Yup项目中泛型数组返回类型推断问题的解决方案
2025-05-08 10:59:08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
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~0370Hunyuan3D-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++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-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
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
205
2.19 K

暂无简介
Dart
514
115

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
62
95

🎉 (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
976
575

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

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++
550
86

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
28