OpenAPITools/openapi-generator中C .NET 9 SDK的查询参数编码问题解析
2025-05-08 16:04:39作者:虞亚竹Luna
在OpenAPITools/openapi-generator项目中,使用C#语言生成代码时,当目标框架升级到.NET 9时会出现查询参数双重编码的问题。这个问题源于.NET 9对URL编码处理方式的改变,导致生成的API客户端代码构建出错误的请求URL。
问题背景
在HTTP请求中,查询参数需要进行适当的URL编码以确保特殊字符被正确处理。在C#中,传统上使用HttpUtility.UrlEncode()方法对单个参数值进行编码,然后使用HttpUtility.ParseQueryString()方法构建完整的查询字符串。
.NET 8及以下版本的行为
在.NET 8及更早版本中,这两个方法的配合工作得很好:
HttpUtility.UrlEncode()负责对单个参数名和值进行编码HttpUtility.ParseQueryString()负责将这些编码后的值组合成完整的查询字符串
例如,当处理参数名为"$odata",值为"12"时:
HttpUtility.UrlEncode("$odata")会返回"%24odata"- 然后
ParseQueryString会正确组合成"%24odata=12"
.NET 9的行为变化
.NET 9对HttpUtility.ParseQueryString()进行了修改,现在这个方法会自动对传入的参数进行编码。这意味着:
- 如果先使用
UrlEncode编码参数,再传给ParseQueryString ParseQueryString会对已经编码的字符串再次编码- 导致双重编码问题
以同样的"$odata"参数为例:
UrlEncode第一次编码:"$odata" → "%24odata"ParseQueryString第二次编码:"%24odata" → "%2524odata"- 最终错误的查询字符串:"%2524odata=12"
问题影响
这种双重编码会导致:
- 服务器端接收到的参数名不正确
- API调用失败或返回错误结果
- 特殊字符(如$、&、=等)无法正确传递
解决方案
针对.NET 9的正确做法应该是:
- 直接传递原始参数名和值给
ParseQueryString - 依赖
ParseQueryString自身的编码逻辑 - 不再预先使用
UrlEncode方法
修改后的代码示例:
var httpValues = HttpUtility.ParseQueryString(string.Empty);
httpValues.Add("$odata", "12"); // 直接传递原始参数名
Console.WriteLine(httpValues.ToString()); // 正确输出: %24odata=12
实现建议
在OpenAPITools/openapi-generator中,应该:
- 检测目标框架版本
- 对于.NET 9+,跳过预编码步骤
- 对于旧版本,保持现有逻辑
- 确保向后兼容性
总结
.NET 9对URL编码处理的改进虽然带来了更简洁的API使用方式,但也导致了与现有代码的兼容性问题。OpenAPITools/openapi-generator项目需要相应调整其C#代码生成逻辑,以适应这一变化,确保生成的客户端代码在所有.NET版本上都能正确工作。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137