SpringDoc OpenAPI 自定义接口排序功能详解
2025-06-24 09:18:17作者:翟江哲Frasier
在基于Spring Boot的API文档生成工具SpringDoc OpenAPI中,开发人员经常需要对生成的Swagger UI界面中的接口进行自定义排序。本文将深入解析如何通过operationsSorter参数实现这一需求。
operationsSorter的核心作用
operationsSorter是SpringDoc OpenAPI中用于控制接口方法显示顺序的重要配置项。它允许开发者按照特定逻辑对API文档中的HTTP方法(GET/POST/PUT等)进行排序,这在接口数量较多时能显著提升文档的可读性。
基础配置方式
在Spring Boot应用中,可以通过application.properties或application.yml文件进行基础配置:
springdoc.swagger-ui.operationsSorter=method
支持的内置排序方式包括:
- "alpha" - 按字母顺序排序
- "method" - 按HTTP方法类型排序
- 默认不指定时为自然排序
高级自定义实现
当内置排序方式无法满足需求时,可以通过注入JavaScript函数实现完全自定义的排序逻辑。以下是典型实现方案:
- 创建自定义Swagger UI配置类
@Configuration
public class SwaggerCustomConfig {
@Bean
public SwaggerUiConfigProperties swaggerUiConfig() {
SwaggerUiConfigProperties config = new SwaggerUiConfigProperties();
config.setOperationsSorter("customSort");
return config;
}
}
- 通过资源转换器注入JavaScript函数
@Component
public class CustomSwaggerIndexTransformer extends SwaggerIndexTransformer {
@Override
public String transform(String html) {
String customJs = "function customSort(a, b) {" +
" // 自定义排序逻辑" +
" return a.get('method').localeCompare(b.get('method'));" +
"}";
return super.transform(html)
.replace("window.ui = SwaggerUIBundle",
customJs + "\nwindow.ui = SwaggerUIBundle");
}
}
排序函数参数详解
自定义排序函数接收两个参数,均为包含接口信息的对象,主要可用属性包括:
- get('path') - 获取接口路径
- get('method') - 获取HTTP方法类型
- get('operationId') - 获取操作ID
- get('summary') - 获取接口摘要
典型排序场景示例
- 按HTTP方法优先级排序:
function methodPrioritySort(a, b) {
const methodOrder = ['GET', 'POST', 'PUT', 'DELETE'];
return methodOrder.indexOf(a.get('method')) - methodOrder.indexOf(b.get('method'));
}
- 组合排序(先按路径再按方法):
function combinedSort(a, b) {
const pathCompare = a.get('path').localeCompare(b.get('path'));
if(pathCompare !== 0) return pathCompare;
return a.get('method').localeCompare(b.get('method'));
}
最佳实践建议
- 对于大型项目,建议采用分层排序策略,先按业务模块再按具体操作
- 保持排序逻辑与业务领域模型一致,便于API消费者理解
- 在微服务架构中,建议各服务采用统一的排序规范
- 排序逻辑应保持稳定,避免频繁变更导致使用者困惑
通过合理运用operationsSorter功能,可以显著提升生成的API文档质量,使接口组织结构更加符合业务逻辑和开发者的使用习惯。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210