Zod项目中如何自定义联合类型校验的错误信息
2025-05-03 12:34:28作者:齐添朝
在Zod这个TypeScript校验库中,discriminatedUnion是一个非常有用的功能,它允许开发者基于一个判别字段(discriminator)来区分不同的对象类型。然而,默认的错误信息可能不够详细,本文将深入探讨如何优化这些错误提示。
默认错误信息的局限性
当使用discriminatedUnion校验失败时,Zod默认会返回类似这样的错误:
Invalid discriminator value. Expected 'apple' | 'orange'
这个错误虽然指出了期望的值,但没有显示实际接收到的无效值。对于开发者调试来说,知道具体接收了什么错误值会非常有帮助。
安全考虑与设计哲学
Zod的维护者明确指出,默认错误信息不包含输入数据是出于安全考虑。在Web应用中,错误信息有时会被暴露给终端用户或记录在日志中,包含输入数据可能导致敏感信息泄露。
自定义错误信息的解决方案
方法一:使用errorMap选项
Zod提供了errorMap选项,允许开发者完全控制错误信息的生成方式:
const schema = z.discriminatedUnion('type', [
z.object({ type: z.literal('apple') }),
z.object({ type: z.literal('orange') }),
], {
errorMap: (issue, ctx) => ({
message: issue.code === 'invalid_union_discriminator'
? `无效的判别值。期望 ${issue.options.map(opt => `'${String(opt)}'`).join(' | ')},实际得到 '${ctx.data.type}'`
: ctx.defaultError
}),
});
方法二:使用zod_utilz工具库
对于更简洁的写法,可以使用zod_utilz库提供的辅助函数:
import { zu } from 'zod_utilz';
const schema = z.discriminatedUnion('type', [
z.object({ type: z.literal('apple') }),
z.object({ type: z.literal('orange') }),
], {
errorMap: zu.makeErrorMap({
invalid_union_discriminator: ctx =>
`无效的判别值。期望 'apple' | 'orange',实际得到 '${ctx.data.type}'`
}),
});
开发环境与生产环境的差异化处理
虽然文中没有直接讨论,但在实际项目中,开发者可以考虑根据环境变量来切换错误信息的详细程度:
errorMap: process.env.NODE_ENV === 'production'
? undefined
: (issue, ctx) => ({ /* 详细错误信息 */ })
这种做法既保证了生产环境的安全性,又能在开发阶段提供充分的调试信息。
总结
Zod提供了灵活的机制来自定义校验错误信息,特别是对于discriminatedUnion这样的复杂类型。通过合理使用errorMap选项,开发者可以在安全性和调试便利性之间找到平衡点。理解Zod的设计哲学有助于我们更好地利用这个强大的校验库来构建健壮的TypeScript应用。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868