Swashbuckle.AspNetCore 控制器排序问题解决方案
2025-06-08 13:37:24作者:卓炯娓
问题背景
在使用 Swashbuckle.AspNetCore 为 ASP.NET Core 应用生成 API 文档时,开发者经常会遇到控制器排序不符合预期的问题。特别是在多项目结构中,当控制器分布在不同的程序集(如共享库和主应用)时,默认的排序行为可能无法满足需求。
典型场景
假设我们有以下控制器结构:
- 共享库中的 PingController(Xxx.Yyy.Common.Controllers.Ping.PingController)
- 主应用中的 HealthChecksController 和 SamplesController
期望的排序顺序是:
- HealthChecks
- Ping
- Samples
常见误区
许多开发者会尝试使用 OrderActionsBy 方法来控制排序:
options.OrderActionsBy(
apiDesc =>
$"{apiDesc.ActionDescriptor.RouteValues["controller"]}_{apiDesc.RelativePath}_{apiDesc.HttpMethod}"
);
这种方法虽然能对控制器内部的端点方法进行排序,但对控制器本身的排序无效。这是因为 OrderActionsBy 主要影响的是同一控制器下各个操作的排序,而非控制器级别的排序。
解决方案
方案一:使用 DocumentFilter(不推荐)
可以通过实现 IDocumentFilter 接口来手动指定标签顺序:
public class ApiControllerTagDescriptions : IDocumentFilter
{
public void Apply(OpenApiDocument swaggerDoc, DocumentFilterContext context)
{
swaggerDoc.Tags = new List<OpenApiTag>
{
new OpenApiTag{ Name = "HealthChecks", Description = "HealthChecks" },
new OpenApiTag{ Name = "Ping", Description = "Ping" },
new OpenApiTag{ Name = "Samples", Description = "Samples" }
};
}
}
然后在配置中注册:
options.DocumentFilter<ApiControllerTagDescriptions>();
缺点:这种方法需要硬编码控制器名称,维护成本高,特别是在多项目或频繁变更的场景下。
方案二:配置 SwaggerUI 排序选项(推荐)
更优雅的解决方案是直接配置 SwaggerUI 的排序行为:
services.Configure<SwaggerUIOptions>(options =>
{
// 控制器或标签级别的排序(UI中的顶层分组)
options.ConfigObject.AdditionalItems["tagsSorter"] = "alpha";
// 控制器内部操作的排序(端点方法)
options.ConfigObject.AdditionalItems["operationsSorter"] = "alpha";
});
参数说明:
"alpha":按字母顺序排序(适用于路径或标签)"method":按HTTP方法排序(仅适用于操作)- 默认/省略:使用规范文档中的原始顺序
技术原理
这种解决方案之所以有效,是因为它直接配置了 SwaggerUI 的客户端排序行为。SwaggerUI 提供了内置的排序器:
tagsSorter:控制顶层标签/控制器的排序operationsSorter:控制每个控制器内部操作的排序
通过设置这些参数,我们可以覆盖默认的排序行为,而无需修改生成的 OpenAPI 规范文档本身。
最佳实践
- 对于简单的字母排序需求,使用
"alpha"即可满足大多数场景 - 如果需要更复杂的排序逻辑,可以编写自定义的 JavaScript 排序函数
- 在多项目环境中,这种配置方式比硬编码控制器名称更易于维护
- 建议将 Swagger 配置集中管理,便于统一维护和更新
注意事项
- 此解决方案主要影响 SwaggerUI 的展示顺序,不会改变生成的 OpenAPI 规范文档
- 如果 API 文档会被其他工具使用,需要考虑那些工具可能使用不同的排序逻辑
- 在 .NET 8 环境中验证通过,但原理适用于其他版本的 ASP.NET Core
通过这种配置方式,开发者可以轻松实现控制器的预期排序,同时保持代码的简洁性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
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-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
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
24
7
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
189
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
255
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
373
3.18 K
🎉 (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
1.09 K
618
🔥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
62
19
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
262
92