Django Ninja项目中实现Swagger与Redoc双文档引擎的集成方案
2025-05-28 11:31:23作者:何举烈Damon
在基于Django Ninja框架开发REST API时,API文档的展示通常需要支持多种渲染引擎。本文将深入探讨如何在一个Django Ninja项目中同时集成Swagger UI和Redoc两种文档引擎,并实现按需切换的解决方案。
核心需求分析
现代API开发中,文档引擎的选择往往需要满足不同团队成员的偏好:
- Swagger UI提供交互式调试功能
- Redoc则以简洁美观的文档展示见长
Django Ninja默认支持单一文档引擎配置,但通过自定义文档渲染类,我们可以实现多引擎动态切换。
实现方案详解
基础实现原理
通过继承DocsBase基类创建混合文档渲染器,核心思路是:
- 同时初始化Swagger和Redoc两个引擎实例
- 根据URL参数动态选择渲染引擎
- 保持原有功能完整性的同时扩展多引擎支持
具体实现代码
from ninja.openapi.docs import DocsBase, Swagger, Redoc
class MixedDocs(DocsBase):
def __init__(self) -> None:
super().__init__()
self.swagger = Swagger()
self.redoc = Redoc()
def render_page(self, request, api, **kwargs):
engine_name = kwargs.pop("engine")
engine = {
"swagger": self.swagger,
"redoc": self.redoc,
}.get(engine_name)
return engine.render_page(request, api, **kwargs)
配置使用方式
在API实例化时进行配置:
api = NinjaAPI(
docs_url='/docs/<engine>',
docs=MixedDocs()
)
高级应用场景
权限控制扩展
可以结合Django的装饰器实现文档访问控制:
from django.contrib.admin.views.decorators import staff_member_required
api = NinjaAPI(
docs=MixedDocs(),
docs_decorator=staff_member_required,
docs_url="/docs/<engine>/"
)
引擎特定配置
支持为不同引擎设置独立配置:
class MixedDocs(DocsBase):
def __init__(self) -> None:
super().__init__()
self.swagger = Swagger(settings={"persistAuthorization": True})
self.redoc = Redoc(settings={"disableSearch": True})
最佳实践建议
- URL设计规范:建议采用
/docs/swagger/和/docs/redoc/的路径格式 - 默认引擎设置:可通过重定向或中间件设置默认文档引擎
- 版本兼容性:注意不同Django Ninja版本间的API变化
- 性能考虑:文档引擎实例只需初始化一次
方案优势总结
- 灵活性:开发者可以自由选择适合的文档工具
- 可扩展性:易于添加其他文档引擎支持
- 兼容性:完全兼容现有Django Ninja生态
- 配置独立:各引擎可保持独立的配置参数
这种实现方式既保留了框架原有的简洁性,又提供了企业级项目所需的灵活性,是Django Ninja项目中实现多文档引擎支持的理想解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
690
4.46 K
Ascend Extension for PyTorch
Python
546
670
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++
955
929
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
425
75
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
407
326
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
🎉 (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
1.59 K
925
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
642
292