FluentValidation中实现基于验证上下文的动态错误消息
2025-05-25 22:39:31作者:江焘钦
理解问题场景
在使用FluentValidation进行数据验证时,开发者经常会遇到需要根据验证上下文动态生成错误消息的需求。标准API提供的WithMessage方法虽然能满足大部分场景,但在某些特殊情况下,我们可能需要访问完整的验证上下文(ValidationContext)来构造更复杂的错误消息。
解决方案分析
FluentValidation的内部API实际上已经支持这一功能,只是没有直接暴露在公共API中。我们可以通过创建一个简单的扩展方法来公开这个功能:
public static class ValidationExtensions
{
public static IRuleBuilderOptions<T, TProperty> WithContextMessage<T, TProperty>(
this IRuleBuilderOptions<T, TProperty> rule,
Func<ValidationContext<T>, TProperty, string> messageProvider)
{
DefaultValidatorOptions.Configurable(rule).Current.SetErrorMessage(messageProvider);
return rule;
}
}
技术实现详解
这个扩展方法的工作原理是:
- 它接收一个委托
messageProvider,该委托可以访问验证上下文和属性值 - 通过
DefaultValidatorOptions.Configurable方法获取规则配置 - 使用
SetErrorMessage方法设置自定义消息提供程序
实际应用示例
假设我们需要在错误消息中包含来自验证上下文的自定义数据:
public class PersonValidator : AbstractValidator<Person>
{
public PersonValidator()
{
RuleFor(x => x.Name)
.NotEmpty()
.WithContextMessage((context, value) =>
$"名称不能为空 (请求ID: {context.RootContextData["RequestId"]})");
}
}
最佳实践建议
-
谨慎使用:只在真正需要访问验证上下文时才使用此方法,简单的静态消息优先使用标准
WithMessage -
性能考虑:动态生成消息会有轻微性能开销,在高性能场景需注意
-
代码组织:建议将此类扩展方法集中放在项目的基础设施层
-
命名规范:如示例所示,使用
WithContextMessage等明确的方法名有助于代码可读性
技术背景延伸
FluentValidation的设计哲学是保持核心API简洁,同时通过扩展点支持高级场景。这种设计模式在许多优秀的.NET库中都很常见,它平衡了易用性和灵活性。理解这种设计模式有助于我们更好地扩展和使用各种.NET库。
通过这种扩展方式,我们既保持了FluentValidation简洁的API设计,又能满足特定场景下的复杂需求,体现了良好的软件设计原则。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
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++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
685
1.35 K
Ascend Extension for PyTorch
Python
721
892
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
446
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
619
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
254