在springdoc-openapi中自定义端点描述以展示权限信息
概述
在现代API开发中,权限控制是一个关键的安全特性。开发者通常会在API端点方法上使用自定义注解来声明所需的权限。本文将介绍如何在springdoc-openapi项目中,将这些权限信息自动集成到生成的OpenAPI文档中,使API消费者能够清晰地了解每个端点所需的权限。
背景知识
springdoc-openapi是一个流行的Java库,它能够自动从Spring Boot应用中生成OpenAPI 3.0规范文档。默认情况下,它会扫描Spring MVC控制器并生成相应的API文档,包括路径、参数、响应等信息。
在实际开发中,我们经常使用自定义注解来标记API端点所需的权限,例如:
@GetMapping("/{branchId}")
@Permission(PermissionType.P_BRANCH_R)
public Branch getBranch(@PathVariable BranchId branchId) {
return branchService.getBranch(branchId);
}
解决方案
springdoc-openapi提供了强大的扩展机制,允许开发者自定义生成的OpenAPI文档。我们可以利用GlobalOperationCustomizer接口来增强操作(operation)的描述信息,将权限注解的内容包含进去。
实现步骤
-
创建自定义配置类:在Spring配置中定义一个bean,实现
GlobalOperationCustomizer接口。 -
处理权限注解:在自定义逻辑中检查方法上的
@Permission注解。 -
增强描述信息:将权限信息添加到操作描述中,同时保留原有的描述内容。
以下是完整的实现代码:
@Bean
public GlobalOperationCustomizer operationCustomizer() {
return (operation, handlerMethod) -> {
Optional.ofNullable(handlerMethod.getMethodAnnotation(Permission.class))
.ifPresent(permissionAnnotation -> {
operation.setDescription(
Optional.ofNullable(operation.getDescription())
.map(description -> description + "\n\n")
.orElse("")
+ "Permission required: "
+ permissionAnnotation.value().name());
});
return operation;
};
}
代码解析
-
GlobalOperationCustomizer:这是springdoc-openapi提供的接口,允许我们对每个API操作进行自定义处理。
-
handlerMethod:提供了对控制器方法的访问,我们可以从中获取方法上的注解。
-
Optional处理:使用Java 8的Optional来优雅地处理可能为null的描述字段。
-
描述拼接:新添加的权限信息会追加到原有描述之后,两者之间用两个换行符分隔,确保格式清晰。
效果展示
应用上述配置后,生成的OpenAPI文档将包含权限信息。例如,对于前面提到的getBranch端点,文档可能如下所示:
{
"paths": {
"/api/branches/{branchId}": {
"get": {
"description": "获取指定ID的分支信息\n\nPermission required: P_BRANCH_R",
// 其他字段...
}
}
}
}
进阶应用
这种技术不仅限于权限信息的展示,还可以扩展到其他类型的元数据:
- 审计信息:添加端点创建者或最后修改时间
- 业务分类:标记端点所属的业务领域
- 性能提示:添加预期的响应时间或吞吐量信息
- 多语言支持:根据请求头中的Accept-Language提供不同语言的描述
最佳实践
- 保持一致性:确保所有端点的权限信息都采用相同的格式展示
- 避免信息过载:只添加真正对API消费者有价值的信息
- 考虑安全性:确保公开的文档不会泄露敏感信息
- 自动化测试:验证生成的文档确实包含了预期的权限信息
总结
通过在springdoc-openapi中自定义操作描述,我们能够将重要的权限信息自动集成到API文档中。这种方法不仅提高了文档的实用性,还确保了权限信息的准确性和一致性,减少了手动维护文档的工作量。这种技术可以广泛应用于各种需要向API消费者传达额外元数据的场景,是构建高质量API文档的有力工具。
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