NSwag中处理FromRoute和FromQuery参数重复问题的解决方案
问题背景
在使用NSwag生成TypeScript客户端时,当ASP.NET Core控制器方法同时使用[FromRoute]和[FromQuery]属性时,可能会遇到参数重复的问题。这种情况通常发生在路由参数和查询参数包含相同名称的属性时。
典型场景示例
考虑以下ASP.NET Core控制器代码:
[HttpGet("Messages")]
public async Task<ActionResult<GetMessagesResponse>> GetMessagesAsync(
[FromRoute] int orderId,
[FromQuery] GetMessagesQuery request,
CancellationToken cancellationToken)
{
request.OrderId = orderId;
return Ok(await Sender.Send(request, cancellationToken));
}
其中GetMessagesQuery类定义如下:
public class GetMessagesQuery
{
public int OrderId { get; set; }
public int? FromMessageId { get; set; }
}
参数重复问题表现
在NSwag生成TypeScript客户端时,会出现以下两种不同的行为:
旧版本行为(理想情况):
getMessages(orderIdPath: number,
fromMessageId?: number | null | undefined,
cancelToken?: CancelToken): Promise<IGetMessagesResponse>
新版本行为(存在问题):
getMessages(orderId: number, orderId?: number | undefined,
fromMessageId?: number | null | undefined,
cancelToken?: CancelToken): Promise<IGetMessagesResponse>
可以看到,新版本中出现了重复的orderId参数,这会导致TypeScript编译错误。
解决方案
1. 使用OpenApiIgnore属性
最直接的解决方案是在查询参数类中使用[OpenApiIgnore]属性标记重复的属性:
public class GetMessagesQuery
{
[OpenApiIgnore]
public int OrderId { get; set; }
public int? FromMessageId { get; set; }
}
这样NSwag在生成TypeScript客户端时会忽略被标记的属性,避免参数重复。
2. 参数重命名
另一种解决方案是重命名其中一个参数,确保名称不冲突:
[HttpGet("Messages/{routeOrderId}")]
public async Task<ActionResult<GetMessagesResponse>> GetMessagesAsync(
[FromRoute] int routeOrderId,
[FromQuery] GetMessagesQuery request,
CancellationToken cancellationToken)
{
request.OrderId = routeOrderId;
// ...
}
3. 自定义操作处理器
对于更复杂的情况,可以创建自定义的OperationProcessor来修改生成的OpenAPI规范:
public class RemoveDuplicateParametersOperationProcessor : IOperationProcessor
{
public bool Process(OperationProcessorContext context)
{
var parameters = context.OperationDescription.Operation.Parameters;
var seenParams = new HashSet<string>();
for (int i = parameters.Count - 1; i >= 0; i--)
{
if (!seenParams.Add(parameters[i].Name))
{
parameters.RemoveAt(i);
}
}
return true;
}
}
然后在NSwag配置中注册这个处理器:
{
"operationProcessors": [
"RemoveDuplicateParametersOperationProcessor"
]
}
最佳实践建议
-
保持参数名称唯一性:在设计API时,尽量避免路由参数和查询参数使用相同的名称。
-
明确参数来源:使用[FromRoute]、[FromQuery]等属性明确指定参数来源,这有助于NSwag正确生成客户端代码。
-
考虑使用DTO对象:对于复杂参数,考虑使用专门的DTO对象而不是基本类型,这样可以更好地控制生成的客户端代码。
-
版本升级注意事项:在升级NSwag版本时,注意检查生成的客户端代码是否有重大变化,特别是参数处理部分。
总结
NSwag在生成TypeScript客户端时处理[FromRoute]和[FromQuery]参数重复的问题有多种解决方案。最简单直接的方法是使用[OpenApiIgnore]属性标记重复的属性。对于需要更精细控制的情况,可以考虑参数重命名或自定义操作处理器。在设计API时遵循最佳实践可以避免这类问题的发生。
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