Django Ninja 中实现可选尾部斜杠的优雅方案
2025-05-28 15:34:37作者:明树来
在构建 RESTful API 时,处理 URL 尾部斜杠是一个常见需求。本文将介绍如何在 Django Ninja 框架中实现尾部斜杠的可选化,让 /api/foobar 和 /api/foobar/ 都能访问相同的资源。
为什么需要处理尾部斜杠
在 Web 开发中,URL 的尾部斜杠问题由来已久。对于 API 设计而言,保持一致性非常重要,但有时我们希望同时支持带斜杠和不带斜杠的 URL 访问方式。特别是在以下场景:
- 用户可能习惯性输入或不输入斜杠
- 客户端代码可能不一致地构造 URL
- 保持 API 的灵活性和容错性
Django 传统解决方案的局限性
Django 本身提供了 APPEND_SLASH 设置,当设置为 True 时,Django 会自动将不带斜杠的 URL 重定向到带斜杠的版本。然而这种方法有几个缺点:
- 对于 POST 请求,重定向会导致请求体丢失
- 产生额外的 HTTP 重定向,增加延迟
- 不符合某些 API 设计规范
Django Ninja 中的中间件方案
Django Ninja 推荐使用中间件来优雅地解决这个问题。以下是实现步骤:
1. 创建自定义中间件
def add_slash(get_response):
def middleware(request):
if not request.path.endswith('/'):
request.path_info = request.path = f"{request.path}/"
return get_response(request)
return middleware
这个中间件会检查每个请求的路径,如果路径不以斜杠结尾,就自动添加斜杠。它直接修改请求对象,而不是进行重定向,因此不会丢失任何请求数据。
2. 配置中间件
将中间件添加到 Django 的 MIDDLEWARE 设置中:
MIDDLEWARE = [
# 其他中间件...
'your_app.middleware.add_slash',
# 其他中间件...
]
3. 确保所有路由定义使用斜杠
在 Django Ninja 中定义路由时,统一使用带斜杠的路径:
@api.get("/items/")
def list_items(request):
# 你的视图逻辑
方案优势
- 无重定向:直接修改请求路径,避免 301/302 重定向
- 保持请求完整性:POST/PUT 等请求的 body 不会丢失
- 一致的用户体验:用户无论是否输入斜杠都能访问到相同资源
- 简单实现:只需一个简单的中间件,无需复杂配置
最佳实践建议
- 在 API 文档中明确说明支持两种形式的 URL
- 内部代码中统一使用一种形式(推荐带斜杠)
- 在测试中覆盖两种 URL 形式
- 考虑在 API 网关或负载均衡层统一处理 URL 规范化
通过这种中间件方案,开发者可以轻松实现 Django Ninja API 的尾部斜杠可选化,提供更友好的 API 体验。
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869