在swagger-php中实现动态响应示例的探索
2025-06-08 09:48:18作者:秋阔奎Evelyn
背景介绍
在API文档生成工具swagger-php中,开发者经常需要为不同的资源类型创建响应示例。传统做法是为每个资源单独编写响应示例,这会导致大量重复代码。本文将探讨如何通过自定义响应类实现动态生成响应示例的方案。
核心需求分析
开发者希望创建一个ResourceResponse自定义响应类,它能够:
- 接收一个资源类名作为参数
- 根据传入的资源类自动生成对应的响应示例
- 支持嵌套的资源结构
技术实现方案
基础结构设计
首先需要定义资源模型类,使用swagger-php的注解标记属性和类型:
#[OA\Schema]
class Post
{
#[OA\Property]
private int $post_id = 1;
#[OA\Property]
private string $title = '示例标题';
#[OA\Property]
private string $body = '示例内容';
}
自定义响应类实现
核心的自定义响应类需要继承自OA\Response,并通过扫描已定义的Schema来构建示例:
#[Attribute(Attribute::TARGET_CLASS | Attribute::TARGET_METHOD)]
class ResourceResponse extends OA\Response
{
private static $examples = null;
public function __construct(string $resourceType)
{
$this->initializeExamples();
parent::__construct(
response: 200,
description: '资源响应: '.$resourceType,
content: new OA\JsonContent(
example: ['data' => self::$examples->get($resourceType)]
)
);
}
private function initializeExamples()
{
if (self::$examples !== null) return;
$api = Generator::scan([__DIR__.'/Schemas']);
self::$examples = collect($api->components->schemas)
->mapWithKeys(function($schema) {
return [
$schema->schema => $this->buildExample($schema)
];
});
}
private function buildExample($schema)
{
return collect($schema->properties)
->mapWithKeys(function($property, $name) {
if ($this->isPrimitive($property)) {
return [$name => $property->default];
}
// 处理嵌套资源
return [$name => self::$examples->get($property->ref)];
});
}
}
使用示例
定义好自定义响应类后,可以简洁地使用它:
#[OA\Get(
path: '/posts',
responses: [new ResourceResponse(Post::class)]
)]
public function index()
{
// 控制器逻辑
}
技术难点解析
- Schema扫描与缓存:为避免重复扫描Schema文件,采用静态属性缓存机制
- 嵌套资源处理:递归构建嵌套资源的示例数据
- 类型判断:需要区分基本类型和复杂类型以正确处理
最佳实践建议
- 为所有属性设置合理的默认值,确保示例数据完整
- 考虑使用接口或抽象类统一管理资源类型
- 对于大型项目,建议将Schema扫描逻辑独立为服务类
- 添加适当的异常处理,应对无效资源类型等情况
总结
通过自定义响应类实现动态示例生成,可以显著减少重复代码,提高API文档的维护性。这种方案特别适合资源结构复杂或资源类型众多的项目。虽然实现过程中需要考虑嵌套资源和类型判断等复杂情况,但最终能带来更好的开发体验和文档质量。
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 StartedRust0191
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 Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.97 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++
856
1.92 K
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++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
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
150
252
CANN 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 Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220