Redux Toolkit中RTK Query的类型导入问题解析
2025-05-21 00:59:20作者:苗圣禹Peter
问题背景
在使用Redux Toolkit的RTK Query功能时,开发者可能会遇到无法导入UseQuery和ResponseHandler类型的问题。这通常是由于直接引用了Redux Toolkit内部路径导致的类型导入错误。
正确的类型导入方式
Redux Toolkit官方明确指出,所有位于/dist/目录下的内容都应被视为内部实现细节,可能会在不通知的情况下发生变化。官方提供的公共入口点包括:
- @reduxjs/toolkit
- @reduxjs/toolkit/react
- @reduxjs/toolkit/query
- @reduxjs/toolkit/query/react
对于UseQuery类型,官方并未直接导出,而是提供了TypedUseQuery辅助类型,它接受更友好的类型参数。这个设计决策可能是为了提供更好的类型安全性和开发体验。
TypedUseQuery的使用
TypedUseQuery类型定义如下:
type TypedUseQuery<ResultType, QueryArg, BaseQuery extends BaseQueryFn>
其中BaseQuery参数是必需的,因为它决定了钩子返回值中的错误类型等关键类型信息。这种设计确保了类型系统的完整性和一致性。
处理Blob响应
对于需要处理二进制数据(如Blob)的场景,开发者可能会尝试使用ResponseHandler类型。虽然这个类型没有直接导出,但可以通过简单的类型声明来解决:
type ResponseHandler = 'content-type' | 'json' | 'text' | ((response: Response) => Promise<any>);
处理Blob响应的示例实现:
const defaultRtkValidateStatus = (response: Response) =>
response.status >= 200 && response.status <= 299;
export const blobResponseHandler = (response: Response) =>
defaultRtkValidateStatus(response) ? response.blob() : response.json();
最佳实践建议
- 避免直接引用内部路径:始终使用官方提供的公共入口点
- 优先使用官方导出类型:如
TypedUseQuery而非内部类型 - 自定义类型处理:对于未导出的类型,可以自行声明而无需依赖内部实现
- 保持类型安全:确保自定义处理函数有明确的类型注解
通过遵循这些实践,开发者可以避免类型导入问题,同时保持代码的稳定性和可维护性。Redux Toolkit的这种设计虽然可能在初期造成一些困惑,但从长远来看有利于保持API的稳定性和灵活性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0194- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
602
4.04 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
Ascend Extension for PyTorch
Python
442
531
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
112
170
🎉 (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
1.46 K
825
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++
922
770
暂无简介
Dart
847
204
React Native鸿蒙化仓库
JavaScript
321
375
openGauss kernel ~ openGauss is an open source relational database management system
C++
174
249