在Scribe文档工具中实现OpenAPI标签分组功能
2025-07-05 05:21:30作者:钟日瑜
背景介绍
Scribe是一个流行的API文档生成工具,它能够自动从Laravel应用中生成美观的API文档。在实际项目中,随着API数量的增加,合理的分组和分类变得尤为重要。OpenAPI规范支持通过标签(tags)和标签组(tagGroups)来组织API端点,这可以显著提升文档的可读性和导航体验。
需求分析
许多开发者希望在Scribe生成的OpenAPI文档中实现多级导航功能,类似于Elements主题提供的体验。具体来说,需要实现以下功能:
- 为API端点添加子组(subgroup)信息
- 在生成的OpenAPI规范中包含x-tagGroups扩展字段
- 保持与现有Scribe功能的兼容性
技术实现方案
自定义OpenAPI规范写入器
通过继承Scribe的OpenAPISpecWriter类,我们可以自定义OpenAPI规范的生成逻辑。核心思路是:
- 从端点元数据中提取子组信息
- 构建标签列表
- 组织标签组结构
- 将自定义内容合并到标准OpenAPI规范中
关键代码实现
class CustomOpenAPISpecWriter extends OpenAPISpecWriter
{
public function generateSpecContent(array $groupedEndpoints): array
{
// 准备标签列表
$tags = [];
foreach ($groupedEndpoints as $group) {
foreach ($group['endpoints'] as $endpoint) {
$subgroup = $endpoint['metadata']['subgroup'];
if (!in_array($subgroup, $tags)) {
$tags[] = $subgroup;
}
}
}
// 准备标签组结构
$tagGroups = [];
foreach ($groupedEndpoints as $group) {
$groupTags = [];
foreach ($group['endpoints'] as $endpoint) {
$subgroup = $endpoint['metadata']['subgroup'];
if (!in_array($subgroup, $groupTags)) {
$groupTags[] = $subgroup;
}
}
$tagGroups[] = [
'name' => $group['name'],
'tags' => $groupTags,
];
}
return array_merge([
// 标准OpenAPI字段
'openapi' => self::SPEC_VERSION,
'info' => [...],
'servers' => [...],
'paths' => $this->generatePathsSpec($groupedEndpoints),
// 自定义标签相关字段
'tags' => array_map(function ($tag) {
return [
'name' => $tag,
'description' => 'Description for '.$tag,
];
}, $tags),
'x-tagGroups' => $tagGroups,
], $this->generateSecurityPartialSpec());
}
}
注册自定义写入器
在Laravel服务提供者中注册自定义写入器:
$this->app->bind(OpenAPISpecWriter::class, CustomOpenAPISpecWriter::class);
实现效果
通过这种实现方式,生成的OpenAPI文档将包含:
- 详细的标签定义
- 分层次组织的标签组结构
- 完整的API端点信息
这使得生成的文档在支持x-tagGroups的查看器(如Scalar)中能够显示多级导航菜单,大大提升了API文档的可用性。
最佳实践建议
- 为每个子组提供有意义的描述信息
- 保持分组层次不超过3级以确保可读性
- 考虑在API端点元数据中添加分组信息的验证逻辑
- 为自定义写入器添加单元测试确保稳定性
总结
通过扩展Scribe的OpenAPI规范生成逻辑,我们成功实现了API文档的多级分组功能。这种方案不仅保持了与现有Scribe功能的兼容性,还显著提升了生成文档的组织结构和用户体验。这种自定义方法展示了Scribe框架良好的扩展性,开发者可以根据项目需求灵活调整文档生成逻辑。
对于需要更复杂文档组织的项目,还可以考虑进一步扩展这个方案,例如支持动态分组、基于权限的文档过滤等功能,这些都可以通过类似的自定义写入器方式实现。
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
24
9
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
🔥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
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.87 K
暂无简介
Dart
671
155
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
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
309
🎉 (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
1.19 K
653
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1