Valibot 中 getDefaults 方法的行为分析与最佳实践
2025-05-29 04:13:07作者:江焘钦
Valibot 是一个用于数据验证和模式定义的 TypeScript 库。最近社区中关于其 getDefaults 方法的行为引发了一些讨论,特别是关于该方法如何处理嵌套可选对象的默认值问题。
getDefaults 方法的基本行为
getDefaults 是 Valibot 提供的一个实用方法,用于获取模式(Schema)中定义的默认值。在简单场景下,它能够很好地工作:
const SimpleSchema = v.object({
name: v.optional(v.string(), '默认名字')
});
console.log(v.getDefaults(SimpleSchema));
// 输出: { name: '默认名字' }
嵌套可选对象的问题
问题出现在处理嵌套的可选对象时。考虑以下模式定义:
const NestedOptionalSchema = v.optional(
v.object({
k1: v.optional(
v.object({
k2: v.optional(v.string(), 'value2')
}),
{}
)
}),
{}
);
当使用 parse 方法解析 undefined 时,会得到完整的默认值结构:
console.log(v.parse(NestedOptionalSchema, undefined));
// 输出: { k1: { k2: 'value2' } }
但 getDefaults 方法却只能返回最外层的默认值:
console.log(v.getDefaults(NestedOptionalSchema));
// 输出: {}
技术原因分析
这种差异行为源于设计上的考量:
- 可选对象的歧义性:对于可选对象,无法确定用户期望返回
undefined还是继续检查内部模式 - 性能考虑:深度遍历所有可能的嵌套结构可能会影响性能
- 明确性:保持方法行为的可预测性和明确性
当前解决方案
目前推荐的解决方案是:
- 避免在可选对象内部再嵌套可选对象,改为使用非可选对象结构
- 如果需要完全默认值,可以使用
parse方法并传入undefined - 对于特殊需求,可以复制并修改
getDefaults的源码实现
// 推荐的模式定义方式
const RecommendedSchema = v.object({
k1: v.object({
k2: v.optional(v.string(), 'value2')
})
});
console.log(v.getDefaults(RecommendedSchema));
// 输出: { k1: { k2: 'value2' } }
未来可能的改进
Valibot 团队正在考虑改进 getDefaults 方法,使其能够:
- 提供配置选项来控制是否深度解析可选对象
- 添加一个新的方法来专门处理深度默认值场景
- 改进文档以更清楚地说明方法的行为边界
最佳实践建议
基于当前实现,建议开发者:
- 尽量在模式设计时就明确默认值结构
- 对于复杂嵌套结构,考虑使用辅助函数来获取完整默认值
- 关注 Valibot 的更新,未来版本可能会提供更灵活的默认值获取方式
理解这些行为差异有助于开发者更有效地使用 Valibot 进行数据验证和默认值管理。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
408
3.15 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
674
160
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++
664
321
🎉 (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
1.21 K
659
React Native鸿蒙化仓库
JavaScript
263
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868