Go语言ProtoBuf验证器编译器 - 简洁高效的协议缓冲区验证解决方案
在软件开发中,数据验证是不可或缺的一环,尤其在处理RPC通信和序列化时更是如此。为此,我们向您推荐一个强大的开源项目——Golang ProtoBuf Validator Compiler。这是一个为你的Go语言protobuf结构体自动生成Validate() error函数的protoc插件,基于字段选项在.proto文件中定义验证规则,无需依赖反射进行深度消息检查,从而提供更好的性能。
项目介绍
Golang ProtoBuf Validator Compiler允许您在.proto文件中直接定义数据验证规则,并生成相应的Go代码,这些代码将帮助您执行高效且易于理解的验证操作。它支持Go 1.11至1.13版本,以及Protobuf、Go Protobuf和Gogo Protobuf的特定版本。此外,该项目还带回了proto3中缺失的required关键字,以确保必需字段的存在性。
技术分析
项目的核心在于使用protobuf的字段选项来指定验证规则,如范围限制、正则表达式等。通过protoc-gen-govalidators插件,这些规则被编译成易于阅读和使用的Go代码。当进行验证时,如果数据不符合规则,将会返回具体的错误信息。
例如,以下是一个.proto文件片段:
message InnerMessage {
int32 some_integer = 1 [(validator.field) = {int_gt: 0, int_lt: 100}];
double some_float = 2 [(validator.field) = {float_gte: 0, float_lte: 1}];
}
这将生成如下的Go代码:
func (this *InnerMessage) Validate() error {
...
if !(this.SomeInteger > 0) {
return fmt.Errorf("validation error: InnerMessage.SomeInteger must be greater than '0'")
}
if !(this.SomeInteger < 100) {
return fmt.Errorf("validation error: InnerMessage.SomeInteger must be less than '100'")
}
...
}
这种设计使得验证逻辑清晰易读,错误信息也具有可读性。
应用场景
- 在微服务架构中,用于验证跨服务之间的数据交互。
- 当你需要序列化和反序列化的高效验证时。
- 在构建API接口或Web服务时,确保输入的有效性。
- 对于任何需要在Go中处理protobuf协议且关注数据验证的场景。
项目特点
- 效率提升:代码生成的验证方法避免了反射带来的性能损失。
- 约定优于配置:在
.proto文件中定义验证规则,使合约更加明确。 - 清晰的错误信息:错误信息与原始定义一致,便于调试和问题定位。
- 支持
proto3 required:利用msg_exists选项,实现对必需字段的检查。 - 良好的兼容性:支持多种Go和protobuf库的版本组合。
安装并使用这个项目非常简单,只需添加到$PATH,然后使用protoc-gen-govalidators插件生成验证代码。现在就尝试将Golang ProtoBuf Validator Compiler加入到您的项目中,体验优雅的数据验证吧!
请参考项目GitHub页面了解更多详细信息和示例:https://github.com/mwitkow/go-proto-validators
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