良好的错误处理是构建健壮应用的关键部分。
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