LowCode-Engine 中获取 HTTP 错误响应体的解决方案
2025-05-15 13:06:44作者:段琳惟
在基于 LowCode-Engine 开发应用时,处理 HTTP 请求错误是一个常见的需求。当服务端返回 4xx 或 5xx 状态码时,开发者通常需要获取完整的错误响应体内容,以便进行更精确的错误处理和用户提示。
问题背景
LowCode-Engine 提供了全局的错误处理机制,通过配置 onError 回调函数可以捕获请求异常。然而,默认情况下,onError 回调中的 error 参数仅包含基本的状态码和简单消息,不包含服务端返回的完整响应体。
默认行为分析
当 HTTP 请求返回非 2xx 状态码时,LowCode-Engine 的默认处理流程会:
- 首先检查响应状态码
- 如果状态码非 2xx,则构造一个简化的错误对象
- 这个错误对象通常只包含:
- status:HTTP 状态码
- message:简单的错误描述
- log:日志标记
解决方案
要获取完整的错误响应体,可以通过以下两种方式实现:
方法一:自定义 fit 函数
LowCode-Engine 允许开发者自定义请求的 fit 处理函数,用于处理原始响应数据:
{
requestHandlers: {
fit: (res) => {
console.log('完整响应:', res);
if (res.status >= 400) {
return Promise.reject({
...res,
errorMsg: res.message || '请求错误'
});
}
return res;
}
},
onError: (error) => {
console.log('捕获错误:', error);
// 这里可以访问完整的错误对象
}
}
方法二:使用拦截器
对于更复杂的场景,可以添加请求拦截器来捕获完整响应:
{
requestHandlers: {
request: (options) => {
return fetch(options.url, options)
.then(async (response) => {
const data = await response.json();
if (!response.ok) {
return Promise.reject({
status: response.status,
data, // 包含完整的响应体
message: data.message || '请求错误'
});
}
return data;
});
}
}
}
最佳实践建议
- 统一错误格式:建议服务端和前端约定统一的错误响应格式,便于处理
- 错误分类处理:根据不同的状态码和错误类型,提供不同的用户提示
- 日志记录:重要的错误信息应该记录到日志系统
- 用户友好提示:将技术性错误信息转换为用户能理解的语言
注意事项
- 对于 500 状态码的响应,需要确保 fit 函数能正确处理
- 考虑网络异常等非 HTTP 错误的处理
- 对于敏感信息,在前端展示前应进行过滤
通过以上方法,开发者可以在 LowCode-Engine 中获取完整的 HTTP 错误响应信息,实现更精细的错误处理和用户提示功能。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
650
149
Ascend Extension for PyTorch
Python
211
221
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++
656
291
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
React Native鸿蒙化仓库
JavaScript
250
319
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
1.03 K
486
🎉 (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
1.17 K
640
仓颉编程语言运行时与标准库。
Cangjie
136
874
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216