Valibot 自定义验证器参数配置指南
2025-05-30 00:43:29作者:伍霜盼Ellen
概述
Valibot 是一个强大的 TypeScript 验证库,它允许开发者创建自定义验证器来满足特定的验证需求。本文将详细介绍如何正确配置自定义验证器的参数,特别是 expects 属性和 actionIssue 方法的用法。
自定义验证器结构
在 Valibot 中,自定义验证器需要返回一个符合 BaseValidation 接口的对象。这个对象包含几个关键属性:
async: 布尔值,指示验证器是否异步message: 验证失败时的默认错误信息expects: 描述验证器期望的输入类型_parse: 包含实际验证逻辑的方法
expects 属性详解
expects 属性用于描述验证器期望接收的输入类型。虽然可以设置为 null,但最佳实践是提供有意义的类型描述:
expects: "UUID string with sequence"
这样当验证失败时,错误信息会更加清晰,帮助开发者快速定位问题。
actionIssue 方法参数
actionIssue 是 Valibot 提供的用于创建验证错误的方法。最新版本要求传入4-5个参数:
- 验证器上下文 (
this) - 验证器函数本身
- 被验证的值
- 期望的类型描述
- (可选) 自定义错误信息
正确用法示例:
return actionIssue(this, validateUuidWithSequence, value, 'UUID');
验证器实现示例
以下是一个完整的 UUID 验证器实现:
import * as v from 'valibot';
function validateUuidWithSequence(): v.BaseValidation<string> {
return {
async: false,
message: 'Invalid UUID with sequence',
expects: 'UUID string with sequence',
_parse(value: string) {
if (value.length < 36) {
return v.actionIssue(this, validateUuidWithSequence, value, 'UUID');
}
return v.actionOutput(value);
},
};
}
替代方案:使用 custom() 方法
对于简单的验证需求,Valibot 提供了 custom() 方法来简化自定义验证器的创建:
const uuidValidator = v.string([
v.custom((value) => value.length >= 36, 'Invalid UUID')
]);
这种方式的优点是简洁,但缺点是错误信息较为单一,不如完整自定义验证器灵活。
最佳实践建议
- 对于复杂验证逻辑,推荐使用完整自定义验证器
- 始终为
expects提供有意义的描述 - 确保
actionIssue参数完整 - 简单验证可使用
custom()方法简化代码 - 保持验证逻辑的原子性,每个验证器只关注一个方面
通过遵循这些指导原则,您可以充分利用 Valibot 的强大功能,构建健壮且易于维护的数据验证逻辑。
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
24
9
Ascend Extension for PyTorch
Python
222
245
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
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217