Swagger-core 2.2.31版本发布:增强OpenAPI规范支持
Swagger-core是一个用于Java生态系统的开源库,它帮助开发者轻松地将API描述集成到他们的应用程序中。通过Swagger-core,开发者可以自动生成符合OpenAPI规范的API文档,这对于构建、测试和使用RESTful API非常有价值。最新发布的2.2.31版本带来了一系列改进和修复,进一步增强了其对OpenAPI规范的支持。
主要改进内容
1. OpenAPI 3.1规范的增强支持
本次更新重点改进了对OpenAPI 3.1规范的支持。开发团队修复了全局路径参数在OpenAPI 3.1中的模型解析问题,确保了参数定义能够正确映射到生成的文档中。同时,针对OAS 3.1版本的Schema/JSONSchema实例创建也进行了优化,使得生成的文档更加准确。
在扩展属性处理方面,团队修复了OAS 3.1中扩展属性"x-"前缀的装饰问题。这一改进确保了自定义扩展属性能够按照规范要求正确显示,保持了文档的一致性和规范性。
2. 参数处理优化
参数处理方面有两个重要改进。首先是修复了参数"explode"属性的解析问题,这个属性控制着复杂参数如何被展开和序列化。正确的解析对于确保API客户端能够正确理解和使用参数至关重要。
其次,新增了对非字符串类型枚举值的支持。这意味着开发者现在可以在API定义中使用数字、布尔值等其他类型的枚举值,而不仅限于字符串类型,大大增强了API定义的灵活性。
3. Jakarta验证注解支持
为了适应现代Java开发的需求,这个版本增加了对Jakarta EE验证注解的支持。具体包括:
- 支持
jakarta.validation.constraints.Email注解,用于验证电子邮件格式 - 支持
jakarta.annotation.Nonnull注解标记必需项
这些改进使得Swagger-core能够更好地与现代Java框架集成,特别是那些已经迁移到Jakarta EE的项目。
4. 测试和质量保证
团队在测试方面也做了改进,统一使用了TestNG测试框架,这有助于保持测试代码的一致性和可维护性。同时新增了针对OpenAPI 3.1规范的单元测试,特别是测试了同时包含引用($ref)和描述(description)的情况,确保这种常见场景能够正确处理。
技术意义与应用价值
这些改进虽然看起来是细节性的,但对于实际开发有着重要意义:
-
规范兼容性:对OpenAPI 3.1规范的更好支持意味着开发者可以利用最新规范提供的功能,如webhooks支持、改进的JSON Schema兼容性等。
-
开发体验:Jakarta注解的支持简化了现代Java项目的集成,减少了适配层的工作量。
-
文档质量:参数处理和枚举类型的改进使得生成的API文档更加准确和完整,降低了API使用者的困惑。
-
稳定性:测试覆盖率的提高意味着更少的运行时问题,特别是在复杂场景下。
升级建议
对于正在使用Swagger-core的项目,特别是那些已经或计划采用OpenAPI 3.1规范的项目,建议尽快升级到这个版本。升级过程通常是平滑的,但需要注意:
- 如果项目中使用了自定义的参数处理逻辑,可能需要检查与"explode"属性相关的代码。
- 使用Jakarta注解的项目现在可以简化配置,移除可能的适配层代码。
- 对于枚举类型的API参数,现在可以考虑使用更合适的类型而不仅限于字符串。
这个版本的改进体现了Swagger-core项目对细节的关注和对规范的严格遵守,使得它继续成为Java生态中API文档生成的可靠选择。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00