React Query 中 exactOptionalPropertyTypes 导致的类型错误解析
在使用 React Query 进行数据查询时,开发者经常会遇到类型定义的问题。特别是在启用 TypeScript 的 exactOptionalPropertyTypes 选项后,某些类型定义可能会产生意料之外的错误。
问题背景
在 React Query 的查询选项中,select 是一个可选属性,用于对查询结果进行转换。当开发者尝试按照社区推荐的方式定义类型时,如果启用了 exactOptionalPropertyTypes 选项,TypeScript 会报错,提示不允许显式定义 undefined。
技术细节分析
exactOptionalPropertyTypes 是 TypeScript 的一个严格类型检查选项。启用后,它会强制要求可选属性不能显式设置为 undefined。这与常规的 TypeScript 行为不同,在常规情况下,可选属性可以显式设置为 undefined。
在 React Query 的上下文中,当开发者尝试定义如下类型时:
{
select?: (data: Exercises) => TData
}
启用 exactOptionalPropertyTypes 后,TypeScript 会认为这种定义方式存在问题,因为它允许 select 被显式设置为 undefined。
解决方案
社区专家推荐了更优的类型定义方式:
export const useGetExercises = <TData = Exercises>(options?: {
select?: (data: Exercises) => TData
}) => {
return useQuery({
queryKey: ['exercises'],
queryFn: () => [],
...options
});
};
这种定义方式有几个优点:
- 完全兼容 exactOptionalPropertyTypes 选项
- 保持了 select 的可选性
- 提供了更好的类型推断
- 与 React Query 的 API 设计保持一致
深入理解
这个问题的本质在于 TypeScript 的类型系统设计。exactOptionalPropertyTypes 选项的引入是为了解决 JavaScript 中 undefined 和可选属性之间的模糊性。在常规情况下:
- 可选属性可以通过完全省略或设置为 undefined 来表示"不存在"
- 启用 exactOptionalPropertyTypes 后,可选属性只能通过完全省略来表示"不存在"
React Query 作为一个灵活的库,需要同时支持严格和非严格的 TypeScript 配置。因此,采用更严谨的类型定义方式可以确保在各种 TypeScript 配置下都能正常工作。
最佳实践建议
对于使用 React Query 的开发者,建议:
- 如果项目启用了 exactOptionalPropertyTypes,应采用上述推荐的类型定义方式
- 考虑在类型定义中使用泛型,以提供更好的类型安全性和灵活性
- 在自定义 hook 中明确区分必需和可选属性
- 保持类型定义与 React Query 核心 API 的一致性
通过遵循这些实践,可以确保代码在各种 TypeScript 配置下都能保持类型安全,同时充分利用 React Query 提供的强大功能。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00