使用drf-spectacular为不同API模块定制全局请求头
2025-06-30 02:42:14作者:姚月梅Lane
在Django REST框架项目中,我们经常需要为不同的API模块设置不同的请求头要求。本文将介绍如何利用drf-spectacular这个强大的OpenAPI 3.0文档生成工具,为内部API和公共API分别配置不同的请求头规范。
需求场景分析
在一个典型的Django REST框架项目中,我们可能会有两类API端点:
- 内部API:需要特定的认证头信息
- 公共API:不需要额外的认证头
直接修改DEFAULT_SCHEMA_CLASS会影响所有端点,这不是我们想要的结果。我们需要一种更精细的控制方式。
解决方案:利用认证类扩展
drf-spectacular提供了一个优雅的解决方案——通过OpenAPIAuthenticationExtension来为不同的认证类指定不同的请求头。
实现步骤
- 创建自定义认证类: 即使内部API和公共API使用相同的认证机制,我们也可以创建空子类来区分它们:
from rest_framework.authentication import BasicAuthentication
class InternalAPIAuth(BasicAuthentication):
pass
class PublicAPIAuth(BasicAuthentication):
pass
- 实现认证扩展: 为内部API认证类创建扩展,指定需要的头信息:
from drf_spectacular.extensions import OpenApiAuthenticationExtension
class InternalAuthExtension(OpenApiAuthenticationExtension):
target_class = 'path.to.InternalAPIAuth'
name = 'internalAuth'
def get_security_definition(self, auto_schema):
return {
'type': 'apiKey',
'in': 'header',
'name': 'X-Custom-Header1',
'description': '内部API专用头信息1'
}, {
'type': 'apiKey',
'in': 'header',
'name': 'X-Custom-Header2',
'description': '内部API专用头信息2'
}
- 应用到视图: 在内部API视图上使用自定义认证类:
from rest_framework.views import APIView
class InternalView(APIView):
authentication_classes = [InternalAPIAuth]
# ... 其他视图代码
替代方案:后处理钩子
如果上述方法不能满足需求,还可以使用后处理钩子手动修改生成的schema:
def custom_postprocessing_hook(result, generator, request, public):
# 根据路径或其他条件判断是否为内部API
if 'internal' in request.path:
for path_item in result['paths'].values():
for operation in path_item.values():
if 'parameters' not in operation:
operation['parameters'] = []
operation['parameters'].extend([
{
'name': 'X-Custom-Header1',
'in': 'header',
'required': True,
'schema': {'type': 'string'}
},
{
'name': 'X-Custom-Header2',
'in': 'header',
'required': True,
'schema': {'type': 'string'}
}
])
return result
然后在设置中注册这个钩子:
SPECTACULAR_SETTINGS = {
'POSTPROCESSING_HOOKS': [
'path.to.custom_postprocessing_hook',
]
}
最佳实践建议
- 优先使用认证扩展:这种方式更符合DRF的设计哲学,与认证系统紧密集成
- 保持一致性:确保文档中的头信息要求与实际API行为一致
- 明确区分:使用清晰的命名区分不同API类型,便于维护
- 文档说明:在API文档中清楚地说明不同端点的头信息要求
通过这种方式,我们可以灵活地为不同类型的API端点配置不同的请求头规范,同时保持代码的整洁和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
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++
661
309
Ascend Extension for PyTorch
Python
221
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
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
392
3.86 K
React Native鸿蒙化仓库
JavaScript
260
322