在NSwag中实现Swagger UI的XSRF令牌自动注入
2025-05-31 06:50:05作者:庞队千Virginia
背景介绍
在现代Web应用开发中,跨站请求伪造(CSRF/XSRF)防护是必不可少的安全措施。当使用Swagger UI进行API测试时,如何自动注入XSRF令牌到请求头中是一个常见的需求。本文将介绍如何在NSwag项目中实现这一功能。
传统Swashbuckle解决方案
在Swashbuckle中,开发者通常使用UseRequestInterceptor功能来实现XSRF令牌的自动注入。这种方法通过在请求发送前执行JavaScript代码,从cookie中提取XSRF令牌并添加到请求头中。
(request) => {
var cv = document.cookie.split('; ')
.filter(row => row.startsWith('XSRF-TOKEN='))
.map(c => c.split('=')[1])[0];
request.headers['X-XSRF-TOKEN'] = cv;
return request;
}
虽然这种方法有效,但它依赖于Swashbuckle特定的功能,且代码可读性不高。
NSwag的替代方案
当迁移到NSwag时,我们可以采用更优雅的解决方案。NSwag提供了CustomHeadContent配置选项,允许我们注入自定义JavaScript代码。
实现步骤
- 创建自定义JavaScript文件
在项目中创建一个JavaScript文件(如AntiForgery.js),内容如下:
// 保存原始的fetch函数
const originalFetch = window.fetch;
// 重写fetch函数
window.fetch = function(url, options = {}) {
// 从cookie中获取XSRF令牌
const xsrfToken = document.cookie
.split('; ')
.find(row => row.startsWith('XSRF-TOKEN='))
?.split('=')[1];
// 如果找到令牌且options中有headers,则添加XSRF头
if (xsrfToken) {
options.headers = options.headers || {};
if (!options.headers['X-XSRF-TOKEN']) {
options.headers['X-XSRF-TOKEN'] = xsrfToken;
}
}
// 调用原始fetch函数
return originalFetch(url, options);
};
- 配置NSwag中间件
在Startup.cs或Program.cs中配置NSwag中间件:
app.UseSwaggerUi(c => {
c.CustomHeadContent = @"<script src='./Scripts/AntiForgery.js' charset='UTF-8'></script>";
});
- 确保JavaScript文件可访问
确保你的JavaScript文件可以通过./Scripts/AntiForgery.js路径访问。这通常意味着你需要:
- 将文件放在wwwroot/Scripts目录下
- 或者配置静态文件中间件来提供该文件
方案优势
- 代码分离:将JavaScript逻辑单独放在文件中,提高了可维护性
- 可重用性:相同的脚本可以在多个项目中使用
- 灵活性:可以轻松修改脚本逻辑而不需要重新编译应用
- 标准兼容:使用标准的fetch API拦截技术,不依赖特定框架
注意事项
- 路径配置:确保JavaScript文件的路径配置正确,否则脚本将无法加载
- 安全考虑:虽然这种方法方便,但要确保不会意外暴露敏感信息
- 浏览器兼容性:现代浏览器都支持fetch API,但如果需要支持旧版浏览器,可能需要添加polyfill
- 性能影响:拦截所有fetch请求会有轻微性能开销,但在开发环境中通常可以忽略
结论
通过重写fetch函数的方式实现XSRF令牌的自动注入,不仅解决了NSwag中缺少类似Swashbuckle的UseRequestInterceptor功能的问题,还提供了一种更加模块化和可维护的解决方案。这种方法可以轻松扩展到其他需要在请求前处理的场景,如添加认证令牌、统一错误处理等。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
117
昇腾LLM分布式训练框架
Python
178
220