ActiveValidators 技术文档
2024-12-23 14:41:35作者:咎岭娴Homer
1. 安装指南
在安装ActiveValidators之前,请确保您的项目满足以下要求:
- Rails 5.1 或更高版本
- Ruby 2.4 或更高版本
安装ActiveValidators的方法如下:
gem install activevalidators
如果您使用Bundler,可以使用稳定版本指定符~>安全地指定ActiveValidators版本。例如:
gem 'activevalidators', '~> 5.1.0'
安装后,您需要在项目中激活所需的验证器。激活方法如下:
# 激活所有验证器
ActiveValidators.activate(:all)
# 仅激活email和slug验证器
ActiveValidators.activate(:email, :slug)
# 仅激活phone验证器
ActiveValidators.activate(:phone)
激活语句可以多次调用。它只是 atop Ruby require的语法糖。
在标准的Ruby on Rails应用程序中,此行可以放在初始化文件(例如config/initializers/active_validators_activation.rb)中,或者直接在config/application.rb文件中的MyApp::Application类定义内部。
2. 项目的使用说明
ActiveValidators为您的模型提供了新的验证器,如email或url。以下是如何在模型中使用它们的示例:
class User < ActiveRecord::Base
validates :company_siren, :siren => true
validates :email_address, :email => true # == :email => { :strict => false }
validates :link_url, :url => true # 可以与 `allow_blank: true` 结合使用
validates :password, :password => { :strength => :medium }
validates :postal_code, :postal_code => { :country => :us }
validates :twitter, :twitter => true
validates :twitter_at, :twitter => { :format => :username_with_at }
validates :twitter_url, :twitter => { :format => :url }
validates :user_phone, :phone => true
end
ActiveValidators支持的验证器和它们的实现包括:
barcode:基于已知格式(目前仅支持:ean13)credit_card:基于credit_card_validationsgemdate:基于date_validatorgememail:基于mailgemhex_color:基于正则表达式ip:基于Resolv::IPv[4|6]::Regexnino:英国国家保险号(仅限英国)password:基于一组正则表达式phone:基于一组预定义的掩码postal_code:基于一组预定义的掩码regexp:使用Ruby的Regexp.compile方法respond_to:通用的Rubyrespond_tosiren:法国公司编号SIRENslug:基于ActiveSupport::String#parameterizesin:加拿大社会保险号(仅限加拿大)ssn:美国社会保险号(仅限美国)tracking_number:基于一组预定义的掩码twitter:基于正则表达式url:基于正则表达式
3. 项目API使用文档
ActiveValidators提供的验证器可以直接在ActiveRecord模型中使用。每个验证器都有其特定的参数和选项。下面列出了一些验证器的使用方法:
validates :email_address, :email => truevalidates :link_url, :url => truevalidates :password, :password => { :strength => :medium }validates :postal_code, :postal_code => { :country => :us }validates :twitter, :twitter => truevalidates :user_phone, :phone => true
详细的验证器列表和选项请参考项目的GitHub页面和wiki。
4. 项目安装方式
ActiveValidators可以通过Ruby的gem包管理器安装。确保您的环境满足上述要求后,运行以下命令:
gem install activevalidators
如果使用Bundler,可以在您的Gemfile中添加以下代码:
gem 'activevalidators', '~> 5.1.0'
然后执行bundle install命令进行安装。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust060
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
热门内容推荐
最新内容推荐
Paperless-ngx 扫描没反应? 带你手撕 Celery 任务队列架构漏洞库又更新了!Shannon 自动化审计 CVE-2024-41242 修复免费版 Shannon Lite 够用吗?对比 Pro 版的 5 大差异扫描万份文档后,我把无纸化-ngx压测到了极限深度解析源码:如何构建千万级代码知识库?日期过滤故障?Paperless-ngx 搜索筛选器异常排错深度定制:如何给Paperless-ngx增加一个国产发票识别模块连不上 Temporal?Shannon 本地环境的 3 个网络诊断秘诀3分钟内搞定Paperless-ngx部署:无意官方文档里没讲的5个坑拒绝“大杂烩”存储!深度解析 Paperless-ngx 动态路径重构逻辑
项目优选
收起
暂无描述
Dockerfile
686
4.43 K
Ascend Extension for PyTorch
Python
536
656
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
342
60
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
403
314
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++
952
910
Oohos_react_native
React Native鸿蒙化仓库
C++
336
385
🎉 (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
1.58 K
920
暂无简介
Dart
933
232
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
135
216
昇腾LLM分布式训练框架
Python
145
171