服务端渲染中的数据获取:结合 useRequestHeaders 与 useFetch


title: 服务端渲染中的数据获取:结合 useRequestHeaders 与 useFetch
date: 2024/7/24
updated: 2024/7/24
author: cmdragon

excerpt:
摘要:本文介绍Vue服务端渲染中使用useRequestHeaders获取请求头部信息,如cookie和authorization,示例展示了如何在SSR环境下结合useFetch进行API调用,注意浏览器环境返回空对象。

categories:

  • 前端开发

tags:

  • 服务端渲染
  • Vue
  • SSR
  • 数据获取
  • API调用
  • 请求头
  • useFetch

<2024_07_24 16_16_28.png

freecompress-cmdragon_cn.png

扫描二维码关注或者微信搜一搜:编程智域 前端至全栈交流与成长

useRequestHeaders 是一个用于访问传入请求头部信息的组合函数,通常用于服务端渲染(SSR)环境中。在浏览器环境下,它将返回一个空对象,因为浏览器的请求头信息并不直接可用。

以下是 useRequestHeaders 的使用示例和详细说明:

基本用法

  1. 获取所有请求头信息

    const headers = useRequestHeaders();
    
    
  2. 仅获取特定请求头信息(如 cookie)

    const headers = useRequestHeaders(['cookie']);
    
    

示例:使用 useRequestHeaders 进行授权

在服务端渲染的页面中,我们可以使用 useRequestHeaders 来获取 authorization 请求头信息,并将其用于后续的 API 调用。以下是一个示例,展示如何在 pages/some-page.vue 中实现这一点:

<template>
  <div>
    <h1>机密信息</h1>
    <pre>{{ data }}</pre>
  </div>
</template>

<script setup>
import { useFetch, useRequestHeaders } from 'vue'; // 确保已正确导入所需的函数

// 获取 authorization 请求头
const headers = useRequestHeaders(['authorization']);

// 使用 $fetch 调用 API,并将 authorization 头部信息传递过去
const { data } = await useFetch('/api/confidential', {
  headers: headers
});
</script>

注意事项

  • 在浏览器环境中,useRequestHeaders 返回的对象为空,因此在客户端渲染时无法获取请求头信息。
  • 该函数主要用于服务端渲染的场景,确保在适当的环境中使用。
  • 使用 useFetch 进行 API 请求时,可以将获取到的请求头信息传递给后端,以便进行身份验证或其他处理。

余下文章内容请点击跳转至 个人博客页面 或者 扫码关注或者微信搜一搜:编程智域 前端至全栈交流与成长,阅读完整的文章:服务端渲染中的数据获取:结合 useRequestHeaders 与 useFetch | cmdragon’s Blog

往期文章归档:

  • 25
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda配置好环境,然后直接导入到pycharm,在pycharm运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna安装requirements.txt的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda对应的python导入到pycharm即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm运行train_dual.py开始训练 方式二: 命令行方式,在pycharm的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值