TypeFest项目中CamelCasedPropertiesDeep对Tagged类型的处理问题分析
在TypeScript类型编程中,TypeFest是一个非常实用的工具库,提供了各种类型转换工具。其中CamelCasedPropertiesDeep
是一个常用的深度转换工具类型,可以将对象的所有属性名转换为驼峰命名法。然而,在实际使用中发现它对Tagged
类型的处理存在一些问题。
问题现象
当使用CamelCasedPropertiesDeep
处理包含Tagged
类型的对象时,会出现类型信息丢失的情况。例如,定义一个使用Tagged
标记的UUID类型:
type UUID = Tagged<string, "UUID">;
type User = {
user_id: UUID;
}
type Article = {
name: string;
view_count: number;
author: User;
}
使用CamelCasedPropertiesDeep<Article>
转换后,期望得到的类型应该保留UUID的标记信息,但实际上转换后的类型中UUID被还原为了普通的string类型。
问题原因分析
Tagged
类型是TypeScript中一种常见的标记类型模式,用于为基本类型添加额外的类型信息。当前的CamelCasedPropertiesDeep
实现没有专门处理Tagged
类型的情况,导致在深度转换过程中丢失了这些标记信息。
解决方案
要解决这个问题,需要在CamelCasedPropertiesDeep
的类型定义中添加对Tagged
类型的特殊处理。具体来说,当遇到Tagged
类型时,应该直接返回原类型而不进行转换。
改进后的实现方案如下:
export type CamelCasedPropertiesDeep<
Value,
Options extends CamelCaseOptions = {preserveConsecutiveUppercase: true},
> = Value extends Function
? Value
: Value extends UnknownArray
? CamelCasedPropertiesArrayDeep<Value>
: Value extends Set<infer U>
? Set<CamelCasedPropertiesDeep<U, Options>>
: Value extends Tag<any, any>
? Value
: {
[K in keyof Value as CamelCase<K, Options>]: CamelCasedPropertiesDeep<
Value[K],
Options
>;
};
这个改进方案在原有逻辑的基础上增加了一个条件分支,专门检查Tagged
类型。当检测到输入类型是Tagged
类型时,直接返回原类型,从而保留了所有的标记信息。
实际应用意义
这种改进对于实际项目开发非常重要,特别是在以下场景:
- 领域驱动设计(DDD)中,经常使用标记类型来表示领域概念
- 需要区分语义的类型系统中,如区分普通字符串和UUID、Email等特定格式的字符串
- 需要保持类型安全性的深度对象转换场景
通过正确处理Tagged
类型,可以确保类型转换过程中不丢失重要的类型信息,从而提高代码的类型安全性。
总结
TypeFest中的CamelCasedPropertiesDeep
类型是一个强大的工具,但在处理标记类型时存在不足。通过增加对Tagged
类型的特殊处理,可以使其在保持原有功能的同时,更好地支持标记类型的使用场景。这个改进体现了TypeScript类型编程中需要考虑各种边界情况的必要性,也展示了如何通过条件类型来实现精细化的类型转换控制。
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~0310Hunyuan3D-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++073Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-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









