Swagger UI 中如何直接加载 YAML 格式的 API 规范字符串
2025-05-06 10:28:57作者:宣利权Counsellor
在 API 开发和管理过程中,Swagger UI 是一个非常实用的工具,它可以将 API 规范以可视化界面的形式展示出来。然而,在实际应用中,我们有时会遇到一些特殊情况,比如 API 规范不是通过标准的 URL 提供,而是以字符串形式返回的情况。
问题背景
在某些企业环境中,API 规范可能不会直接暴露为可访问的 URL 端点。例如,某些产品可能将 API 规范打包成 ZIP 文件提供下载,或者通过中间件应用以 JSON 格式返回,其中包含一个 YAML 格式的字符串字段。这种情况下,开发者需要找到一种方法,将这些字符串形式的规范加载到 Swagger UI 中。
解决方案
Swagger UI 的 SwaggerUIBundle 构造函数支持通过 spec 参数直接传入 API 规范对象。这意味着我们可以先将 YAML 字符串转换为 JavaScript 对象,然后再传递给 Swagger UI。
具体实现步骤如下:
- 首先需要获取包含 YAML 规范字符串的 JSON 响应
- 使用 YAML 解析库(如 js-yaml)将字符串转换为 JavaScript 对象
- 将这个对象传递给 Swagger UI 的
spec配置项
实现示例
以下是一个完整的实现示例:
// 假设这是从中间件获取的响应
const apiResponse = {
"assetId": "123e4567-e89b-12d3-a456-426614174000",
"assetName": "示例API",
"specification": "openapi: 3.0.0\ninfo:\n title: 示例API\n version: 1.0.0"
};
// 使用YAML解析库
const yaml = require('js-yaml');
// 将YAML字符串转换为对象
const specObject = yaml.load(apiResponse.specification);
// 初始化Swagger UI
const ui = SwaggerUIBundle({
spec: specObject, // 直接传入解析后的对象
dom_id: '#swagger-ui',
presets: [
SwaggerUIBundle.presets.apis,
SwaggerUIStandalonePreset
],
layout: "StandaloneLayout"
});
注意事项
- 确保使用的 YAML 解析库能够正确处理 API 规范中的所有语法
- 转换后的对象应该符合 OpenAPI/Swagger 规范的结构
- 如果规范中包含引用($ref),需要确保这些引用能够正确解析
- 在生产环境中,建议添加错误处理逻辑,以防 YAML 格式不正确导致解析失败
扩展思考
这种方法不仅适用于从中间件获取的 YAML 字符串,还可以应用于以下场景:
- 从本地文件读取的 API 规范
- 通过 WebSocket 或其他非 HTTP 协议接收的规范
- 存储在数据库中的 API 规范定义
- 通过用户输入动态生成的规范
通过这种方式,开发者可以更灵活地将各种来源的 API 规范集成到 Swagger UI 中,而不受限于传统的 URL 访问方式。
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
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
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
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++
689
326
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
1.03 K
493