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。
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