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。
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