Valibot 中的多值验证:values 和 notValues 的实现与应用
Valibot 是一个强大的 TypeScript 数据验证库,最近在 1.0.0-rc.1 版本中新增了 values 和 notValues 验证器,为开发者提供了更灵活的数据验证能力。本文将深入探讨这一新特性的实现原理和使用场景。
多值验证的需求背景
在实际开发中,我们经常需要验证一个值是否属于一组允许的值(白名单),或者不属于一组禁止的值(黑名单)。虽然 Valibot 之前提供了 .value 和 .notValue 验证器,但它们只能处理单个值的情况,对于多值验证需要开发者自行实现,通常通过以下方式:
- 使用多个
.value或.notValue验证器组合 - 编写自定义的
.check验证逻辑 - 使用正则表达式
.regex验证
这些方法虽然可行,但不够直观且代码冗余。新增的 values 和 notValues 验证器正是为了解决这一问题。
新验证器的特性解析
values 验证器
values 验证器用于确保输入值存在于指定的值列表中,相当于白名单验证。其基本用法如下:
v.pipe(
v.string(),
v.values(['admin', 'editor', 'viewer'], '角色必须是预定义值之一')
);
notValues 验证器
notValues 验证器则相反,确保输入值不在指定的值列表中,相当于黑名单验证。例如:
v.pipe(
v.number(),
v.notValues([0, 8080, 3000], '端口号不能是保留端口')
);
技术实现细节
从实现角度看,这两个验证器底层都是基于数组的 includes 方法进行判断:
values验证器:allowedValues.includes(input)notValues验证器:!disallowedValues.includes(input)
这种实现方式简洁高效,同时保持了与 JavaScript 原生方法的一致性。
特殊值的处理
值得注意的是,这两个验证器对特殊值的处理遵循 JavaScript 的严格相等比较(===)规则:
NaN的处理:由于NaN === NaN在 JavaScript 中总是返回 false,因此values和notValues无法直接用于NaN的验证。对于这种情况,仍然需要使用专门的.check验证器:
v.check(i => !Number.isNaN(i), '必须是一个有效数字')
- 对象和数组的比较:由于对象和数组是通过引用比较的,这两个验证器不适合用于复杂对象的验证。
实际应用场景
表单输入验证
在处理表单输入时,我们经常需要验证用户输入是否符合预定义的选项:
const roleSchema = v.pipe(
v.string(),
v.values(['admin', 'editor', 'viewer'], '无效的角色类型')
);
API 参数验证
在 API 开发中,可以用 notValues 验证器来防止使用保留值:
const portSchema = v.pipe(
v.number(),
v.notValues([0, 80, 443], '不能使用系统保留端口')
);
类型安全的替代方案
Valibot 还提供了类型更安全的替代方案,如 picklist 或 literal 与 union 的组合:
const roleSchema = v.union([
v.literal('admin'),
v.literal('editor'),
v.literal('viewer')
]);
这种方法能提供更精确的 TypeScript 类型推断,适合在类型安全要求高的场景使用。
最佳实践建议
- 对于简单的值列表验证,优先使用
values和notValues,它们语法简洁,易于理解 - 当需要精确的类型推断时,考虑使用
picklist或literal组合 - 对于
NaN等特殊值的验证,使用专门的.check验证器 - 在处理用户输入时,考虑将字符串输入转换为目标类型后再验证
总结
Valibot 新增的 values 和 notValues 验证器为开发者提供了更便捷的多值验证方式,简化了常见验证场景的代码编写。理解这些验证器的特性和适用场景,能够帮助开发者构建更健壮、更易维护的数据验证逻辑。在实际项目中,应根据具体需求选择合适的验证策略,平衡代码简洁性和类型安全性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00