Valibot v1.0.0-beta.15版本发布:类型校验库的重大功能升级
2025-06-08 13:43:43作者:何将鹤
Valibot是一个轻量级、高性能的JavaScript/TypeScript类型校验库,它提供了丰富的API来定义和验证数据结构。在最新的v1.0.0-beta.15版本中,Valibot团队带来了两项重要的功能增强,使得类型校验更加灵活和强大。
变体类型(variant)的增强
新版本对variant和variantAsync方法进行了重大改进,现在支持可选判别式(optional discriminators)。这意味着开发者可以更灵活地定义变体类型,处理那些可能不存在的判别字段。
在之前的版本中,变体类型的判别式是必须存在的。现在通过新增的exactOptional、optional和nullish系列方法,开发者可以:
- 使用
exactOptional/exactOptionalAsync定义精确的可选判别式 - 使用
optional/optionalAsync定义宽松的可选判别式 - 使用
nullish/nullishAsync定义可为null或undefined的判别式 
这种改进特别适合处理来自不同数据源的异构数据,比如API响应中可能缺少某些字段的情况。
对象类型的增强
对象类型校验也得到了显著增强,现在支持为缺失的字段提供回退值(fallback)。这一改进影响了以下方法:
looseObject/looseObjectAsyncobject/objectAsyncobjectWithRest/objectWithRestAsyncstrictObject/strictObjectAsync
通过fallback和fallbackAsync方法,开发者可以:
- 为缺失的字段指定默认值
 - 保持数据结构的完整性
 - 避免因为字段缺失导致的校验失败
 
这在处理用户输入或外部API数据时特别有用,可以确保即使某些字段缺失,程序也能继续运行而不会抛出错误。
实际应用示例
假设我们正在处理一个用户数据校验场景:
import { object, string, number, fallback } from 'valibot';
const userSchema = object({
  name: string(),
  age: number(),
  email: fallback(string(), 'unknown@example.com')
});
// 即使email字段缺失,校验也能通过
const validatedUser = userSchema.parse({
  name: 'John',
  age: 30
});
// validatedUser.email将是'unknown@example.com'
对于变体类型的改进,考虑一个处理不同消息类型的场景:
import { variant, string, number, exactOptional } from 'valibot';
const messageSchema = variant('type', [
  exactOptional(string(), 'text'), // type字段可选,默认为'text'
  object({
    content: string()
  }),
  exactOptional(string(), 'image'),
  object({
    url: string(),
    size: number()
  })
]);
// 可以省略type字段,默认为'text'
const textMessage = messageSchema.parse({
  content: 'Hello world'
});
总结
Valibot v1.0.0-beta.15的这些改进使得类型校验更加灵活和实用。可选判别式的支持让变体类型处理更加符合实际开发需求,而字段回退功能则大大增强了对象类型校验的容错能力。这些改进使得Valibot在数据验证场景中更加得心应手,特别是在处理不完全符合预期结构的外部数据时。
对于正在使用Valibot的开发者来说,这些新功能将显著提升开发体验和代码健壮性。建议开发者评估这些新特性如何能够优化现有的数据验证逻辑。
登录后查看全文 
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
274
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
104
132
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++
598
158
暂无简介
Dart
566
126
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
249
14
🎉 (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
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
118
101
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
1.02 K
446