17370845950

Python脚本通过提取Pydantic模型（含Field描述）和路由信息，自动生成含字段说明、校验示例的Markdown文档，并集成CLI与CI实现文档与代码同步更新。

Python脚本自动生成接口文档与字段校验示例，核心在于把代码里的结构信息（如函数签名、类型注解、docstring）和校验逻辑（如 Pydantic 模型、Flask/Sanic 路由）提取出来，转成可读的 Markdown 或 HTML 文档，并附带真实、可运行的字段校验用例。

用 Pydantic 模型统一定义请求/响应结构

Pydantic 不仅能做字段校验，本身自带 schema() 和 json_schema() 方法，还能通过 __doc__ 或 Field(description=...) 注入说明。这是生成文档最扎实的基础。

• 所有请求体、响应体都用 BaseModel 定义，字段加 Field(description="用户手机号，11位数字")
• 嵌套模型自动展开，枚举值、默认值、是否必填等元信息一并导出
• 用 model.json_schema() 可直接生成 OpenAPI 兼容的 JSON Schema，后续转 Markdown 更方便

从 FastAPI 或 Flask 路由自动提取接口信息

如果你用的是 FastAPI，它已内置 OpenAPI 文档；但即使不用 FastAPI，也能通过解析路由装饰器或函数对象，拿到路径、方法、参数来源（query/body/path）、模型引用等关键信息。

• 遍历 app.routes（FastAPI）或自定义装饰器（如 @api.route("/user", methods=["POST"])）
• 用 inspect.signature() 获取函数参数名、类型注解、默认值
• 结合 Pydantic 模型的 schema()，拼出每个接口的请求示例、响应结构、错误字段列表

用模板生成带校验示例的 Markdown 文档

别手写文档。用 jinja2 模板，把接口元数据 + 模型 schema + 自动生成的校验用例（成功/失败）注入进去，每次跑脚本就刷新文档。

• 对每个 Pydantic 模型，调用 model.construct(**valid_data).json() 生成合法示例
• 故意构造缺失字段、类型错误、超长字符串等 case，捕获 ValidationError 并提取 errors() 输出典型报错片段
• 模板里用三级标题分接口，表格列字段名/类型/是否必填/说明/示例值，下方紧跟 curl 请求 + 校验输出截图式文本

一键运行：封装成 CLI 脚本并集成进 CI

写一个 gen_api_docs.py，支持传参指定模块路径、输出目录、是否覆盖，再加个 --dry-run 预览变更。提交前跑一次，确保文档和代码始终同步。

• 用 argparse 解析命令行，加载目标模块（如 importlib.import_module("app.api.v1.users")）
• 自动识别所有带 @router.post 或 @app.route 的函数，跳过私有或测试函数
• 生成 docs/api/users.md 和 examples/test_users_validation.py 两个产物，后者可直接 pytest 运行验证

基本上就这些。不复杂但容易忽略的是：文档不是“写完就扔”，而是要和校验逻辑绑定、随代码一起演进。只要模型定义清晰、路由有迹可循、生成脚本可复现，接口文档就能真正活起来。