SDammann.WebApi.Versioning 技术文档
1. 安装指南
首先,确保您的开发环境已安装了.NET框架。然后,您可以通过Nuget包管理器安装SDammann.WebApi.Versioning。在Visual Studio中,打开Nuget包管理器控制台,执行以下命令:
Install-Package SDammann.WebApi.Versioning
2. 项目的使用说明
设置
在依赖注入容器中注册DefaultControllerIdentificationDetector和DefaultRequestControllerIdentificationDetector类。
接下来,选择一个版本控制方案,并在库中注册。例如,要使用基于API路由的版本控制(这将使用类似/api/v1.2/product/的URL),请在Web API配置委托中包含以下内容:
ApiVersioning.Configure(config)
.ConfigureRequestVersionDetector<DefaultRouteKeyVersionDetector>();
确保config变量为HttpConfiguration类型,并在依赖注入容器中注册此类。
选择API版本控制方案
目前,库支持两种API版本控制方案。
基于URL / 路由的API版本
这允许通过URL路由方案选择API版本。例如:
config.Routes.MapHttpRoute(
name: "DefaultApi",
routeTemplate: "api/v{version}/{controller}/{id}",
defaults: new { id = RouteParameter.Optional }
);
然后在Web API配置委托中注册版本检测器:
ApiVersioning.Configure(config)
.ConfigureRequestVersionDetector<DefaultRouteKeyVersionDetector>();
基于HTTP头的API版本
这是许多REST纯粹主义者偏好的方案。它允许通过请求的Accept头中的MIME类型选择API版本。为了实现这一点,请继承AcceptHeaderRequestVersionDetector并实现GetVersionFromSingleHeader方法。
然后,在Web API配置委托中注册您的实现:
ApiVersioning.Configure(config)
.ConfigureRequestVersionDetector<YourCustomRoutingDetector>();
不要忘记在内容协商中设置自定义MIME类型,以便ASP.NET Web API输出正确的响应格式。
3. 项目API使用文档
SDammann.WebApi.Versioning提供了多种接口和类,以支持API版本控制。以下是一些主要接口和类的简要说明:
IControllerNameDetector:用于检测控制器名称。IControllerVersionDetector:用于检测控制器版本。IRequestControllerNameDetector:用于从请求中检测控制器名称。IRequestVersionDetector:用于从请求中检测版本。ApiVersion:表示API版本的抽象类。
您可以根据需要扩展或实现这些接口,以满足自定义版本控制需求。
4. 项目安装方式
如前所述,您可以通过Nuget包管理器安装SDammann.WebApi.Versioning。在Visual Studio中,打开Nuget包管理器控制台,执行以下命令:
Install-Package SDammann.WebApi.Versioning
这将自动将所需的引用添加到您的项目中,以便您可以使用SDammann.WebApi.Versioning提供的功能。
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