ASP.NET Core OpenAPI 中 List<List<string>> 类型引用的生成问题解析
在 ASP.NET Core 项目中,当使用 OpenAPI 规范来描述 API 时,开发者可能会遇到一个关于复杂类型引用的生成问题。本文将深入分析这个问题及其解决方案。
问题现象
当我们在 ASP.NET Core 项目中定义一个包含多个 List<List> 类型属性的模型时,OpenAPI 文档生成器会为第二个相同类型的属性生成一个无效的相对引用。例如,考虑以下模型定义:
public record DynamicTableDataPatch()
{
public List<List<string>> Delete { get; set; } = [];
public List<List<string>> AddOrUpdate { get; set; } = [];
}
生成的 OpenAPI 文档中,第二个属性 AddOrUpdate 的引用格式不正确,导致 Swagger UI 等工具无法正确解析。
技术背景
这个问题源于 System.Text.Json 的 GetSchemaAsJsonNode API 在处理重复类型时的行为。当遇到已经在类型层次结构中见过的类型时,它会生成相对引用来"重用"之前生成的模式。这种设计原本是为了减少文档体积,但在 OpenAPI 规范中却导致了兼容性问题。
根本原因
-
相对引用问题:System.Text.Json 生成的相对引用格式与 OpenAPI.NET 库的 v1.6 版本不兼容,后者无法正确处理这种引用格式。
-
类型重用机制:对于相同类型的多个属性,生成器试图重用模式定义,但引用路径处理不当。
解决方案
微软团队已经针对这个问题提供了两种解决方案:
-
短期修复:在 ASP.NET Core 9.0.4 版本中,通过在处理流程中展开相对引用来解决这个问题。这个修复确保了生成的 OpenAPI 文档能够被标准工具正确解析。
-
长期方案:从 .NET 10 开始,将依赖底层 Microsoft.OpenApi 库的改进来处理这类引用问题,提供更原生的支持。
临时解决方案
对于急需解决此问题的开发者,可以采用以下临时方案:
// 自定义端点处理生成的 OpenAPI 文档
app.MapGet("/openapi.json", async (HttpRequest request) =>
{
var response = await HttpClient.GetAsync($"{request.Scheme}://{request.Host}/openapiErr.json");
var jsonContent = await response.Content.ReadAsStringAsync();
// 手动修复引用路径
jsonContent = jsonContent.Replace("#/properties/delete/items", "DynamicTableDataPatch/properties/delete/items");
return Results.Json(JsonNode.Parse(jsonContent)?.AsObject());
});
最佳实践
-
对于生产环境,建议升级到包含修复的 ASP.NET Core 版本。
-
在设计 API 模型时,如果可能,可以考虑为重复的复杂类型创建单独的类型定义,这不仅能避免这个问题,还能提高代码的可读性。
-
定期检查 OpenAPI 文档生成结果,确保其符合规范并能被常用工具正确解析。
总结
这个问题展示了在 API 文档自动生成过程中类型处理和引用解析的复杂性。微软团队已经提供了明确的解决方案路径,开发者可以根据自身情况选择升级版本或应用临时解决方案。理解这类问题的本质有助于开发者更好地设计 API 模型和排查文档生成问题。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00