SpringDoc OpenAPI 中如何动态注册未直接引用的Schema
在基于SpringDoc OpenAPI的项目开发中,我们经常会遇到需要动态注册Schema的需求,特别是那些没有被控制器直接引用的DTO类。本文将详细介绍如何通过编程方式实现这一需求。
问题背景
在实现RESTful API时,我们通常会定义一些通用的错误响应DTO,比如符合RFC 9457标准的ProblemDetail。这些DTO可能不会直接在控制器方法中被引用为返回类型,而是通过OperationCustomizer动态添加到各个操作的响应中。
这种情况下,OpenAPI文档生成器不会自动将这些DTO注册为可用的Schema组件,导致在动态添加响应时出现引用错误。
解决方案
SpringDoc OpenAPI提供了ModelConverters工具类,可以帮助我们手动解析和注册这些Schema。以下是具体实现步骤:
1. 定义DTO类
首先定义一个标准的ProblemDetailDTO类,使用@Schema注解进行描述:
@Schema(
name = "ProblemDetail",
description = "Representation of an RFC 9457 problem detail."
)
data class ProblemDetailDto(
@Schema(
description = "The URI reference that identifies the problem type."
)
val type: URI,
@Schema(
description = "The HTTP status code generated by the origin server.",
minimum = "100",
maximum = "599"
)
val status: Int
)
2. 配置OpenAPI
创建一个配置类,使用ModelConverters手动解析并注册Schema:
@Configuration
class OpenApiConfig {
@Bean
fun modelConverters(): ModelConverters = ModelConverters.getInstance(true)
@Bean
fun openApi(modelConverters: ModelConverters): OpenAPI {
return OpenAPI().apply {
components = Components().apply {
addSchemas(
"ProblemDetail",
modelConverters
.resolveAsResolvedSchema(
AnnotatedType(ProblemDetailDto::class.java)
.resolveAsRef(false)
).schema
)
}
}
}
}
3. 动态添加响应
在OperationCustomizer中,现在可以安全地引用已注册的Schema了:
operation.responses.addApiResponse(
statusCode,
ApiResponse().apply {
description = reasonPhrase
content = Content().addMediaType(
APPLICATION_PROBLEM_JSON_VALUE,
MediaType().schema(
Schema<Any>().apply {
`$ref` = "#/components/schemas/ProblemDetail"
}
)
)
}
)
技术要点
-
ModelConverters:SpringDoc提供的模型转换工具,可以将Java/Kotlin类转换为OpenAPI Schema定义。
-
AnnotatedType:包装目标类类型,可以携带额外的注解信息。
-
resolveAsRef(false):指示解析器不要将结果作为引用返回,而是返回完整的Schema定义。
-
组件注册:通过OpenAPI对象的components属性显式添加Schema定义。
最佳实践
-
对于通用的响应DTO,建议集中在一个配置类中注册。
-
考虑创建自定义注解来标记需要手动注册的DTO类。
-
可以扩展此方案,实现自动扫描特定包下所有标记类并自动注册。
-
在微服务架构中,可以将这些通用Schema定义提取到共享库中。
通过这种方式,我们既保持了代码的整洁性,又确保了OpenAPI文档的完整性,为API消费者提供了准确的接口描述。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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