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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00