当前位置:首页 > 文章列表 > 文章 > java教程 > SpringBootGET和POST请求参数校验统一处理

SpringBootGET和POST请求参数校验统一处理

2025-04-01 12:30:52 0浏览 收藏

本文介绍Spring Boot 2.7.14版本中GET和POST请求参数校验的统一处理方法。由于`@RequestParam`不支持JSR-303校验注解,导致GET请求参数校验失败时抛出`MissingServletRequestParameterException`,而非预期的校验异常。文章通过将GET请求参数封装到DTO对象,并结合自定义全局异常处理器,统一处理`MethodArgumentNotValidException`和`MissingServletRequestParameterException`,最终实现GET和POST请求参数校验结果格式的一致性,提升代码的可维护性和可读性,有效解决Spring Boot参数校验难题。

Spring Boot接口参数校验统一处理方案

本文探讨Spring Boot 2.7.14版本中GET和POST请求参数校验的差异,以及如何统一校验结果格式。 许多开发者在使用@RequestBody @Valid校验POST请求体时能够成功捕获MethodArgumentNotValidException,但GET请求使用@RequestParam @NotNull或@Validated注解却常常抛出MissingServletRequestParameterException,而非预期的校验失败信息。

这是因为@RequestParam本身不支持JSR-303校验注解(如@NotNull),它只负责将请求参数映射到方法参数。@Validated注解作用于方法参数对象,而单个long feedId并非对象。

为了解决这个问题并统一校验结果格式,我们采用以下方法:

首先,将GET请求参数封装到DTO对象中:

@GetMapping("/api")
public String apiGet(@Valid ApiGetRequest request) {
    // ...
}

public class ApiGetRequest {
    @NotNull
    private Long feedId;

    // getters and setters
}

创建ApiGetRequest类,将feedId作为属性并添加@NotNull注解,利用Spring的校验机制进行非空校验。

其次,自定义全局异常处理器,统一处理校验异常:

@ControllerAdvice
public class GlobalExceptionHandler {

    @ExceptionHandler({MethodArgumentNotValidException.class, MissingServletRequestParameterException.class})
    @ResponseBody
    public ResponseEntity handleValidationExceptions(Exception ex) {
        String errorMessage;
        if (ex instanceof MethodArgumentNotValidException) {
            MethodArgumentNotValidException e = (MethodArgumentNotValidException) ex;
            errorMessage = e.getBindingResult().getFieldError().getDefaultMessage();
        } else if (ex instanceof MissingServletRequestParameterException) {
            MissingServletRequestParameterException e = (MissingServletRequestParameterException) ex;
            errorMessage = "校验失败:" + e.getParameterName() + ":不能为null";
        } else {
            errorMessage = "未知错误";
        }
        return ResponseEntity.badRequest().body(errorMessage);
    }
}

此全局异常处理器捕获MethodArgumentNotValidException和MissingServletRequestParameterException,并构建统一格式的错误信息。 使用ResponseEntity返回更规范的HTTP响应,包含状态码。

Spring Boot中GET和POST请求参数校验如何统一处理?

通过此方案,无论POST请求的MethodArgumentNotValidException还是GET请求的MissingServletRequestParameterException,都能被统一处理,返回一致的错误信息格式,从而满足了开发者对校验结果格式的要求。 这提升了代码的可维护性和可读性。

理论要掌握,实操不能落!以上关于《SpringBootGET和POST请求参数校验统一处理》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

对原始数据进行排序后,生成测试数据的时间显著增加的原因可能包括:1.**排序算法的复杂度**:使用复杂的排序算法如快速排序或归并排序,处理大量数据时会消耗大量时间。2.**数据依赖性**:生成测试数据依赖于排序后的数据顺序,排序完成前无法进行后续步骤。3.**内存使用和I/O操作**:排序可能导致更多内存使用和I/O操作,数据量大时可能交换到磁盘,增加处理时间。4.**并行处理的限制**:排序操作对原始数据进行排序后,生成测试数据的时间显著增加的原因可能包括:1.**排序算法的复杂度**:使用复杂的排序算法如快速排序或归并排序,处理大量数据时会消耗大量时间。2.**数据依赖性**:生成测试数据依赖于排序后的数据顺序,排序完成前无法进行后续步骤。3.**内存使用和I/O操作**:排序可能导致更多内存使用和I/O操作,数据量大时可能交换到磁盘,增加处理时间。4.**并行处理的限制**:排序操作
上一篇
对原始数据进行排序后,生成测试数据的时间显著增加的原因可能包括:1.**排序算法的复杂度**:使用复杂的排序算法如快速排序或归并排序,处理大量数据时会消耗大量时间。2.**数据依赖性**:生成测试数据依赖于排序后的数据顺序,排序完成前无法进行后续步骤。3.**内存使用和I/O操作**:排序可能导致更多内存使用和I/O操作,数据量大时可能交换到磁盘,增加处理时间。4.**并行处理的限制**:排序操作
Go语言Gin框架热重启,如何优雅处理协程退出防止数据丢失?
下一篇
Go语言Gin框架热重启,如何优雅处理协程退出防止数据丢失?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    350次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    412次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    417次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    373次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    197次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码