Yup项目中泛型数组返回类型推断问题的解决方案
2025-05-08 20:17:31作者:卓艾滢Kingsley
在使用Yup进行表单验证时,开发者经常会遇到需要处理分页数据集合的情况。为了保持代码的DRY原则(Don't Repeat Yourself),通常会创建一个通用的分页Schema生成函数。然而,在使用TypeScript和Yup结合时,可能会遇到一个关于泛型数组返回类型推断的特定问题。
问题背景
当开发者尝试创建一个通用的分页Schema生成函数时,通常会这样定义:
const getPaginatedSchema = <T extends AnyObjectSchema>(entitySchema: T) => object({
count: number().required(),
items: array(entitySchema).required(),
pagination: object({
skip: number().min(0).integer().required(),
limit: number().positive().integer().required(),
}),
});
理想情况下,我们希望items字段的类型能够正确推断为T[],即传入的实体Schema类型的数组。然而实际上,TypeScript会将其推断为any[],这显然不是我们想要的结果。
问题分析
这个问题特别出现在同时满足以下两个条件时:
- 使用了泛型参数
T - 将泛型参数用于
array()方法中
有趣的是,如果单独使用泛型参数而不包裹在array()中,或者使用非泛型的简单类型(如number()),类型推断都能正常工作。
解决方案
根据Yup项目维护者的建议,可以通过显式指定array()方法的类型参数来解决这个问题:
items: array<any, InferType<T>>(entitySchema).required()
这里使用了两个类型参数:
- 第一个
any参数表示数组的原始类型 - 第二个
InferType<T>参数表示推断后的类型
深入理解
这种解决方案背后的原理是帮助TypeScript更好地理解类型关系。InferType是Yup提供的一个实用类型,用于从Schema类型推断出最终的TypeScript类型。通过显式指定这些类型参数,我们绕过了TypeScript的类型推断机制在某些复杂泛型情况下的局限性。
最佳实践
对于需要处理分页数据的Yup Schema,推荐以下实现方式:
import { array, number, object, InferType } from 'yup';
const getPaginatedSchema = <T extends AnyObjectSchema>(entitySchema: T) =>
object({
count: number().required(),
items: array<any, InferType<T>>(entitySchema).required(),
pagination: object({
skip: number().min(0).integer().required(),
limit: number().positive().integer().required(),
}),
});
type PaginatedSchema<T extends AnyObjectSchema> = InferType<ReturnType<typeof getPaginatedSchema<T>>>;
这种方式不仅解决了类型推断问题,还保持了代码的通用性和类型安全性。
总结
在使用Yup创建复杂的泛型Schema时,可能会遇到类型推断不准确的情况。通过显式指定类型参数,特别是对于array()这样的方法,可以确保类型系统正确理解我们的意图。这虽然增加了一点代码量,但换来了更好的类型安全性和开发体验。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
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
336
178
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++
886
596
Ascend Extension for PyTorch
Python
340
404
暂无简介
Dart
771
191
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
12
1
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
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355