Valibot 中如何验证数组首个元素非空字符串
2025-05-30 05:18:21作者:齐添朝
在表单验证场景中,我们经常需要确保数组类型字段至少有一个有效元素。本文将详细介绍如何使用 Valibot 验证库来实现这一需求,特别是针对数组首个元素必须包含非空字符串的情况。
基础验证方法
Valibot 提供了多种验证方法来处理数组类型的验证需求。最基本的验证方式是使用 array() 和 nonEmpty() 组合,确保数组不为空:
import { array, object, string, nonEmpty } from 'valibot';
const BasicArraySchema = array(
object({ id: string() }),
nonEmpty()
);
这种方法可以确保数组至少包含一个元素,但无法保证第一个元素的 id 字段不为空字符串。
进阶验证方案
为了验证数组第一个元素的 id 字段不为空,我们可以使用 check() 方法结合 forward() 方法:
import { array, object, string, nonEmpty, check, forward } from 'valibot';
const FirstItemSchema = pipe(
array(object({ id: string() })),
nonEmpty(),
forward(
check((items) => !!items[0].id, '第一个元素的id不能为空'),
[0, 'id']
)
);
这种验证方式有三个关键点:
- 首先确保数组不为空
- 然后检查第一个元素的
id字段是否存在且非空 - 使用
forward()将错误信息定位到具体的字段位置
自定义错误信息
Valibot 允许开发者自定义验证失败时的错误信息。在上述例子中,我们可以在 check() 方法的第二个参数位置指定自定义错误信息:
check((items) => !!items[0].id, '请至少选择一个有效用户')
这样当验证失败时,会显示更友好的提示信息,而不是默认的技术性错误描述。
与表单库集成
当与 React Hook Form 等表单库集成时,这种验证方式能够很好地工作。验证失败时,错误信息会被正确地关联到对应的表单字段,并在用户界面上显示出来。
其他验证方式
除了检查第一个元素外,Valibot 还提供了 someItem() 方法,可以验证数组中至少有一个元素满足特定条件:
import { someItem } from 'valibot';
const SomeItemSchema = pipe(
array(object({ id: string() })),
nonEmpty(),
someItem((item) => !!item.id)
);
这种方法更加灵活,不限定于第一个元素,而是检查数组中任意一个元素是否满足条件。
总结
Valibot 提供了强大的数组验证能力,通过组合不同的验证方法,可以满足各种复杂的验证需求。在实际开发中,我们应该根据具体业务场景选择合适的验证方式,同时考虑用户体验,提供清晰明确的错误提示信息。
对于需要确保数组首个元素有效的场景,推荐使用 check() 结合 forward() 的方法,这种方式既保证了验证的准确性,又能将错误信息准确定位到具体字段,提升用户体验。
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
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218