在json-schema-to-typescript中处理枚举类型引用
2025-06-26 13:35:19作者:冯梦姬Eddie
在使用json-schema-to-typescript工具时,开发者经常需要处理枚举类型的引用问题。特别是在定义区分联合类型(discriminated unions)时,如何优雅地引用枚举值是一个常见需求。
枚举类型的基本定义
在JSON Schema中,我们可以通过enum关键字定义枚举类型。例如:
{
"definitions": {
"options": {
"type": "string",
"enum": ["square", "circle"],
"tsEnumNames": ["Square", "Circle"]
}
}
}
这会被转换为TypeScript中的枚举类型:
export enum Options {
Square = "square",
Circle = "circle"
}
引用特定枚举值的问题
当我们需要在区分联合类型中引用特定的枚举值时,直接引用可能会遇到困难。例如,我们想要实现这样的TypeScript类型:
export type OptionRestrictions =
| { option: Options.Square; length: number }
| { option: Options.Circle; radius: number };
解决方案:独立定义每个枚举项
为了实现这一目标,我们可以采用以下JSON Schema结构:
- 首先为每个枚举值创建独立的定义
- 然后使用
oneOf组合这些定义
具体实现如下:
{
"definitions": {
"circle": {
"type": "string",
"enum": ["circle"]
},
"square": {
"type": "string",
"enum": ["square"]
},
"shape": {
"oneOf": [
{ "$ref": "#/definitions/circle" },
{ "$ref": "#/definitions/square" }
]
}
}
}
这种结构会被转换为:
export type Shape = Circle | Square;
export type Circle = "circle";
export type Square = "square";
实际应用示例
在实际应用中,我们可以这样使用这种模式:
{
"title": "ShapeProperties",
"oneOf": [
{
"type": "object",
"properties": {
"shape": { "$ref": "#/definitions/circle" },
"radius": { "type": "number" }
},
"required": ["shape", "radius"]
},
{
"type": "object",
"properties": {
"shape": { "$ref": "#/definitions/square" },
"length": { "type": "number" }
},
"required": ["shape", "length"]
}
],
"definitions": {
"circle": {
"type": "string",
"enum": ["circle"]
},
"square": {
"type": "string",
"enum": ["square"]
}
}
}
这将生成精确的类型定义,确保每个形状都有其特定的属性要求。
最佳实践建议
- 保持定义独立:为每个枚举值创建单独的定义,这样可以更灵活地引用它们
- 使用语义化名称:给定义起有意义的名称,提高Schema的可读性
- 明确required字段:在对象定义中明确哪些字段是必需的
- 考虑扩展性:这种模式易于扩展,添加新的形状类型时只需添加新的定义和oneOf项
通过这种方式,我们可以充分利用json-schema-to-typescript的能力,生成精确且类型安全的TypeScript定义,同时保持JSON Schema的可维护性和可扩展性。
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
422
3.25 K
Ascend Extension for PyTorch
Python
230
261
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++
689
331
暂无简介
Dart
686
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869