SpringDoc OpenAPI 中多文件编码注解的正确使用方式
2025-06-24 08:53:30作者:苗圣禹Peter
在基于Spring Boot的REST API开发中,SpringDoc OpenAPI是一个非常流行的库,它能够自动生成OpenAPI 3.0规范的文档。当处理文件上传特别是多部分表单数据时,开发者经常需要为不同的表单字段指定不同的内容类型编码。
问题背景
在SpringDoc OpenAPI的早期版本中,开发者可能会遇到一个问题:当尝试为不同的表单字段分别指定内容类型编码时,只有第一个编码注解会被识别。例如,在一个文件上传接口中,开发者可能希望:
- 文件字段使用
application/octet-stream类型 - 附加的JSON数据字段使用
application/json类型
错误的使用方式
开发者可能会尝试为每个@RequestPart参数单独添加@RequestBody注解,如下所示:
@PostMapping(value ="/first", consumes = MediaType.MULTIPART_FORM_DATA_VALUE)
public ResponseEntity<String> uploadMultipartWithBody(
@RequestBody(content = @Content(encoding = @Encoding(name = "file", contentType = MediaType.APPLICATION_OCTET_STREAM_VALUE)))
@Parameter(required = true)
@RequestPart("file") MultipartFile file,
@RequestBody(content = @Content(encoding = @Encoding(name = "dto", contentType = MediaType.APPLICATION_JSON_VALUE)))
@Parameter(description = "An extra JSON payload sent with file")
@RequestPart("dto")
DTO dto) {
return ResponseEntity.ok("Request Accepted: " + dto.toString());
}
这种方式会导致只有第一个编码定义被SpringDoc OpenAPI识别。
正确的解决方案
正确的做法是将所有编码定义统一放在方法级别的@RequestBody注解中,使用数组形式指定多个@Encoding:
@PostMapping(value ="/first", consumes = MediaType.MULTIPART_FORM_DATA_VALUE)
@RequestBody(content = @Content(encoding = {
@Encoding(name = "file", contentType = MediaType.APPLICATION_OCTET_STREAM_VALUE),
@Encoding(name = "dto", contentType = MediaType.APPLICATION_JSON_VALUE)
}))
public ResponseEntity<String> uploadMultipartWithBody(
@Parameter(required = true)
@RequestPart("file") MultipartFile file,
@Parameter(description = "An extra JSON payload sent with file")
@RequestPart("dto")
DTO dto) {
return ResponseEntity.ok("Request Accepted: " + dto.toString());
}
生成的OpenAPI文档效果
采用上述正确方式后,生成的OpenAPI文档将包含完整的编码定义:
requestBody:
content:
'multipart/form-data':
schema:
type: object
required:
- dto
- file
properties:
dto:
type: string
file:
type: string
format: binary
encoding:
file:
contentType: application/octet-stream
dto:
contentType: application/json
技术要点总结
- 对于多部分表单数据的编码定义,应该使用方法级别的
@RequestBody注解 - 多个编码定义需要使用
@Encoding数组形式指定 - 每个编码定义需要指定字段名称(
name)和对应的内容类型(contentType) - 参数级别的
@Parameter注解仍然可以用于指定参数的描述和是否必需等属性
这种设计符合OpenAPI规范的要求,确保了API文档能够准确描述多部分请求中不同字段的内容类型编码方式。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2暂无简介Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
271
2.55 K
暂无简介
Dart
559
125
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
141
12
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
仓颉编程语言运行时与标准库。
Cangjie
127
104
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
357
1.84 K
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
1.02 K
434
🎉 (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
1.03 K
606
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
731
70