JStack项目中使用Clerk身份验证时解决`__dirname未定义`错误
2025-06-20 11:46:52作者:鲍丁臣Ursa
问题背景
在JStack项目中集成Clerk身份验证服务时,开发者可能会遇到一个常见错误:__dirname is not defined。这个错误通常发生在运行wrangler dev命令时,特别是在Windows操作系统环境下。
错误原因分析
这个问题的根源在于Node.js特有变量__dirname与某些运行环境之间的兼容性问题。具体表现为:
ua-parser-js模块(Next.js的依赖项)尝试使用Node.js特有的__dirname变量- 某些运行环境(通过wrangler模拟)并不支持这个Node.js特性
- 当项目中使用Clerk进行身份验证时,会触发这个依赖链
解决方案
方案一:使用专为边缘计算设计的Clerk中间件
正确的解决方法是使用专门为边缘计算环境设计的@hono/clerk-auth中间件,而不是标准的Clerk Next.js中间件。以下是实现步骤:
-
安装必要的依赖包:
npm install @hono/clerk-auth -
创建自定义中间件:
import { getAuth, clerkMiddleware as honoClerkMiddleware } from "@hono/clerk-auth"; const authMiddleware = j.middleware(async ({ c, next }) => { const { NEXT_PUBLIC_CLERK_PUBLISHABLE_KEY, CLERK_SECRET_KEY } = env(c) as { NEXT_PUBLIC_CLERK_PUBLISHABLE_KEY: string; CLERK_SECRET_KEY: string; }; await honoClerkMiddleware({ publishableKey: NEXT_PUBLIC_CLERK_PUBLISHABLE_KEY, secretKey: CLERK_SECRET_KEY, })(c, async () => { const auth = getAuth(c); if (!auth?.userId) { c.json({ message: "您尚未登录" }, 401); return; } await next({ auth }); }); });
方案二:保留原有中间件配置
如果需要保留原有的Clerk中间件配置,可以创建一个单独的middleware.ts文件:
import { clerkMiddleware, createRouteMatcher } from "@clerk/nextjs/server";
const isPublicRoute = createRouteMatcher([
"/sign-in(.*)",
"/sign-up(.*)",
"/api/webhooks(.*)",
]);
export default clerkMiddleware(async (auth, request) => {
if (!isPublicRoute(request)) {
await auth.protect();
}
});
export const config = {
matcher: [
"/((?!_next|[^?]*\\.(?:html?|css|js(?!on)|jpe?g|webp|png|gif|svg|ttf|woff2?|ico|csv|docx?|xlsx?|zip|webmanifest)).*)",
"/(api|trpc)(.*)",
],
};
技术原理
这个解决方案的核心在于:
- 环境适配:
@hono/clerk-auth是专门为边缘计算环境设计的,不依赖Node.js特有功能 - 兼容性处理:通过自定义中间件包装,确保在特定运行环境中能正确运行
- 功能完整性:保留了Clerk的所有核心功能,包括用户认证和权限控制
最佳实践建议
-
版本控制:确保使用兼容的版本组合
- Wrangler 3.x版本
- Node.js 18+版本
-
环境变量:正确配置Clerk的发布密钥和密钥
-
错误处理:在中间件中添加适当的错误处理逻辑
-
测试验证:部署前充分测试所有身份验证场景
总结
在JStack项目中集成Clerk身份验证时,遇到__dirname is not defined错误是常见但容易解决的问题。关键在于理解不同运行环境的差异,并选择适合边缘计算的解决方案。通过使用@hono/clerk-auth中间件,开发者可以无缝地在特定运行环境中实现强大的身份验证功能,同时避免Node.js特有API带来的兼容性问题。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322