SpringDoc OpenAPI中Kotlin多行字符串缩进问题的解决方案
在Kotlin开发中,我们经常需要在注解中使用多行字符串来描述API文档。SpringDoc OpenAPI作为一个流行的API文档生成工具,能够自动从代码中的注解生成OpenAPI规范文档。然而,当我们在Kotlin中使用多行字符串时,会遇到一个常见的缩进问题。
问题背景
Kotlin的多行字符串(使用三重引号"""包裹)会保留源代码中的缩进格式。这在注解中使用时会导致生成的OpenAPI文档中出现不必要的缩进空格。例如:
@Schema(description = """
这是一个用户模型
包含用户的基本信息
""")
上述代码生成的文档描述会保留每行前面的缩进空格,这显然不是我们想要的效果。
解决方案演进
最初,开发者可以通过实现GlobalOpenApiCustomizer接口来自定义处理这些缩进问题。这种方法虽然有效,但需要每个项目都重复实现类似的逻辑。考虑到这是一个普遍存在的问题,社区决定将其内置到SpringDoc OpenAPI的核心功能中。
最新的改进将trim-kotlin-indent功能扩展到了@Schema注解,这意味着现在可以自动处理以下场景:
@Schema注解中的description属性@Schema注解中的example属性- 嵌套的schema属性
- 数组schema中的项目描述
实现原理
该功能的实现主要基于Kotlin的trimIndent()方法,它会自动移除字符串中所有行共有的最小缩进。在SpringDoc OpenAPI内部,这个处理被集成到了注解处理器中,在生成OpenAPI规范前自动应用。
对于开发者来说,现在可以这样编写代码:
@Schema(
description = """
|这是一个用户模型
|包含用户的基本信息
""".trimMargin()
)
或者直接依赖SpringDoc的自动处理功能:
@Schema(
description = """
这是一个用户模型
包含用户的基本信息
"""
)
最佳实践
- 对于简单的单行描述,可以直接使用普通字符串
- 对于复杂的多行描述,使用三重引号的多行字符串
- 保持一致的缩进风格,便于阅读和维护
- 考虑在团队中统一约定是否显式使用
trimIndent()方法
总结
SpringDoc OpenAPI对Kotlin多行字符串缩进问题的持续改进,显著提升了开发体验。这一变化使得Kotlin开发者能够更自然地编写API文档注解,而无需担心格式问题。随着这一功能的不断完善,我们可以期待更简洁、更一致的API文档生成体验。
对于已经使用自定义GlobalOpenApiCustomizer的项目,可以考虑评估是否迁移到内置功能,以简化代码维护。同时,这一改进也为未来可能的其他Kotlin特定优化奠定了基础。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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
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
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