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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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