OpenAPI-Specification中oneOf与required组合使用的解析
2025-05-05 15:56:26作者:段琳惟
在OpenAPI规范中,Schema定义是描述API数据结构的重要部分。其中,oneOf和required是两个常用的关键字,它们的组合使用可以实现复杂的数据验证逻辑。
oneOf与required的基本概念
oneOf关键字表示数据必须满足且仅满足其中一组给定的模式。而required则用于指定对象中必须存在的属性列表。当这两个关键字结合使用时,可以实现"互斥或"的验证逻辑。
典型应用场景分析
以一个渲染请求(RenderRequest)的Schema定义为例:
RenderRequest:
oneOf:
- required:
- url
- required:
- html
properties:
block_ads:
type: boolean
click_accept:
type: boolean
html:
type: string
thumb_width:
type: integer
url:
description: 要渲染为图像或视频的URL
type: string
type: object
这个Schema定义了以下验证规则:
- 请求中必须包含
url或html属性之一,但不能同时包含两者 - 其他属性如
block_ads、click_accept和thumb_width是可选的 - 如果同时包含
url和html,验证将失败
验证逻辑详解
这种组合实现的验证行为可以分解为:
- 仅包含url:满足第一个required条件,不满足第二个,oneOf验证通过
- 仅包含html:不满足第一个required条件,但满足第二个,oneOf验证通过
- 同时包含url和html:同时满足两个required条件,违反oneOf的"仅满足一个"原则,验证失败
- 两者都不包含:两个required条件都不满足,验证失败
变体:anyOf的使用
如果需要实现"至少包含一个,允许多个"的验证逻辑,可以将oneOf替换为anyOf。这种变体允许:
- 仅包含url
- 仅包含html
- 同时包含url和html
但两者都不包含的情况仍然会被拒绝。
实际开发建议
在实际API设计中,这种模式特别适用于:
- 互斥的输入参数场景
- 替代方案选择场景
- 版本兼容性处理
开发人员需要注意,这种验证逻辑可能会影响客户端代码的编写方式,特别是当Schema用于生成客户端SDK时。清晰的文档说明和适当的错误信息对于API使用者理解验证规则至关重要。
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
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 Python案例资源下载 - 从入门到精通的完整项目代码合集 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
667
153
Ascend Extension for PyTorch
Python
216
235
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++
660
303
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
React Native鸿蒙化仓库
JavaScript
255
321
🔥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
63
19
🎉 (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
651
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866