TypeBox 库中的模式验证与自定义约束实现
2025-06-07 20:33:34作者:咎竹峻Karen
TypeBox 是一个强大的 TypeScript 模式验证库,它提供了灵活的类型定义和验证功能。本文将深入探讨如何在 TypeBox 中实现类似 Zod 库中的 refine 功能,以及如何优雅地处理验证过程中的错误。
基础验证与解析
TypeBox 提供了基本的模式验证功能。我们可以通过 TypeCompiler.Compile() 方法创建一个类型检查器,然后使用它来验证数据:
import { Type, TypeCompiler } from '@sinclair/typebox'
const schema = Type.Object({
name: Type.String(),
age: Type.Number()
})
const checker = TypeCompiler.Compile(schema)
const errors = [...checker.Errors(data)]
实现自定义约束
虽然 TypeBox 本身没有直接提供 refine 功能,但我们可以通过组合 Transform 和 Decode 来实现类似效果:
import { Type, TTransform } from '@sinclair/typebox'
import { Value } from '@sinclair/typebox/value'
function Refine<T extends TSchema>(
schema: T,
refine: (value: StaticEncode<T>) => boolean,
options: { message?: string } = {}
): TTransform<T, StaticEncode<T>> {
const Throw = (): never => { throw new Error(options.message ?? '验证失败') }
const Assert = (value: StaticEncode<T>): StaticEncode<T> =>
refine(value) ? value : Throw()
return Type.Transform(schema)
.Decode(value => Assert(value))
.Encode(value => Assert(value))
}
完整的解析流程
为了实现完整的解析流程,包括默认值设置、类型转换和清理,我们可以创建一个 Parse 函数:
function Parse<T extends TSchema>(schema: T, value: unknown): StaticDecode<T> {
const defaulted = Value.Default(schema, value)
const converted = Value.Convert(schema, defaulted)
const cleaned = Value.Clean(schema, converted)
return Value.Decode(schema, cleaned)
}
错误处理与收集
在表单验证等场景中,我们通常需要收集所有验证错误而不仅仅是第一个错误。TypeBox 提供了错误收集功能:
class ParseError extends Error {
constructor(public readonly errors: ValueError[]) {
super()
}
}
function SafeParse<T extends TSchema>(schema: T, value: unknown) {
try {
return { success: true, data: Parse(schema, value) }
} catch(error) {
if (error instanceof ParseError) {
return { success: false, errors: error.errors }
}
throw error
}
}
未来发展方向
TypeBox 正在考虑原生支持 refine 功能,可能会采用链式调用的设计:
const T = Type.Refine(Type.Number())
.Check(value => value >= 0, '值必须大于0')
.Check(value => value < 255, '值必须小于255')
.Done()
这种设计既保持了代码的可读性,又支持多个约束条件的组合。
实际应用建议
在实际应用中,特别是表单验证场景,建议:
- 尽可能使用 TypeBox 内置的约束(如 maxLength、minimum 等)
- 对于复杂约束,合理使用 refine 功能
- 设计友好的错误信息展示机制
- 考虑性能因素,避免在 refine 函数中执行昂贵操作
TypeBox 提供了强大的模式验证基础,通过合理的扩展和组合,可以满足各种复杂的验证需求。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
658
4.26 K
Ascend Extension for PyTorch
Python
503
607
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++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
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
390
285
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (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
1.54 K
892
昇腾LLM分布式训练框架
Python
142
168