Yup库中嵌套对象日期验证的最佳实践
2025-05-08 10:37:56作者:秋阔奎Evelyn
Yup是一个流行的JavaScript对象模式验证库,广泛应用于表单验证场景。在实际开发中,我们经常需要验证嵌套对象中的字段,特别是日期相关的验证逻辑。本文将探讨如何在Yup中优雅地实现嵌套对象的日期验证。
嵌套对象日期验证场景
在表单开发中,我们经常会遇到需要验证用户年龄是否满足特定条件的情况。例如,在驾驶员信息表单中,我们需要确保驾驶员的年龄至少为18岁。这种验证通常涉及对出生日期(dob)对象的多个字段(年、月、日)进行联合验证。
基本验证结构
Yup提供了强大的嵌套对象验证能力。对于日期验证,我们可以这样定义基本结构:
dob: yup.object().shape({
day: yup.number().min(1).max(31).required(),
month: yup.number().min(1).max(12).required(),
year: yup.number().min(1900).max(currentYear).required()
})
实现年龄验证
要实现年龄验证,我们需要在dob对象的验证规则中添加自定义测试。关键点在于:
- 从dob对象中获取年、月、日信息
- 构造Date对象
- 计算当前年龄
- 验证年龄是否满足条件
优化后的验证代码如下:
dob: yup.object().shape({
// 原有的day/month/year验证规则
}).test('age-check', 'Driver must be at least 18 years old', function(dob) {
if (!dob) return true; // 如果dob不存在则跳过验证
const date = new Date(dob.year, dob.month - 1, dob.day);
const today = new Date();
let age = today.getFullYear() - date.getFullYear();
// 处理未过生日的情况
const monthDiff = today.getMonth() - date.getMonth();
if (monthDiff < 0 || (monthDiff === 0 && today.getDate() < date.getDate())) {
age--;
}
return age >= 18;
})
验证时机处理
关于验证时机的处理,有几点需要注意:
- 不需要使用
.when()方法,这会增加不必要的复杂性 - 在自定义测试函数中直接处理空值情况更简洁
- Yup会自动在值变化时重新运行验证
最佳实践建议
- 避免过度使用when:简单的条件判断可以直接在测试函数中处理
- 考虑闰年情况:虽然示例中未体现,但在实际应用中应考虑2月29日等特殊情况
- 性能优化:对于频繁触发的验证,可以考虑添加防抖逻辑
- 国际化:错误消息应考虑支持多语言场景
通过这种方式,我们可以构建出既健壮又易于维护的日期验证逻辑,满足复杂的业务需求。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
暂无简介
Dart
672
159
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
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868