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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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