TSED框架中隐藏Swagger文档中的查询参数
2025-06-27 14:38:06作者:劳婵绚Shirley
在TSED框架开发过程中,开发者有时需要隐藏某些API参数不在Swagger文档中显示,特别是对于敏感信息或内部使用的参数。本文将深入探讨如何在TSED中实现这一需求。
问题背景
在TSED框架中,开发者经常使用@Hidden装饰器来隐藏控制器类或方法,使其不出现在Swagger文档中。然而,当尝试将此装饰器应用于查询参数或模型属性时,发现它并不能按预期工作,参数仍然会显示在生成的OpenAPI文档中。
现有解决方案分析
TSED框架目前提供了@Groups装饰器作为替代方案,它主要用于控制属性的序列化和文档生成。使用方式如下:
class FileUploadParameters {
@Optional()
@Groups("!summary") // 使用"!"前缀表示排除
public secret_token?: string;
}
@Controller("/example")
class ExampleController {
public async addEntry(
@QueryParams() @Groups("summary")
params: FileUploadParameters
): Promise<unknown> {
// 控制器逻辑
}
}
这种方法的局限性在于:
@Groups不仅影响文档生成,还会影响JSON序列化/反序列化过程- 被排除的属性在请求处理中也会被忽略,可能不符合业务需求
技术实现原理
TSED框架的文档生成和数据处理共享同一套模型定义系统。这种设计虽然保证了数据一致性,但也限制了单独控制文档显示的能力。@Hidden装饰器原本设计仅用于控制器和方法级别,不适用于属性级别。
最佳实践建议
针对不同场景,推荐以下解决方案:
-
敏感认证信息:应使用HTTP头部(Header)而非查询参数传递
@UseBefore(MyAuthMiddleware) public async secureEndpoint( @HeaderParams("Authorization") token: string ): Promise<unknown> { // 认证逻辑 } -
内部追踪参数:可考虑使用自定义装饰器扩展功能
// 自定义装饰器实现 export function Internal() { return applyDecorators( Optional(), Description("内部使用参数"), // 其他需要的装饰器 ); } -
临时解决方案:通过文档描述注明参数用途
@Property() @Description("内部使用,请勿在文档中公开") public tracking_id?: string;
框架设计思考
从框架设计角度看,理想的解决方案应该:
- 保持数据模型定义的单一真实性
- 允许灵活控制文档生成行为
- 不影响实际业务数据处理
未来TSED可能会扩展@Hidden功能或引入专门的文档控制装饰器,以更好地满足这类需求。
总结
在现有TSED版本中,完全隐藏查询参数同时保持其功能完整存在一定挑战。开发者应根据具体业务场景选择合适方案,优先考虑将敏感信息移至HTTP头部,或使用明确的文档说明来管理参数可见性。理解框架设计哲学有助于找到最合适的实现方式。
登录后查看全文
热门项目推荐
相关项目推荐
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-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
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
24
7
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
169
190
React Native鸿蒙化仓库
JavaScript
240
315
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
258
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
374
3.2 K
🎉 (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
1.09 K
618
🔥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
62
19
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
262
92