SpringDoc项目中属性名以"set"开头引发的OpenAPI文档生成问题解析
2025-06-24 11:34:03作者:沈韬淼Beryl
问题现象
在使用SpringDoc生成OpenAPI文档时,开发人员发现当DTO类中存在以"set"开头的属性名时,会自动生成一个错误的额外属性。例如,当类中存在名为"setting"的属性时,OpenAPI文档中会意外出现一个名为"ting"的冗余属性引用。
问题根源
这个问题本质上源于Swagger核心库对Java类方法的自省机制。Swagger在生成API文档时,不仅会解析@Schema注解,还会分析类的公共方法签名来推断可能的属性。
具体来说,Swagger会按照以下规则处理:
- 对于以"get"、"set"或"is"开头的方法,会移除这些前缀来推导属性名
- 对于其他方法,如果方法名恰好以"set"开头,也会被错误地识别为setter方法
因此,当存在名为"setting"的属性时:
- 正确的setter方法
setSetting会被识别为"setting"属性 - 但builder风格的
setting()方法也会被误认为setter,移除"set"前缀后就变成了"ting"
解决方案
推荐方案:遵循JavaBean命名规范
最彻底的解决方案是严格遵循JavaBean规范:
- 属性访问方法统一使用get/set前缀
- 避免使用builder风格的方法名(如
setting()) - 对于布尔类型属性,使用is前缀
修改后的代码示例:
// 使用标准getter/setter
public String getSetting() {
return setting;
}
public void setSetting(String setting) {
this.setting = setting;
}
// 避免使用builder风格的方法名
public SampleResponse withSetting(String setting) {
this.setting = setting;
return this;
}
临时解决方案:使用@Schema注解
如果暂时无法修改方法命名,可以使用@Schema(hidden = true)注解标记不应出现在API文档中的方法:
@Schema(hidden = true)
public SampleResponse setting(String setting) {
this.setting = setting;
return this;
}
深入理解
这个问题揭示了API文档生成工具的一个重要特性:它们不仅依赖显式声明的注解,还会通过代码分析来推断接口结构。这种设计虽然提高了便利性,但也可能带来意外的结果。
在实际开发中,建议:
- 保持DTO类的简洁性,仅包含与API交互相关的属性
- 避免在DTO类中混入构建器模式等复杂逻辑
- 定期检查生成的OpenAPI文档是否符合预期
最佳实践
对于使用SpringDoc的项目,建议建立以下规范:
- DTO类专门用于API交互,与业务逻辑分离
- 使用Lombok的
@Data或@Getter/@Setter减少样板代码 - 复杂的对象构建逻辑放在单独的Builder类中
- 在CI流程中加入OpenAPI文档的校验步骤
通过遵循这些规范,可以避免文档生成时的意外行为,同时提高代码的可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
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
392
3.87 K
暂无简介
Dart
671
155
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
309
🎉 (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
1.19 K
653
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1