在express开发的前后端调用中，express作为服务端是不二之选，它有一些很好用的body解析器来解析传入数据；而作为请求发起方，axios是非常方便的，这是一个很好的选择，它可以传输多种类型的数据给接收方。
通常我们用urlencoded或json编码传一些数据量小的信息是蛮不错的，但是如果数据量大的话，或者感觉编码效率低的话，可以考虑用blob或者arraybuffer，当然如果某些属性就是blob或者arraybuffer，直接传就好了，但是如果类似一些较大的json对象数组，类似数据库宽表的一页或者几页信息，真是占空间，自己设计转码还挺麻烦，有没有什么好的办法呢？
这里要推荐一下protobuf，protobuf 就是Protocol Buffer，它是一种由 Google 开发的二进制序列化格式和相关的技术，它用于高效地序列化和反序列化结构化数据，大名鼎鼎的gRPC里用的就是这个。当然在本文里，我不是让你放弃express+axios，彻底转向gRPC的怀抱，而是利用protobuf来提高我们接口的传输效率。
首先，需要定义下接口数据格式，用proto定义比json更为精准，每条数据的各属性类型顺序，如果支持一个请求里传输多条数据，只需要来一个repeated定义即可。

//dgiij.proto
package dgiijpackage;
syntax = "proto3";

message welcomeMessage {
	string id = 1;
	int64 timecount = 2;
	string url = 3;
}

message msgs
{
    repeated welcomeMessage msg = 1;
}

在原接口请求方和服务方简单增加两句，用于在数据发送前和收到后，进行转码和解码即可
下面是node客户端代码

//sender.js
const axios = require('axios');
var protobuf = require("protobufjs");
const root=protobuf.loadSync("dgiij.proto");
const dgiijMessage = root.lookupType("dgiijpackage.msgs");

let dataset=[{ "id": "dgiij","timecount":202407271054,"url":"https://blog.csdn.net/dgiij" },{ "id": "dgiij1","timecount":202407271134,"url":"https://blog.csdn.net/dgiij1" }];

var messageout = dgiijMessage.create({"msg":dataset});
var buffer = dgiijMessage.encode(messageout).finish();
 
axios.post('http://localhost:3000/sendmsg',buffer,{ headers: {'Content-Type': 'application/octet-stream'}}).then(res=>console.log(res.data))

axios.get('http://localhost:3000/getmsg',{responseType:'arraybuffer'}).then(res=>{
	let messagein = dgiijMessage.decode(res.data);
	console.log("解码数据为:");
	console.log(messagein.msg)
	messagein.msg.forEach(item=>{item.pasrelong=item.timecount.toNumber()})
	console.log("long类型转数字后数据为:");
	console.log(messagein.msg)
	})

下面是node服务端代码

//receiver.js
const protobuf = require("protobufjs");
const root=protobuf.loadSync("dgiij.proto");
const dgiijMessage = root.lookupType("dgiijpackage.msgs");

const express = require('express');
const app = express();

app.use("/", express.static("./"));

app.post('/sendmsg',express.raw(), (req, res)=> {
	let message = dgiijMessage.decode(req.body);
	console.log("解码数据为:");
	console.log(message.msg)
	message.msg.forEach(item=>{item.pasrelong=item.timecount.toNumber()})
	console.log("long类型转数字后数据为:");
	console.log(message.msg)
	res.json({"msg":"got"});
})

app.get('/getmsg', (req, res)=> {

let dataset=[{ "id": "dgiij","timecount":202407271054,"url":"https://blog.csdn.net/dgiij" },{ "id": "dgiij1","timecount":202407271134,"url":"https://blog.csdn.net/dgiij1" }];

var message = dgiijMessage.create({"msg":dataset});
var buffer = dgiijMessage.encode(message).finish();

res.set('Content-Type', 'arrarybuffer');
res.write(buffer);
res.end();
})


app.listen(3000, ()=> {
	console.log("Server is listening");
});

运行结果如下

在这里插入图片描述
在这里插入图片描述
下面这个是浏览器端测试网页

<html>
<head>
<script src="axios.min.js"></script>
<script src="protobuf.js"></script>
</head>
<body>
<div>protobuf test</div>
<script>
protobuf.load("./dgiij.proto").then(root=>{

const dgiijMessage = root.lookupType("dgiijpackage.msgs");

let dataset=[{ "id": "dgiij","timecount":202407271054,"url":"https://blog.csdn.net/dgiij" },{ "id": "dgiij1","timecount":202407271134,"url":"https://blog.csdn.net/dgiij1" }];
let messageout = dgiijMessage.create({"msg":dataset});
let buffer = dgiijMessage.encode(messageout).finish();
 
axios.post('http://localhost:3000/sendmsg',buffer,{ headers: {'Content-Type': 'application/octet-stream'}}).then(res=>console.log(res.data));

axios.get('http://localhost:3000/getmsg',{responseType:'arraybuffer'}).then(res=>{
	let messagein = dgiijMessage.decode(new Uint8Array(res.data));
	console.log(messagein.msg)
	})
});
</script>
</body>
</html>

效果如下
在这里插入图片描述
提醒注意下：浏览器端调用发送数据跟后端没有区别，但是接收数据的话要将返回数据按Uint8Array来解码，否则会报错，另外解码后的long型数字也不用转换了。

# node.js # express # javascript
Logo
魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

cover

替你试过了，消费级显卡可以跑的开源文生图SOTA模型，顶级渲染、高密度文本绘图

avatar 魔乐社区
cover

量化挑战赛冠军专访：4小时啃下W4A8量化，我靠的是这些经验

avatar 魔乐社区

小参数・大码力・易部署 | Qwen3.6-27B上线魔乐社区，基于昇腾的部署教程来了

继一周前模型开源发布后，千问再度开源Qwen3.6-27B —— 一个拥有270亿参数的稠密多模态模型，也是社区呼声最高的模型规格。Qwen3.6-27B 依然支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现，全面超越前代开源旗舰 Qwen3.5-397B-A17B（总参数397B / 激活参数17B的MoE模型）。作为稠密架构，它无需MoE路由即可部署，是开发者在实用、可广泛部署规模

avatar 魔乐社区