Swashbuckle.AspNetCore 中 XML 文档注释的格式问题解析
问题背景
在使用 Swashbuckle.AspNetCore 生成 API 文档时,开发者发现当在 XML 文档注释的 <remarks> 标签中使用 <details> 和 <code> 组合时,生成的文档显示会出现异常格式问题。具体表现为代码块前出现大量空白,影响文档的可读性和美观性。
问题复现
当开发者使用如下格式的 XML 文档注释时:
/// <summary>My work api</summary>
/// <remarks>
/// <details>
/// <summary>Details Title</summary>
/// <code>
/// {
/// "Prop1":1,
/// "Prop2":[]
/// }
/// </code>
/// </details>
/// </remarks>
生成的 Swagger UI 文档会显示异常,代码块前出现大量不必要的空白。通过分析生成的 OpenAPI JSON 描述,可以看到 <code> 标签被转换为 Markdown 的代码块语法(```),但格式处理存在问题。
技术分析
-
XML 文档注释规范:C# 的 XML 文档注释标准并未正式支持
<details>标签,官方文档中只推荐使用标准标签如<summary>,<remarks>,<code>等。 -
Swashbuckle 处理机制:Swashbuckle 在转换 XML 注释时会尝试将
<code>标签内容转换为 Markdown 代码块格式,但对于非标准标签如<details>的处理不够完善。 -
HTML 与 Markdown 转换:Swagger UI 最终渲染的是 HTML,而 Swashbuckle 在中间处理过程中涉及 XML 到 Markdown 再到 HTML 的多重转换,这可能导致某些特殊格式的丢失或变形。
解决方案
经过测试,发现以下两种解决方案:
临时解决方案
在 <details> 前添加文本内容,并在 <code> 标签前后添加 <br/> 换行标签:
/// <summary>My work api</summary>
/// <remarks>
/// You need put some text before "details" tag can reomve the long space string in output
/// <details>
/// <summary>Details Title</summary><br/>
/// <code>
/// {
/// "Prop1":1,
/// "Prop2":[]
/// }
/// </code><br/>
/// </details>
/// </remarks>
长期建议
-
避免使用非标准标签:尽量只使用 C# 官方文档支持的 XML 注释标签。
-
对于代码示例:可以单独使用
<code>标签,或考虑将示例代码放在外部文件中引用。 -
对于需要折叠的内容:考虑使用 Swagger 的扩展特性或等待 Swashbuckle 对
<details>标签的正式支持。
最佳实践
-
代码示例格式化:确保
<code>标签内的内容正确缩进,避免额外的空白。 -
标签组合测试:在使用非标准标签组合时,应进行充分测试。
-
关注更新:关注 Swashbuckle.AspNetCore 的更新,该问题已在最新版本中得到部分修复。
总结
XML 文档注释是 .NET API 开发中的重要组成部分,但在使用非标准标签时需要特别注意兼容性问题。开发者应当优先使用标准标签,对于特殊需求可以寻找替代方案或等待框架的官方支持。Swashbuckle.AspNetCore 团队正在不断改进对 XML 注释的处理,未来版本可能会提供更完善的解决方案。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00