Swift OpenAPI Generator 中的响应类型解析问题解析
2025-07-10 15:23:57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
- Ggpt-oss-20bgpt-oss-20b —— 适用于低延迟和本地或特定用途的场景(210 亿参数,其中 36 亿活跃参数)Jinja00
- Ggpt-oss-120bgpt-oss-120b是OpenAI开源的高性能大模型,专为复杂推理任务和智能代理场景设计。这款拥有1170亿参数的混合专家模型采用原生MXFP4量化技术,可单卡部署在H100 GPU上运行。它支持可调节的推理强度(低/中/高),完整思维链追溯,并内置函数调用、网页浏览等智能体能力。模型遵循Apache 2.0许可,允许自由商用和微调,特别适合需要生产级推理能力的开发者。通过Transformers、vLLM等主流框架即可快速调用,还能在消费级硬件通过Ollama运行,为AI应用开发提供强大而灵活的基础设施。【此简介由AI生成】Jinja00
- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
hello-uniapp
uni-app 是一个使用 Vue.js 开发所有前端应用的框架,开发者编写一套代码,可发布到iOS、Android、鸿蒙Next、Web(响应式)、以及各种小程序(微信/支付宝/百度/抖音/飞书/QQ/快手/钉钉/淘宝/京东/小红书)、快应用、鸿蒙元服务等多个平台Vue00GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。05GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0256Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013RuoYi-Cloud-Plus
微服务管理系统 重写RuoYi-Cloud所有功能 整合 SpringCloudAlibaba、Dubbo3.0、Sa-Token、Mybatis-Plus、MQ、Warm-Flow工作流、ES、Docker 全方位升级 定期同步Java014
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
155
245

🎉 (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
773
477

openGauss kernel ~ openGauss is an open source relational database management system
C++
117
171

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
137
256

一个支持csv文件的读写、解析的库
Cangjie
11
3

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
377
363

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
79
2

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.04 K
0

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
320
1.05 K

open-eBackup是一款开源备份软件,采用集群高扩展架构,通过应用备份通用框架、并行备份等技术,为主流数据库、虚拟化、文件系统、大数据等应用提供E2E的数据备份、恢复等能力,帮助用户实现关键数据高效保护。
HTML
114
77