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 StartedRust0231
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
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 Notebook0150
kornia🐍 空间人工智能的几何计算机视觉库Python02
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02
项目优选
收起
暂无描述
Dockerfile
782
5.11 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
892
2.06 K
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
471
473
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
710
1.43 K
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
763
972
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.27 K
681
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++
1.11 K
1.15 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
272
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
2.18 K
231