在TsED项目中使用@Examples()装饰器增强Swagger文档
概述
TsED框架提供了强大的装饰器功能来增强API文档的生成。其中@Examples()装饰器是一个非常实用的工具,它允许开发者为API参数或模型属性定义多个示例值,从而在Swagger UI中生成直观的下拉选择框。
问题背景
在TsED项目中,开发者经常需要为API参数提供示例值。当参数直接定义在控制器方法中时,可以使用@Examples()装饰器轻松实现这一需求。但随着项目规模扩大,开发者倾向于将参数封装到模型类中,这时就遇到了@Examples()装饰器无法直接在模型属性上使用的问题。
解决方案
TsED 7.66.0版本对此进行了优化,现在可以在模型类上使用@Examples()装饰器。以下是具体实现方式:
基本用法
class QueryParamModel {
@Property()
path: string;
@Property()
condition: string;
@Property()
value: string;
}
@Path("/query")
class QueryModelCtrl {
@OperationPath("GET", "/")
async get(
@QueryParams()
@Examples({
example1: {
description: "description1",
value: {
path: "path1",
condition: "condition1"
}
},
example2: {
description: "description1",
value: {
path: "path2",
condition: "condition2"
}
}
})
q: QueryParamModel
) {}
}
生成效果
上述代码会生成包含示例值的Swagger文档,每个属性都会显示对应的示例选项:
{
"paths": {
"/query": {
"get": {
"parameters": [
{
"in": "query",
"name": "path",
"examples": {
"example1": {
"description": "description1",
"value": "path1"
},
"example2": {
"description": "description1",
"value": "path2"
}
},
"schema": {
"type": "string"
}
},
{
"examples": {
"example1": {
"description": "description1",
"value": "condition1"
},
"example2": {
"description": "description1",
"value": "condition2"
}
},
"in": "query",
"name": "condition",
"schema": {
"type": "string"
}
}
]
}
}
}
}
技术细节
-
装饰器位置:@Examples()装饰器应放在模型类作为参数使用的装饰器之后,如@QueryParams()之后。
-
示例结构:示例对象需要遵循特定格式,包含description和value属性,value值应与模型结构匹配。
-
自动映射:框架会自动将模型级别的示例值映射到各个属性上,无需为每个属性单独定义示例。
-
Swagger UI效果:生成的文档会在Swagger UI中为每个参数显示下拉选择框,方便API使用者快速选择预定义的示例值。
最佳实践
-
语义化示例名称:为每个示例使用有意义的名称,方便识别。
-
完整描述:为每个示例提供清晰的description,说明使用场景。
-
覆盖典型场景:提供足够多的示例覆盖常见使用场景。
-
保持一致性:确保示例值与实际业务逻辑一致,避免误导API使用者。
总结
TsED框架通过增强@Examples()装饰器的功能,使开发者能够更灵活地为模型类定义示例值,大大提升了API文档的可用性和开发体验。这一改进特别适合大型项目中使用模型类封装参数的场景,既保持了代码的整洁性,又提供了丰富的文档支持。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C083
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0135
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