Swashbuckle.AspNetCore 中对 Length 属性的支持实现
背景介绍
在 ASP.NET Core 开发中,Swashbuckle.AspNetCore 是一个广泛使用的库,用于自动生成 API 文档。它能够将 .NET 中的模型验证特性转换为 OpenAPI/Swagger 规范。在数据验证方面,System.ComponentModel.DataAnnotations 命名空间提供了多种验证属性,其中与字符串长度相关的有三个主要属性:MinLength、MaxLength 和 Length。
问题发现
在 .NET 8 之前,开发者只能使用 MinLength 和 MaxLength 两个属性来分别指定字符串的最小和最大长度。而在 .NET 8 中,微软引入了 Length 属性,它能够在一个属性中同时指定最小和最大长度限制。然而,Swashbuckle.AspNetCore 最初并未支持这个新属性。
技术分析
Length 属性与传统的 MinLength/MaxLength 组合在功能上是等效的,但提供了更简洁的语法。例如:
[MinLength(2), MaxLength(10)]
public string Prop1 { get; set; }
[Length(2, 10)]
public string Prop2 { get; set; }
在 Swashbuckle.AspNetCore 6.6.2 版本之前,上述代码生成的 OpenAPI 规范中,Prop1 会正确显示 minLength 和 maxLength 约束,而 Prop2 则完全不会有长度限制的说明。
解决方案实现
随着 Swashbuckle.AspNetCore 升级到支持 .NET 8,开发团队实现了对 Length 属性的支持。实现的核心是一个 SchemaFilter,它会检查模型属性上的 Length 属性,并将其转换为 OpenAPI 规范中的 minLength 和 maxLength 约束。
对于暂时无法升级到 .NET 8 的项目,开发者可以自行实现一个临时的 SchemaFilter:
internal sealed class LengthAttributeSupportSchemaFilter : ISchemaFilter
{
public void Apply(OpenApiSchema schema, SchemaFilterContext context)
{
if (context.MemberInfo is null) return;
var lengthAttributes = context.MemberInfo
.GetInlineAndMetadataAttributes()
.OfType<LengthAttribute>();
foreach (var attr in lengthAttributes)
{
if (schema.Type == "array")
{
schema.MinItems = attr.MinimumLength;
schema.MaxItems = attr.MaximumLength;
}
else
{
schema.MinLength = attr.MinimumLength;
schema.MaxLength = attr.MaximumLength;
}
}
}
}
版本兼容性考虑
需要注意的是,Length 属性是 .NET 8 引入的新特性。在 Swashbuckle.AspNetCore 升级到支持 .NET 8 之前,即使代码中使用了 Length 属性,也无法直接获得支持。这也是为什么在早期版本中需要开发者自行实现 SchemaFilter 的原因。
最佳实践
对于新项目,建议:
- 使用最新版本的 Swashbuckle.AspNetCore
- 优先使用 Length 属性替代 MinLength/MaxLength 组合
- 确保 API 文档生成配置中包含对 Length 属性的支持
对于现有项目升级:
- 先升级到 .NET 8
- 再升级 Swashbuckle.AspNetCore 到 6.6.2 或更高版本
- 逐步将现有的 MinLength/MaxLength 组合替换为 Length 属性
总结
Swashbuckle.AspNetCore 6.6.2 版本正式加入了对 Length 属性的支持,使得 .NET 8 开发者能够更简洁地表达字符串长度约束,并自动生成准确的 API 文档。这一改进体现了 Swashbuckle.AspNetCore 项目对新版 .NET 特性的快速响应能力,也为开发者提供了更优雅的代码编写方式。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
HunyuanVideo-1.5暂无简介00
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
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
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