Malli项目中Swagger JSON生成的类型顺序问题解析
2025-07-10 23:20:28作者:咎岭娴Homer
问题背景
在Malli项目中,当使用:or类型组合器定义包含:nil类型的可选字段时,生成的Swagger JSON会出现有效性问题。具体表现为当:nil类型作为:or组合中的第一个选项时,生成的Swagger规范会变得无效。
问题现象
Malli允许开发者使用类型组合器来定义复杂的类型结构。例如,可以定义一个既可以是整数也可以是空值的字段:
[:days-paid-leave-sick-child {:optional true} [:or [:int {:min 0 :max 30}] :nil]]
这种情况下生成的Swagger JSON是有效的,它会正确地表示为:
days-paid-leave-sick-child:
type: integer
format: int64
minimum: 0
maximum: 30
x-anyOf:
- type: integer
format: int64
minimum: 0
maximum: 30
- type: 'null'
然而,当:nil类型作为:or组合中的第一个选项时:
[:days-until-sick-leave-notice {:optional true} [:or :nil [:int {:min 1 :max 4}]]]
生成的Swagger JSON就变得无效了:
days-until-sick-leave-notice:
type: 'null'
x-anyOf:
- type: 'null'
- type: integer
format: int64
minimum: 1
maximum: 4
技术分析
这个问题源于Malli在生成Swagger JSON时对类型组合的处理逻辑。根据JSON Schema规范,type字段的有效值应该是array、boolean、integer、number、object或string之一。'null'虽然在某些Swagger扩展中可能被支持,但不是标准的JSON Schema类型。
当:nil类型出现在:or组合的第一位时,Malli错误地将其作为主类型输出,导致了不符合规范的Swagger文档生成。正确的做法应该是选择第一个非空类型作为基础类型,然后使用anyOf或oneOf来表示类型组合。
解决方案
Malli项目维护者已经确认这是一个bug,并建议修复方向:在生成JSON Schema时,:or类型组合器应该选择第一个非空类型作为基础类型。这意味着:
- 当处理
:or类型组合时,应该跳过:nil类型,选择第一个有效的JSON Schema类型作为主类型 - 仍然保留所有类型选项(包括
:nil)在anyOf或oneOf结构中 - 确保生成的文档符合JSON Schema规范
对开发者的影响
对于使用Malli生成API文档的开发者,目前可以采取以下临时解决方案:
- 确保
:nil类型总是出现在:or组合的末尾 - 或者手动调整生成的Swagger文档
- 等待官方修复并更新到新版本
最佳实践
在使用Malli定义包含可选字段的类型时,建议:
- 将
:nil类型放在:or组合的最后位置 - 明确指定字段的
{:optional true}属性 - 验证生成的Swagger文档是否符合规范
- 考虑使用更明确的类型组合方式,如
:maybe来表示可选字段
这个问题提醒我们在使用类型系统生成API文档时,需要特别注意类型组合的顺序和规范兼容性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660