OpenAPI-TS 项目中 DTO 命名大小写转换问题分析
在 OpenAPI-TS 项目中,当开发者使用 Kotlin 编写控制器方法时,如果方法名中包含 DTO 字样(如 getFooBarDTOById 或 getFooBarDTOs),生成的 TypeScript 类型和服务客户端函数会出现大小写不一致的问题。
问题现象
在 Kotlin 控制器中,开发者可能这样定义方法:
@GetMapping("/foo")
fun getFooBarDTOById(@PathVariable id: Long) = FooBarDTO(id)
@GetMapping("/bar")
fun getFooBarDTOs() = listOf(FooBarDTO(1), FooBarDTO(2))
但生成的 TypeScript 代码会出现以下异常:
- 当 DTO 后接 "ById" 时,会转换为 "Dto"
- 当 DTO 后接 "s" 复数形式时,会转换为 "DtO"
技术背景
这个问题涉及到 OpenAPI 规范转换过程中的命名约定处理。在 API 开发中,数据传输对象(DTO)是一个常见概念,通常开发者会保持命名一致性。OpenAPI-TS 作为类型生成工具,需要正确处理各种命名约定转换。
问题根源
经过分析,这个问题可能源于以下几个方面:
-
驼峰命名转换规则:在将方法名转换为 TypeScript 命名时,可能应用了过于简单的驼峰转换规则,没有考虑到特殊缩写(如DTO)的情况。
-
复数处理逻辑:当遇到复数形式时,转换逻辑可能错误地将"DTOs"拆分为"Dt"和"Os",而不是保持"DTO"的完整性。
-
后缀处理:对于"ById"这样的常见后缀,转换规则可能强制应用了小写字母开头的约定,导致"DTO"被错误地转换为"Dto"。
解决方案建议
要解决这个问题,可以考虑以下改进方向:
-
特殊缩写识别:在命名转换过程中,应该识别并保留常见的缩写形式,如DTO、API等。
-
上下文感知转换:根据命名上下文(如是否在方法名中、是否作为类型名等)应用不同的转换规则。
-
配置选项:提供配置选项,允许开发者指定哪些缩写应该保持原样。
最佳实践
在等待官方修复的同时,开发者可以采取以下临时解决方案:
-
统一使用小写"dto"命名,避免大小写问题。
-
在OpenAPI规范生成阶段,手动调整operationId,确保其符合预期。
-
使用后处理脚本,对生成的TypeScript代码进行修正。
总结
命名约定的一致性对于API开发至关重要,特别是在跨语言环境中。OpenAPI-TS项目需要完善其命名转换逻辑,以正确处理各种缩写和特殊情况。这个问题虽然看起来是小问题,但对于注重代码风格一致性的团队来说,可能会造成不小的困扰。
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