Swashbuckle.AspNetCore 中 OpenAPI 安全需求配置的演进
2025-06-07 22:38:44作者:秋阔奎Evelyn
在 ASP.NET Core 项目中,Swashbuckle.AspNetCore 是生成 OpenAPI (Swagger) 文档的流行库。随着 dotnet-vnext 版本的演进,OpenAPI 安全需求的配置方式发生了变化,开发者需要了解这些变化以正确配置 JWT 认证等安全方案。
传统配置方式
在早期版本中,配置 JWT Bearer 认证的安全需求通常采用以下方式:
services.AddSwaggerGen(c =>
{
c.AddSecurityDefinition(JwtBearerDefaults.AuthenticationScheme.ToLowerInvariant(), new OpenApiSecurityScheme
{
Scheme = JwtBearerDefaults.AuthenticationScheme.ToLowerInvariant(),
Description = "标准授权头使用 Bearer 方案。示例: \"bearer {token}\"",
In = ParameterLocation.Header,
Name = "Authorization",
Type = SecuritySchemeType.Http,
BearerFormat = "JWT"
});
c.AddSecurityRequirement(new OpenApiSecurityRequirement()
{
{
new OpenApiSecurityScheme
{
Reference = new OpenApiReference
{
Id = JwtBearerDefaults.AuthenticationScheme,
Type = ReferenceType.SecurityScheme
}
},
new List<string>()
}
});
});
这种方式通过 Reference 属性引用之前定义的安全方案,然后将其添加到安全需求中。
dotnet-vnext 中的新配置方式
在新版本中,API 设计发生了变化,Reference 属性不再直接可用。新的配置方式更加简洁:
services.AddSwaggerGen(c =>
{
c.AddSecurityDefinition(JwtBearerDefaults.AuthenticationScheme.ToLowerInvariant(), new OpenApiSecurityScheme
{
Scheme = JwtBearerDefaults.AuthenticationScheme.ToLowerInvariant(),
Description = "标准授权头使用 Bearer 方案。示例: \"bearer {token}\"",
In = ParameterLocation.Header,
Name = "Authorization",
Type = SecuritySchemeType.Http,
BearerFormat = "JWT"
});
c.AddSecurityRequirement((document) => new()
{
[new(JwtBearerDefaults.AuthenticationScheme.ToLowerInvariant(), document)] = []
});
});
关键变化解析
-
引用方式变化:不再使用
Reference属性,而是直接在安全需求中通过方案名称引用 -
Lambda 表达式:新的
AddSecurityRequirement方法接受一个文档参数,允许更灵活的配置 -
字典初始化:使用更简洁的字典初始化语法来定义安全需求
-
方案标识:通过方案名称和文档实例的组合来唯一标识安全方案
实际应用建议
在实际项目中配置 JWT 认证时,建议:
-
保持方案名称的一致性,通常使用
JwtBearerDefaults.AuthenticationScheme的转换形式 -
注意大小写敏感性,建议统一使用小写形式
-
对于复杂的多认证方案场景,可以为每个方案定义独立的安全需求和定义
-
考虑将 Swagger 配置提取到扩展方法中,提高代码可维护性
这种新的配置方式不仅简化了代码,还提供了更大的灵活性,使开发者能够更好地适应各种安全需求场景。随着 OpenAPI 规范的演进,这种变化也使得 Swashbuckle.AspNetCore 能够更好地支持未来的功能扩展。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.76 K
Ascend Extension for PyTorch
Python
349
414
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++
889
609
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
338
185
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
252
openGauss kernel ~ openGauss is an open source relational database management system
C++
169
233
暂无简介
Dart
778
193
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
114
140
🎉 (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
1.35 K
758