解决drf-spectacular与djangorestframework-simplejwt的兼容性问题
在使用Django REST framework开发API时,drf-spectacular是一个非常流行的自动生成OpenAPI/Swagger文档的工具。而djangorestframework-simplejwt则是实现JWT认证的常用库。本文将介绍如何解决这两个库在集成时可能遇到的兼容性问题。
问题现象
当开发者在Django项目的settings.py中同时配置了drf-spectacular和djangorestframework-simplejwt时,可能会遇到API文档无法加载的问题,并出现TypeError: 'str' object is not callable的错误提示。
问题根源
这个问题的根本原因在于REST_FRAMEWORK配置中的DEFAULT_AUTHENTICATION_CLASSES设置错误。开发者错误地使用了字典(Dictionary)而不是元组(Tuple)或列表(List)来定义认证类。
错误配置示例:
REST_FRAMEWORK = {
'DEFAULT_SCHEMA_CLASS': 'drf_spectacular.openapi.AutoSchema',
'DEFAULT_AUTHENTICATION_CLASSES': { # 错误:使用了字典
'rest_framework_simplejwt.authentication.JWTAuthentication'
}
}
正确配置方法
Django REST framework要求DEFAULT_AUTHENTICATION_CLASSES必须是一个可迭代的序列(如元组或列表),因为可能有多个认证类需要配置。正确的配置应该是:
REST_FRAMEWORK = {
'DEFAULT_SCHEMA_CLASS': 'drf_spectacular.openapi.AutoSchema',
'DEFAULT_AUTHENTICATION_CLASSES': ( # 使用元组
'rest_framework_simplejwt.authentication.JWTAuthentication',
)
}
或者使用列表:
REST_FRAMEWORK = {
'DEFAULT_SCHEMA_CLASS': 'drf_spectacular.openapi.AutoSchema',
'DEFAULT_AUTHENTICATION_CLASSES': [ # 使用列表
'rest_framework_simplejwt.authentication.JWTAuthentication',
]
}
为什么会出现这个错误
当Django REST framework尝试初始化认证类时,它会遍历DEFAULT_AUTHENTICATION_CLASSES中的每个元素,并尝试调用它们(即执行auth())。如果DEFAULT_AUTHENTICATION_CLASSES是一个字典,遍历时得到的将是字典的键(字符串),而不是认证类本身,因此会出现"str对象不可调用"的错误。
最佳实践建议
- 始终使用元组或列表来定义DEFAULT_AUTHENTICATION_CLASSES
- 确保drf-spectacular版本是最新的(在撰写本文时最新版本是0.26.5)
- 如果使用多个认证类,确保它们之间有适当的顺序
- 考虑在开发环境中保留SessionAuthentication以便于测试
REST_FRAMEWORK = {
'DEFAULT_SCHEMA_CLASS': 'drf_spectacular.openapi.AutoSchema',
'DEFAULT_AUTHENTICATION_CLASSES': [
'rest_framework_simplejwt.authentication.JWTAuthentication',
'rest_framework.authentication.SessionAuthentication', # 开发时方便测试
]
}
通过以上配置,drf-spectacular将能够正确生成包含JWT认证支持的OpenAPI文档,开发者也可以在Swagger UI中方便地测试JWT认证的API端点。
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