NSwag项目中System.Text.Json序列化设置未正确应用的解决方案
背景介绍
在.NET生态系统中,NSwag是一个流行的工具,用于生成Swagger/OpenAPI文档和客户端代码。当开发者使用Minimal API(不依赖MVC框架)构建应用程序时,可能会遇到System.Text.Json序列化设置未被NSwag正确识别的问题。
问题现象
开发者在使用纯Minimal API项目时发现,虽然应用程序内部配置了camelCase的JSON序列化策略,但NSwag生成的OpenAPI/Swagger文档仍然输出PascalCase格式的属性名。这与应用程序的实际行为不符,可能导致前端客户端与后端API之间的数据格式不一致。
根本原因
NSwag默认通过MvcOptions来获取JSON序列化设置。在纯Minimal API项目中,由于没有使用MVC框架,这些设置不会被自动配置,导致NSwag无法获取到应用程序的System.Text.Json配置。
解决方案
1. 显式配置MvcOptions(传统方案)
开发者可以手动添加MvcOptions配置,确保NSwag能够获取到正确的序列化设置:
builder.Services.Configure<MvcOptions>(options =>
{
    options.OutputFormatters.Add(
        new SystemTextJsonOutputFormatter(
            System.Text.Json.JsonSerializerOptions.Default));
});
这种方法虽然有效,但引入了MVC相关的依赖,对于纯Minimal API项目来说不够优雅。
2. 配置HttpJsonOptions(推荐方案)
更现代的解决方案是直接配置Minimal API的JSON选项:
builder.Services.ConfigureHttpJsonOptions(options =>
{
    options.SerializerOptions.PropertyNamingPolicy = JsonNamingPolicy.CamelCase;
});
这种方法更符合Minimal API的设计理念,且能确保NSwag正确识别序列化设置。
3. 客户端自定义(前端解决方案)
对于生成的客户端代码,可以通过创建部分类来覆盖默认的JSON设置:
public partial class Client
{
    static partial void UpdateJsonSerializerSettings(JsonSerializerOptions settings)
    {
        settings.PropertyNamingPolicy = JsonNamingPolicy.CamelCase;
    }
}
这种方法适用于需要在前端代码中强制特定命名策略的场景。
最新进展
在NSwag的v14.0.7版本中,这个问题已得到修复。开发者可以直接使用ConfigureHttpJsonOptions来配置JSON序列化行为,而无需额外配置MvcOptions。
最佳实践建议
- 对于新项目,建议使用最新版本的NSwag(v14.0.7或更高)
 - 优先使用ConfigureHttpJsonOptions来配置JSON序列化
 - 如果必须使用旧版本,可以采用显式配置MvcOptions的临时方案
 - 定期检查NSwag的更新日志,获取最新的功能改进和bug修复
 
通过理解这些解决方案,开发者可以确保NSwag生成的API文档与实际API行为保持一致,避免前后端数据格式不一致的问题。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00