Valibot 库中实现运行时自定义错误消息的最佳实践
2025-05-30 21:26:03作者:乔或婵
在表单验证和数据校验场景中,开发者经常需要根据运行时数据动态生成错误提示信息。Valibot 作为一款类型安全的 TypeScript 验证库,提供了多种灵活的方式来实现这一需求。
基础方案:函数式错误消息
最简单的动态消息生成方式是通过函数参数传递:
const Schema = v.string((issue) => `预期类型: ${issue.expected}`);
这种方式适用于简单的类型校验场景,但当错误消息需要基于复杂验证逻辑时,就会显得力不从心。
进阶方案:check 与 refine 结合
对于需要基于验证上下文生成消息的情况,Valibot 提供了更强大的组合方案:
const Schema = v.pipe(
v.string(),
v.check(
([c1, c2, c3]) => c1 !== 'f' || c2 == c3,
({ input: [c1, c2, c3] }) =>
`首字母为"${c1}"时,后续两个字符"${c2}"和"${c3}"必须相同`
)
);
这种模式将验证逻辑和消息生成紧密耦合,避免了重复代码,同时保持了良好的可读性。
高级方案:rawCheck 完全控制
对于最复杂的验证场景,Valibot 提供了底层的 rawCheck API:
const schema = v.pipe(v.string(), v.rawCheck(({ dataset, addIssue }) => {
if (dataset.typed) {
const [c1, c2, c3] = dataset.value
if (c1 === "f" && c2 !== c3) {
addIssue({
message: `首字母为"${c1}"时,第二和第三个字符"${c2}"与"${c3}"应当相同`
})
}
}
}))
rawCheck 提供了对验证流程的完全控制,包括:
- 访问原始输入数据
- 手动添加验证问题
- 处理类型化/非类型化数据场景
设计原理与最佳实践
Valibot 采用分层设计理念,从简单到复杂提供了不同层级的 API:
- 声明式验证:适合简单场景,使用预设错误消息
- 函数式消息:适合需要简单动态消息的场景
- check + 消息生成器:适合中等复杂度的条件验证
- rawCheck:适合需要完全控制验证流程的复杂场景
在实际项目中,建议根据场景复杂度选择合适的方案。对于表单验证等常见场景,check 组合方案通常是最佳选择;而对于需要处理多种边界条件的核心业务验证,则可以考虑使用 rawCheck。
Valibot 的这种设计既保证了简单场景的易用性,又为复杂场景提供了足够的灵活性,是 TypeScript 生态中数据验证的优秀解决方案。
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
Ascend Extension for PyTorch
Python
229
259
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
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
661