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
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 StartedRust0155- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.76 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude 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 Started
Rust
1.25 K
153
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
1.1 K
611
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++
1.01 K
1.01 K
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
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
987
253