Valibot 中如何实现类似 Zod 的 refine 路径错误定位功能
2025-05-29 00:46:11作者:董灵辛Dennis
在表单验证场景中,我们经常需要处理字段间的关联验证。例如,当用户修改密码时,我们需要确保新密码与旧密码不同,并且两次输入的新密码一致。这类跨字段验证在用户界面中通常需要精确地定位到具体出错的字段,以便提供更好的用户体验。
Zod 库通过 refine 方法的 path 参数实现了这一功能,允许开发者指定错误应该关联到哪个字段。而在 Valibot 中,类似的场景可以通过 forward 方法来实现。
跨字段验证的典型场景
以密码修改表单为例,通常需要验证以下规则:
- 新密码不能与当前密码相同
- 两次输入的新密码必须一致
在用户界面中,当这些验证失败时,我们希望:
- 第一个错误关联到新密码字段
- 第二个错误关联到确认密码字段
Valibot 的解决方案
Valibot 提供了 forward 方法来处理这类场景。与 Zod 的 refine 不同,forward 允许开发者将验证错误转发到指定的字段上。这种方式同样能够实现精确的错误定位,确保错误信息能够正确地与表单字段关联。
实现示例
以下是使用 Valibot 实现上述密码验证逻辑的代码示例:
import { object, string, forward } from 'valibot';
const passwordSchema = object({
current: string('请输入当前密码'),
newPass: string('请输入新密码'),
confirm: string('请再次输入新密码'),
}).pipe(
forward(
({ current, newPass }) => current !== newPass,
'请输入不同的密码',
['newPass']
),
forward(
({ newPass, confirm }) => newPass === confirm,
'两次输入的新密码不一致',
['confirm']
)
);
在这个示例中:
- 第一个
forward验证新密码是否与当前密码不同,如果验证失败,错误会关联到newPass字段 - 第二个
forward验证两次输入的新密码是否一致,如果验证失败,错误会关联到confirm字段
与 Zod 的对比
虽然实现方式不同,但 Valibot 的 forward 方法提供了与 Zod 的 refine 类似的功能:
- 两者都支持自定义错误信息
- 两者都支持将错误关联到特定字段
- 两者都能处理复杂的跨字段验证逻辑
Valibot 的设计保持了 API 的简洁性,同时提供了足够的灵活性来处理各种验证场景。对于从 Zod 迁移到 Valibot 的开发者来说,理解 forward 方法的使用是掌握跨字段验证的关键。
总结
Valibot 通过 forward 方法提供了强大的跨字段验证能力,能够精确控制错误信息的关联字段。这种设计既保持了库的简洁性,又满足了复杂表单验证的需求。开发者可以借此构建出用户体验良好的表单验证逻辑,精确地指导用户纠正输入错误。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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