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 StartedRust0139- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
MusicFreeDesktop插件化、定制化、无广告的免费音乐播放器TypeScript00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
726
4.66 K
Ascend Extension for PyTorch
Python
599
750
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
1.09 K
610
deepin linux kernel
C
29
16
Claude 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 Started
Rust
1.01 K
138
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
427
377
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++
992
988
🎉 (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
1.66 K
971
暂无简介
Dart
969
246
昇腾LLM分布式训练框架
Python
162
190