WebArgumentResolver 自定义参数解析案例

WebArgumentResolver 用于定义自定义的参数解析逻辑,用于将传入的 Web 请求参数或模型中的属性注入到控制器方法的参数中。

业务场景:

假设你正在开发一个 Web 应用程序,该程序需要处理一些复杂的数据结构,这些结构并不适合直接从标准的请求参数中获取,或者你需要从多个来源(如请求头、请求体、会话等)获取参数。

1. 创建自定义参数解析器:

java 复制代码
import org.springframework.web.method.support.WebArgumentResolver;
import org.springframework.web.bind.annotation.PathVariable;

public class CustomArgumentResolver implements WebArgumentResolver {

    @Override
    public Object resolveArgument(MethodParameter parameter, NativeWebRequest webRequest) throws Exception {
        if (parameter.hasParameterAnnotation(PathVariable.class)) {
            // 从 URL 路径变量中获取参数值
            String name = parameter.getParameterAnnotation(PathVariable.class).value();
            return webRequest.getAttribute(name, 0);
        }
        // 可以添加更多的参数解析逻辑
        return WebArgumentResolver.UNRESOLVED;
    }
}

2. 注册自定义参数解析器:

java 复制代码
import org.springframework.web.method.support.HandlerMethodArgumentResolver;
import org.springframework.web.servlet.config.annotation.WebMvcConfigurer;

@Configuration
public class WebConfig implements WebMvcConfigurer {

    @Override
    public void addArgumentResolvers(List<HandlerMethodArgumentResolver> argumentResolvers) {
        argumentResolvers.add(new CustomArgumentResolver());
    }
}

3. 使用自定义参数解析器:

java 复制代码
@GetMapping("/users/{userId}/profile")
public String getUserProfile(@PathVariable("userId") Long userId, CustomType customType) {
    // 使用 userId 和 customType 中的数据
    return "userProfile";
}

在这个例子中,CustomArgumentResolver 会尝试解析带有 @PathVariable 注解的参数。如果参数是自定义类型 CustomType,它将从请求中获取所需的数据并注入到控制器方法中。

总结

  • WebArgumentResolver 允许开发者自定义参数的解析逻辑,提供更大的灵活性。
  • 它可以用于处理复杂的数据结构,或者从非标准来源获取参数。
  • 使用 WebArgumentResolver 可以提高应用程序的模块化和可维护性,尤其是当涉及到复杂的参数处理时。
相关推荐
SeaDhdhdhdhdh7 小时前
MCP Server 搭建与使用指南
java·ai·agent·mcp
YH55269847 小时前
GPT‑5.6 Sol 原本支持 1M 上下文,Codex 现已放开此前限制,如何看待这次调整?
java·jvm·人工智能·gpt·算法·chatgpt
ZYJCSZKJ7 小时前
AI数字人实时交互系统的工程架构与多方言适配实践
人工智能·架构·交互·ai数字人直播系统
AI_小站8 小时前
刚面完百度的 Agent 开发岗,我才发现:世界就是个巨大的草台班子
java·开发语言·人工智能·spring·百度·langchain
心无旁骛~8 小时前
anywhere-labs/deepseek-harness-desktop 如何围绕上游演进:Submodule、版本溯源与非 Fork 架构
人工智能·架构
ZGIAI8 小时前
ZGI Runner 与 Sandbox:两层运行边界
人工智能·架构
ZGIAI8 小时前
ZGI Workspace:统一组织 Agent 资源
人工智能·架构
笃行3508 小时前
向量数据库单独建一套,这笔账划不划算
后端
许彰午8 小时前
03-三种开发模式
java·架构
涟漪海洋9 小时前
创建最新的JDK25镜像,非root环境启动
java