Axios 请求拦截器中更新授权头的技术解析
2025-04-28 13:47:48作者:咎竹峻Karen
问题背景
在使用 Axios 进行 HTTP 请求时,开发者经常会遇到需要动态更新请求头的情况,特别是在处理 OAuth 2.0 或 JWT 认证时。当访问令牌过期后,需要刷新令牌并重新发送请求,这时就需要在拦截器中更新 Authorization 头。
核心问题分析
在 Axios 的拦截器机制中,当响应返回 401 未授权状态码时,开发者通常会尝试:
- 刷新访问令牌
- 更新请求配置中的 Authorization 头
- 重新发送原始请求
然而,许多开发者发现即使更新了配置中的 headers 对象,重试的请求仍然使用了旧的授权头信息。
解决方案
通过深入分析 Axios 的内部机制,我们发现关键在于如何正确修改请求配置。以下是有效的解决方案:
1. 创建新的 headers 对象
直接修改 headers 属性可能不会触发 Axios 的内部更新机制。正确做法是创建一个新的 headers 对象:
config.headers = { ...config.headers };
config.headers.Authorization = `Bearer ${newToken}`;
2. 标记请求已重试
为了避免无限重试循环,需要标记请求:
config._retried = true;
3. 完整的拦截器实现
axiosPrivate.interceptors.response.use(
response => response,
async error => {
const config = error.config;
if (error.response?.status === 401 && !config._retried) {
try {
config._retried = true;
const newToken = await refreshToken();
// 关键步骤:创建新的 headers 对象
config.headers = {
...config.headers,
Authorization: `Bearer ${newToken}`
};
return axiosPrivate.request(config);
} catch (refreshError) {
return Promise.reject(refreshError);
}
}
return Promise.reject(error);
}
);
技术原理
Axios 在内部处理请求配置时,会对 headers 进行特殊处理。直接修改现有 headers 对象的属性可能不会触发 Axios 的更新机制,因为:
- Axios 可能对初始配置进行了深拷贝或冻结处理
- 内部中间件可能只在新 headers 对象被赋值时才会更新请求头
- 某些版本的 Axios 对配置对象的变更检测机制较为严格
最佳实践
- 始终创建新的 headers 对象:这是最可靠的更新方式
- 添加重试标记:防止因令牌刷新失败导致的无限循环
- 错误处理:妥善处理令牌刷新失败的情况
- 版本兼容性:不同版本的 Axios 可能有细微差异,需要测试验证
总结
在 Axios 拦截器中动态更新请求头需要特别注意对象的引用和更新方式。通过创建新的 headers 对象而非直接修改现有属性,可以确保授权头信息被正确更新并应用于重试的请求。这一技术点对于实现健壮的认证流程至关重要,特别是在处理 JWT 或 OAuth 2.0 令牌刷新场景时。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218