Swift OpenAPI Generator 中的响应类型解析问题解析
2025-07-10 10:13:45作者:俞予舒Fleming
背景介绍
在 Swift OpenAPI Generator 项目中,开发者遇到了一个关于 API 响应类型解析的有趣问题。当服务器返回一个包含详细信息的 JSON 响应时,客户端代码却将其解析为一个更简单的结构体。这种现象揭示了 OpenAPI 规范中 oneOf 和 anyOf 关键字在实际应用中的行为差异。
问题现象
开发者定义了两个响应结构体:
CreateTranscriptionResponseJson- 仅包含转录文本的简单结构CreateTranscriptionResponseVerboseJson- 包含语言、时长、单词时间戳等详细信息的复杂结构
尽管服务器返回的是详细响应,但客户端总是将其解析为简单结构。这是因为简单结构是详细结构的子集,而解码器会按顺序尝试解析每个可能的类型。
技术分析
OpenAPI 的组合关键字
OpenAPI 规范提供了几种组合模式的关键字:
oneOf- 响应必须精确匹配其中一个模式anyOf- 响应可以匹配一个或多个模式allOf- 响应必须匹配所有指定的模式
在默认实现中,解码器会按顺序尝试每个可能的模式,直到找到第一个能够成功解码的类型。这就是为什么子集结构会被优先匹配的原因。
解码器的工作机制
Swift OpenAPI Generator 生成的解码代码大致如下:
public init(from decoder: any Decoder) throws {
var errors: [any Error] = []
do {
value1 = try .init(from: decoder)
} catch {
errors.append(error)
}
do {
value2 = try .init(from: decoder)
} catch {
errors.append(error)
}
// 验证至少有一个模式匹配成功
try Swift.DecodingError.verifyAtLeastOneSchemaIsNotNil(
[value1, value2],
type: Self.self,
codingPath: decoder.codingPath,
errors: errors
)
}
这种实现意味着解码顺序会影响结果,特别是当一种类型是另一种类型的子集时。
解决方案
开发者最终发现并解决了两个关键问题:
- 类型定义问题:API 规范中将数值类型错误地定义为字符串类型,导致详细结构的解码失败
- 顺序问题:在
anyOf或oneOf中,将更具体的类型放在前面可以提高匹配成功率
最佳实践建议
- 精确的类型定义:确保 API 规范中所有字段的类型定义准确无误
- 合理的组合顺序:在
anyOf或oneOf中,将更具体、更复杂的类型放在前面 - 考虑使用 discriminator:虽然在这个案例中不适用,但在有明确类型标识的情况下,discriminator 可以提供更可靠的类型区分
- 测试验证:编写单元测试验证各种响应情况下的解析行为
总结
这个案例展示了 API 客户端代码生成中类型解析的微妙之处。理解 OpenAPI 的组合关键字和解码器的工作机制,对于设计可靠的 API 接口和客户端代码至关重要。通过精确的类型定义和合理的结构设计,可以避免这类解析歧义问题。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
796
openEuler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。
C
434
395
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
Claude 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 Started
Rust
1.24 K
153
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
985
253
昇腾LLM分布式训练框架
Python
167
200
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.68 K
990