在NSwag中实现Swagger UI的XSRF令牌自动注入
2025-05-31 13:08:52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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
271
2.56 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
103
130
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++
597
157
暂无简介
Dart
561
125
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
224
14
🎉 (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
1.03 K
606
仓颉编译器源码及 cjdb 调试工具。
C++
118
95
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
1.02 K
443