ts-rest项目中Swagger UI重复显示子路由问题的分析与解决
问题背景
在使用ts-rest框架构建API时,开发者经常会遇到需要将多个契约(contract)组合成一个单一契约的情况。这种模块化的设计模式虽然提高了代码的可维护性,但在生成Swagger UI文档时却可能导致路由重复显示的问题。
问题现象
当开发者将已经组合的契约再次作为子契约组合到更大的契约中时,Swagger UI会将这些子契约的路由显示两次。例如,一个auth契约下包含otp子契约,在Swagger UI中otp相关的路由会同时出现在auth和otp两个标签下。
问题根源
这个问题的根本原因在于OpenAPI规范本身不支持嵌套标签。当ts-rest框架生成OpenAPI文档时,每个路由会被标记上所有层级的契约标签。例如,otp子契约下的路由会被同时标记auth和otp两个标签,而Swagger UI会为每个标签单独显示这些路由,导致重复显示。
解决方案
要解决这个问题,我们需要对生成的OpenAPI文档进行后处理,限制每个路由只保留最具体的标签(即最后一个标签)。以下是具体的实现方案:
import { generateOpenApi } from '@ts-rest/open-api';
import type {
PathsObject,
OperationObject,
} from '@nestjs/swagger/dist/interfaces/open-api-spec.interface';
// 类型守卫函数,判断是否为操作对象
function isOperationObject(value: unknown): value is OperationObject {
return typeof value === 'object' && value !== null && 'tags' in value;
}
// 生成原始OpenAPI文档
const document = generateOpenApi(api, config);
// 处理文档中的路径对象
document.paths = Object.entries(document.paths).reduce<PathsObject>(
(paths, [path, definition]) => {
paths[path] = Object.entries(definition).reduce<Record<string, unknown>>(
(newDefinition, [key, value]) => {
if (isOperationObject(value)) {
// 限制每个操作只保留第一个标签
newDefinition[key] = { ...value, tags: value.tags?.slice(0, 1) };
} else {
newDefinition[key] = value;
}
return newDefinition;
},
{},
);
return paths;
},
{},
);
实现原理
-
类型检查:使用
isOperationObject类型守卫确保我们只处理包含操作定义的对象。 -
路径处理:遍历文档中的所有路径定义,对每个路径下的操作进行处理。
-
标签限制:对于每个操作对象,我们保留其标签数组中的第一个元素,这样就能确保路由只出现在最直接的父契约标签下。
-
不变性保持:使用展开运算符
...确保我们在修改标签时不会意外改变操作对象的其他属性。
最佳实践建议
-
契约组织:在设计API契约结构时,尽量避免过深的嵌套层级,这不仅能避免Swagger UI的显示问题,也能提高代码的可读性。
-
文档定制:考虑将OpenAPI文档的后处理逻辑封装成可复用的工具函数,方便在多个项目中共享。
-
标签策略:如果业务确实需要多标签显示,可以考虑实现更复杂的标签处理逻辑,如基于特定规则保留或排除某些标签。
总结
通过理解OpenAPI规范的限制和ts-rest框架的实现机制,我们能够有效地解决Swagger UI中路由重复显示的问题。这种解决方案不仅保持了API契约的模块化设计优势,还能生成清晰、易读的API文档,为开发者提供更好的开发体验。
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