Swashbuckle.AspNetCore 中如何为二进制文件上传生成正确的 Swagger 文档
在 Web API 开发中,处理二进制文件上传是一个常见需求。当使用 Swashbuckle.AspNetCore 为 ASP.NET Core 应用生成 Swagger/OpenAPI 文档时,对于无参数的文件上传端点,如何正确生成文档可能会让开发者感到困惑。本文将详细介绍解决方案。
问题背景
在 ASP.NET Core 中,处理二进制文件上传通常会使用无参数的方法,直接从请求体中读取数据流。例如:
[HttpPost]
[Route("attachments/upload")]
[Consumes(typeof(Stream), MediaTypeNames.Application.Octet)]
public async Task<ActionResult<UploadAttachmentResult>> UploadAttachment()
{
using var stream = new MemoryStream();
await Request.Body.CopyToAsync(stream);
// 处理文件逻辑
}
然而,这样的方法在默认情况下生成的 Swagger 文档不会包含正确的请求体定义,导致客户端生成工具无法正确理解这是一个文件上传端点。
解决方案
要为这种无参数的文件上传端点生成正确的 Swagger 文档,我们需要使用自定义的 Operation Filter。以下是具体实现步骤:
1. 创建自定义 Operation Filter
public class BinaryRequestBodyOperationFilter : IOperationFilter
{
public void Apply(OpenApiOperation operation, OperationFilterContext context)
{
if (operation.RequestBody == null)
{
operation.RequestBody = new OpenApiRequestBody();
}
operation.RequestBody.Content["application/octet-stream"] = new OpenApiMediaType
{
Schema = new OpenApiSchema
{
Type = "string",
Format = "binary"
}
};
operation.RequestBody.Required = true;
}
}
这个过滤器会为操作添加一个符合 OpenAPI 规范的请求体定义,指定内容类型为 application/octet-stream,并将数据类型标记为二进制格式。
2. 应用到控制器方法
在控制器方法上应用这个过滤器:
[HttpPost]
[Route("attachments/upload")]
[Consumes(typeof(Stream), MediaTypeNames.Application.Octet)]
[SwaggerOperationFilter(typeof(BinaryRequestBodyOperationFilter))]
public async Task<ActionResult<UploadAttachmentResult>> UploadAttachment()
{
// 方法实现
}
3. 生成的 Swagger 文档效果
应用过滤器后,生成的 Swagger 文档将包含正确的请求体定义:
"requestBody": {
"content": {
"application/octet-stream": {
"schema": {
"type": "string",
"format": "binary"
}
}
},
"required": true
}
技术原理
-
OpenAPI 规范:OpenAPI 规范使用
type: string和format: binary的组合来表示二进制数据。 -
Operation Filter:Swashbuckle.AspNetCore 提供了
IOperationFilter接口,允许开发者在生成文档时自定义操作的定义。 -
内容类型协商:
[Consumes]属性确保 API 只接受指定的内容类型,而 Operation Filter 则确保文档正确反映这一要求。
进阶用法
如果需要支持多种内容类型,可以扩展过滤器:
operation.RequestBody.Content["application/octet-stream"] = new OpenApiMediaType
{
Schema = new OpenApiSchema { Type = "string", Format = "binary" }
};
operation.RequestBody.Content["multipart/form-data"] = new OpenApiMediaType
{
Schema = new OpenApiSchema
{
Type = "object",
Properties = new Dictionary<string, OpenApiSchema>
{
["file"] = new OpenApiSchema { Type = "string", Format = "binary" }
}
}
};
总结
通过自定义 Operation Filter,我们可以为无参数的文件上传端点生成准确的 Swagger 文档。这种方法不仅解决了文档生成问题,还能确保生成的客户端代码能够正确处理二进制文件上传。对于需要处理文件上传的 Web API 项目,这是一个值得掌握的技巧。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07