Valibot 中如何预定义 ObjectSchema 的键类型
2025-05-30 23:51:27作者:滑思眉Philip
在 Valibot 这个强大的 TypeScript 表单验证库中,开发者有时会遇到需要预定义 ObjectSchema 键类型的场景。本文将深入探讨这一技术问题的解决方案。
问题背景
当开发者尝试构建自定义的 useForm
钩子时,常常需要确保验证模式中的键与表单字段完全匹配。例如,当表单字段定义为 { name: "", email: "" }
时,验证模式应该强制包含且仅包含 name
和 email
这两个键。
技术挑战
Valibot 的 ObjectSchema
类型通常用于定义对象验证模式,但在 TypeScript 中直接使用它作为泛型时可能会遇到类型推断问题。开发者需要找到一种既能保持类型安全又能提供良好开发体验的解决方案。
解决方案
经过探索,我们发现了两种有效的实现方式:
方案一:分离验证条目与对象创建
type SchemaEntries<TValues> = {
[TKey in keyof TValues]: GenericSchema<TValues[TKey], unknown>;
};
interface FormConfig<TValues, TEntries extends SchemaEntries<TValues>> {
fields: TValues;
validation?: TEntries;
}
function useForm<TValues, TEntries extends SchemaEntries<TValues>>(
config: FormConfig<TValues, TEntries>
) {
const schema = config.validation && object(config.validation);
}
这种方案将验证条目与对象创建分离,允许 TypeScript 在配置阶段就进行类型检查,然后在函数内部创建实际的验证对象。
方案二:直接使用 ObjectSchema 类型
type SchemaEntries<TValues> = {
[TKey in keyof TValues]: GenericSchema<TValues[TKey], unknown>;
};
interface FormConfig<TValues, TEntries extends SchemaEntries<TValues>> {
fields: TValues;
validation?: ObjectSchema<
TEntries,
ErrorMessage<ObjectIssue> | undefined
>;
}
function useForm<TValues, TEntries extends SchemaEntries<TValues>>(
config: FormConfig<TValues, TEntries>
) {
// 实现代码
}
这种方案直接使用 ObjectSchema
类型,保持了 Valibot 原生 API 的使用方式,同时通过泛型约束确保了类型安全。
实际应用示例
const form = useForm({
fields: {
username: "",
age: 0,
},
validation: {
username: string(),
age: pipe(number(), minValue(18)),
},
});
在这个例子中,TypeScript 会确保:
- 验证对象必须包含
username
和age
两个键 - 每个键对应的验证器类型必须与字段类型匹配
- 如果缺少必要键或添加了额外键,都会引发类型错误
技术原理
这两种方案都利用了 TypeScript 的映射类型和泛型约束:
SchemaEntries<TValues>
创建了一个类型,其键与TValues
相同,但值类型为对应的验证器- 泛型约束
TEntries extends SchemaEntries<TValues>
确保传入的验证配置与字段定义匹配 - 方案一在运行时创建验证对象,方案二直接使用预构建的验证对象
最佳实践建议
- 对于简单表单,方案二更为直接
- 对于需要动态构建验证规则的复杂场景,方案一更具灵活性
- 始终为表单字段提供初始值,这有助于 TypeScript 正确推断类型
- 考虑添加自定义错误消息等增强功能时,可以扩展
SchemaEntries
类型
通过这种方式,开发者可以在 Valibot 中实现类型安全的表单验证,获得完整的类型检查和编辑器自动补全功能,大大提升开发效率和代码可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++098AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
203
2.18 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
62
94

🎉 (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
977
575

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

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++
550
84

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133