Yup 库中如何扩展 Schema 方法并处理文件类型验证
2025-05-08 12:07:58作者:伍霜盼Ellen
在 Yup 这个流行的 JavaScript 数据验证库中,开发者经常需要扩展内置的 Schema 方法来满足特定的验证需求。本文将通过一个实际案例,详细介绍如何为 Yup 的 MixedSchema 添加自定义验证方法,特别是针对文件大小验证的场景。
扩展 Yup Schema 方法
Yup 提供了灵活的扩展机制,允许开发者通过 addMethod 函数为各种 Schema 类型添加自定义验证方法。基本扩展模式如下:
- 首先需要声明模块扩展,为特定 Schema 类型添加方法签名
- 然后使用
addMethod实现具体的验证逻辑
declare module "yup" {
interface MixedSchema {
maxMBSize(mb: number): MixedSchema;
}
}
文件大小验证的实现
在文件上传场景中,经常需要验证文件大小是否超过限制。我们可以通过扩展 MixedSchema 来实现这一功能:
yup.addMethod<yup.MixedSchema>(yup.mixed, "maxMBSize", function (mb: number) {
return this.test({
name: "maxMBSize",
message: ({ label }) => `文件 ${label} 的总大小必须小于 ${mb}MB`,
test: (value) => {
if (!(value instanceof FileList)) return false;
const files = Array.from(value);
const totalSize = files.reduce((size, file) => size + file.size, 0);
return totalSize < mb * 1024 * 1024;
}
});
});
类型安全处理
在 TypeScript 环境下,我们需要特别注意类型安全问题。原始代码中直接使用 FileList 类型会导致类型不匹配错误,因为 Yup 的测试函数接收的是 AnyPresentValue | undefined 类型。正确的做法是:
- 在测试函数内部进行类型检查
- 处理可能的 undefined 情况
- 确保返回值是布尔类型
实际应用示例
扩展后的方法可以这样使用:
const schema = yup.object({
avatar: yup.mixed().maxMBSize(2).required()
});
// 验证文件输入
const fileInput = document.querySelector('input[type="file"]');
const isValid = await schema.validate({ avatar: fileInput.files });
注意事项
- 确保在使用前正确声明了模块扩展
- 考虑浏览器兼容性,FileList 在较老浏览器中可能不可用
- 对于大文件计算,注意性能影响
- 错误消息可以进一步定制化以满足不同场景需求
通过这种方式扩展 Yup 的验证功能,开发者可以轻松实现各种复杂的业务验证需求,同时保持代码的类型安全和可维护性。
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
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
677
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
660
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
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
1.03 K
492
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
342
146