NSwag中实现Swagger UI请求头自动注入XSRF令牌的解决方案
2025-05-31 18:04:26作者:史锋燃Gardner
背景介绍
在ASP.NET Core Web API开发中,跨站请求伪造(CSRF/XSRF)防护是一个重要的安全考虑。许多开发者会使用Antiforgery中间件来生成和验证XSRF令牌。当通过Swagger UI测试这些受保护的API时,如何自动将XSRF令牌注入请求头成为一个常见需求。
传统Swashbuckle解决方案
在使用Swashbuckle(Swashbuckle.AspNetCore)时,开发者通常会利用UseRequestInterceptor功能来实现这一需求。该方法允许在发送请求前执行JavaScript代码,从cookie中提取XSRF令牌并添加到请求头中。典型实现如下:
(request) => {
var cv = document.cookie.split('; ')
.filter(row => row.startsWith('XSRF-TOKEN='))
.map(c => c.split('=')[1])[0];
request.headers['X-XSRF-TOKEN'] = cv;
return request;
}
NSwag中的实现挑战
当从Swashbuckle迁移到NSwag时,开发者发现NSwag没有直接等效的UseRequestInterceptor功能。虽然NSwag提供了IOperationProcessor接口,但它主要用于服务端操作处理,无法直接解决客户端请求拦截的需求。
NSwag解决方案
经过探索,发现可以通过以下方式在NSwag中实现相同的功能:
- 使用CustomHeadContent注入自定义脚本:
在Swagger UI配置中,通过
CustomHeadContent属性注入自定义JavaScript文件:
app.UseSwaggerUi(c => {
c.CustomHeadContent = @"<script src='./Scripts/AntiForgery.js' charset='UTF-8'></script>";
});
- 创建自定义JavaScript文件:
在项目中创建一个JavaScript文件(如AntiForgery.js),重写
window.fetch方法:
// 保存原始的fetch方法
const originalFetch = window.fetch;
// 重写fetch方法
window.fetch = function(input, init) {
// 从cookie中获取XSRF令牌
const xsrfToken = document.cookie.split('; ')
.find(row => row.trim().startsWith('XSRF-TOKEN='))
?.split('=')[1];
// 确保init对象存在
init = init || {};
// 设置请求头
init.headers = init.headers || {};
if (xsrfToken) {
init.headers['X-XSRF-TOKEN'] = xsrfToken;
}
// 调用原始fetch方法
return originalFetch(input, init);
};
实现原理
这种方法利用了JavaScript的原型继承特性,通过以下步骤工作:
- 保存原始的
window.fetch方法引用 - 用自定义实现覆盖
window.fetch - 在自定义实现中:
- 从cookie中提取XSRF令牌
- 确保请求配置对象存在
- 添加XSRF令牌到请求头
- 调用原始fetch方法完成请求
由于Swagger UI内部使用fetch API进行请求,这种覆盖方法能够拦截所有从Swagger UI发出的API请求,并自动添加必要的安全头。
优势与注意事项
这种解决方案有以下优势:
- 无需修改NSwag核心代码
- 保持Swagger UI的标准界面
- 灵活可配置,可以轻松添加其他全局请求处理逻辑
需要注意:
- 确保JavaScript文件路径配置正确
- 考虑浏览器兼容性(现代浏览器都支持fetch API)
- 在生产环境中确保脚本被正确压缩和缓存
结论
通过这种自定义脚本注入的方式,NSwag用户可以实现与Swashbuckle中UseRequestInterceptor类似的功能,为受XSRF保护的API提供便捷的Swagger UI测试支持。这种方法展示了NSwag的灵活性,同时也保持了解决方案的简洁性和可维护性。
登录后查看全文
热门项目推荐
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220