SpringDoc OpenAPI 与 Spring Security 集成常见问题解析
问题背景
在使用 SpringBoot 3.4.4 版本开发项目时,开发者经常会遇到无法访问 /v3/api-docs/ 端点的问题。这个问题通常表现为访问时出现 Whitelabel Error Page,而实际上开发者已经按照文档配置了 Spring Security 的权限规则。
问题现象
开发者配置了如下安全规则:
.authorizeHttpRequests((requests) -> requests
.requestMatchers(HttpMethod.GET, "/v3/api-docs", "/v3/api-docs/**").permitAll()
.requestMatchers("/api/auth/**", "/swagger-ui/**", "/error").permitAll()
.anyRequest().authenticated())
但从日志可以看到,系统仍然尝试寻找 Bearer Token:
No Bearer token found for URI: /v3/api-docs/
问题分析
-
路径匹配问题:Spring Security 的路径匹配规则需要特别注意。
/v3/api-docs和/v3/api-docs/在路径匹配中被视为不同的路径。 -
通配符使用:在配置中使用了
/**后缀,这应该能够匹配所有子路径,但实际效果可能因 Spring Security 版本差异而不同。 -
HTTP 方法限制:开发者限制了只允许 GET 方法访问,这可能导致某些特殊情况下的访问被拒绝。
解决方案
经过实践验证,以下配置能够有效解决问题:
.requestMatchers("/api/auth/**", "/swagger-ui/**", "/v3/**", "/error").permitAll()
关键改进点:
- 使用
/v3/**来匹配所有 v3 路径下的请求 - 移除了 HTTP 方法限制,使配置更加通用
- 确保路径匹配覆盖所有可能的访问方式
版本兼容性注意事项
在使用 springdoc-openapi 时,版本兼容性至关重要。必须确保 springdoc-openapi-starter-webmvc-ui 的版本与 SpringBoot 版本相匹配。版本不匹配可能导致各种难以诊断的问题,包括但不限于端点无法访问、文档生成不完整等。
最佳实践建议
-
统一路径匹配规则:建议使用通配符形式(如
/v3/**)来简化配置并提高可靠性。 -
避免过度限制:除非有特殊安全需求,否则不建议在开放端点处限制 HTTP 方法。
-
日志分析:遇到问题时,首先检查 Spring Security 的调试日志,了解请求被拦截的具体原因。
-
测试验证:配置完成后,应测试各种可能的访问路径(带/不带斜杠)以确保配置全面。
-
版本管理:严格管理依赖版本,特别是 SpringBoot 与 springdoc-openapi 的版本对应关系。
通过以上分析和解决方案,开发者可以避免在 Spring Security 与 SpringDoc OpenAPI 集成过程中遇到的常见问题,确保 API 文档能够正常访问。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00