Valibot 库中实现运行时自定义错误消息的最佳实践
2025-05-30 09:13:39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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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