FluentValidation中自定义验证器的消息定制技巧
2025-05-25 20:13:32作者:郁楠烈Hubert
理解自定义验证器的消息传递需求
在使用FluentValidation进行数据验证时,开发者经常会遇到需要自定义验证逻辑的情况。一个典型场景是:当验证涉及多个字段的复杂计算时,不仅需要返回验证结果,还需要在错误消息中显示计算过程的中间值。
问题场景分析
考虑这样一个实际案例:需要验证三个字符串字段(HIF、OSI、COC)的总字符数不超过特定限制(160个字符)。这个验证逻辑包含以下特点:
- 每个非空字段都会增加其长度加4的基础值
- 对于HIF和OSI字段,长度超过65和130时会有额外加成
- 需要知道验证失败时的实际总字符数
解决方案:使用Custom而非Must
FluentValidation提供了两种自定义验证方式:Must和Custom。对于需要传递额外验证信息的场景,Custom是更合适的选择,原因如下:
- 完整的消息控制权:
Custom方法允许完全自定义错误消息内容 - 上下文访问:可以访问验证上下文,获取更多验证信息
- 灵活的消息构造:可以在消息中包含计算过程的中间结果
实现代码示例
RuleFor(x => new { x.HIF, x.OSI, x.COC })
.Custom((x, context) =>
{
const int maxlength = 160;
int tot_length = 0;
if (!string.IsNullOrEmpty(x.HIF))
{
tot_length += x.HIF.Length + 4;
if (x.HIF.Length > 65) tot_length += 1;
if (x.HIF.Length > 130) tot_length += 1;
}
if (!string.IsNullOrEmpty(x.OSI))
{
tot_length += x.OSI.Length + 4;
if (x.OSI.Length > 65) tot_length += 1;
if (x.OSI.Length > 130) tot_length += 1;
}
if (!string.IsNullOrEmpty(x.COC))
tot_length += x.COC.Length + 4;
if (tot_length > maxlength)
{
context.AddFailure(
name: $"{nameof(x.HIF)},{nameof(x.OSI)},{nameof(x.COC)}",
error: $"总字符数({tot_length})超过了最大限制({maxlength})"
);
}
});
技术要点解析
- Custom方法签名:接收两个参数 - 要验证的值和验证上下文
- 验证失败处理:通过
context.AddFailure添加自定义错误 - 消息格式化:在错误消息中直接包含计算得出的总字符数
- 字段命名:保持了原始规则中的字段命名方式
最佳实践建议
- 对于简单验证逻辑,使用
Must即可 - 当需要显示验证过程中的计算值时,优先选择
Custom - 错误消息应当清晰说明问题原因和具体数值
- 复杂的验证逻辑可以提取到单独的方法中保持代码整洁
总结
FluentValidation的Custom验证器为复杂验证场景提供了强大的灵活性,特别是当需要向最终用户展示验证过程中的计算细节时。通过合理利用验证上下文和自定义错误消息,可以显著提升验证失败时的用户体验和问题排查效率。
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
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
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220