Api Watch Dog:Hyperf框架下的API参数校验与Swagger文档生成利器
2024-09-19 00:49:43作者:蔡丛锟
项目介绍
在现代Web开发中,API的参数校验和文档生成是不可或缺的环节。为了简化这一过程,我们推出了Api Watch Dog,这是一个专为Hyperf框架设计的组件,旨在通过注解实现API参数的自动校验,并自动生成Swagger文档。这不仅使业务代码更加纯粹,还大大减轻了接口文档维护的负担。
项目技术分析
Api Watch Dog的核心功能包括:
- 自动参数校验:通过中间件拦截HTTP请求,根据注解中的参数定义,使用
validation自动验证和过滤参数。如果验证失败,请求将被拦截并返回错误信息。 - Swagger文档生成:在
php bin/hyperf.php start启动http-server时,通过监听BootAppConfListener事件,扫描控制器注解,自动组装swagger.json结构,并输出到配置文件定义的路径中。
项目及技术应用场景
Api Watch Dog适用于以下场景:
- API开发:在开发RESTful API时,自动校验请求参数,确保数据的有效性。
- 文档维护:自动生成Swagger文档,减少手动维护文档的工作量,提高开发效率。
- 多版本API管理:支持不同版本的API管理,通过注解轻松实现版本控制。
项目特点
- 注解驱动:通过注解定义API参数和文档,使代码更加简洁和直观。
- 自动校验:内置强大的参数校验机制,支持自定义校验规则和控制器回调校验。
- Swagger集成:自动生成Swagger文档,支持多种配置选项,方便文档的展示和维护。
- 多版本支持:通过
ApiVersion注解,轻松管理不同版本的API。 - 灵活配置:提供丰富的配置选项,满足不同项目的需求。
使用指南
安装
composer require daodao97/apidog
配置
- 发布配置文件:
php bin/hyperf.php vendor:publish daodao97/apidog
php bin/hyperf.php vendor:publish hyperf/translation
php bin/hyperf.php vendor:publish hyperf/validation
- 修改配置文件:
根据需求修改config/autoload/apidog.php,配置文件结构优化,支持Swagger外的整体配置。
启用中间件
在config/autoload/middlewares.php中启用ApiValidationMiddleware。
校验规则定义
参考hyperf/validation文档和laravel/validation文档,支持自定义校验和控制器回调校验。
样例代码
以下是一个简单的使用样例,展示了如何通过注解定义API参数和响应:
/**
* @ApiVersion(version="v1")
* @ApiController(tag="demo管理", description="demo的新增/修改/删除接口")
*/
class DemoController extends AuthController
{
/**
* @PostApi(path="/demo", description="添加一个用户")
* @Header(key="token|接口访问凭证", rule="required")
* @FormData(key="a.name|名称", rule="required|max:10|cb_checkName")
* @ApiResponse(code="0", description="请求成功", schema={"id":"1"})
*/
public function add()
{
return [
'code' => 0,
'id' => 1,
'params' => $this->request->post(),
];
}
}
Swagger UI启动
Api Watch Dog提供了两种方式启动Swagger UI:
- 自动输出:系统启动时,
swagger.json会自动输出到配置文件中定义的output_file中。 - 快捷命令:使用组件提供的快捷命令,快速启动一个Swagger UI。
php bin/hyperf.php apidog:ui
php bin/hyperf.php apidog:ui --port 8888
结语
Api Watch Dog通过自动化和注解驱动的特性,极大地简化了API参数校验和文档生成的过程。无论你是正在开发一个新的API项目,还是希望优化现有的API管理流程,Api Watch Dog都能为你提供强大的支持。立即尝试,体验高效开发的乐趣吧!
登录后查看全文
热门项目推荐
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
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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