博客
关于我
hapi.js入门系列(一)——一个简单的Hello World程序
阅读量:611 次
发布时间:2019-03-12

本文共 1369 字,大约阅读时间需要 4 分钟。

安装Hapi框架及其应用实践

一、安装Hapi框架

1. 创建开发环境

首先,我们需要创建一个适合开发的文件夹结构。在终端输入以下命令:

mkdir hapi-project && cd hapi-project

2. 初始化项目文件

为了管理项目依赖,需要初始化package.json文件。运行以下命令:

npm init

3. 安装Hapi框架

根据所需版本安装Hapi。当前示例使用Hapi v20.1.0:

npm install @hapi/hapi --save

【注】:在旧版本Hapi中,使用npm install hapi安装,新版本需用@hapi/hapi指定包名。

二、构建简单的Hello World服务

1. 创建项目入口文件

hapi-project文件夹下新建一个index.js文件,并填入以下代码:

const hapi = require('@hapi/hapi');const start = async () => {    const server = hapi.server({        port: 3000    });    await server.start();    console.log(`Hapi服务已启动,访问地址:${server.info.uri}`);};start();

2. 启动服务

在终端执行命令启动服务:

node ./index.js

运行后,会输出类似以下内容:

server is running at http://localhost:3000

验证服务状态

查看当前运行的服务状态,可以使用以下命令:

Linux系统:

netstat -tlnp | grep 3000

Windows系统:

netstat -ano | find "3000"

查看结果中是否存在0.0.0.0:3000的服务-information,确认服务正常运行。

三、添加路由配置

1. 为服务添加基本路由

在现有的index.js文件中,扩展服务器路由配置。添加路由代码如下:

const hapi = require('@hapi/hapi');const start = async () => {    const server = hapi.server({        port: 3000    });    // 注册主路由    server.route({        method: 'GET',        path: '/',        handler: (request, h) => {            return 'Hello World';        }    });    await server.start();    console.log(`Hapi服务已启动,访问地址:${server.info.uri}`);};start();

2. 测试路由功能

打开浏览器,访问http://localhost:3000,验证是否显示Hello World内容。

注意事项

[注]:在Hapi v20版本中,路由控制器的返回方式已改为直接返回内容,使用return关键字即可,无需通过reply方法.

转载地址:http://lfpxz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>