Valibot 中 Infinity 在数字验证时的特殊处理
Valibot 是一个用于数据验证的 JavaScript 库,它提供了强大的类型检查和数据转换功能。在实际使用过程中,开发者发现了一个有趣的现象:当使用 Valibot 验证 Infinity 是否为有效数字时,结果会将其转换为 null。
问题现象
在 Valibot 的 Playground 环境中,执行以下验证代码:
import * as v from "valibot"
const result = v.safeParse(v.number(), Infinity)
console.log(result)
得到的输出结果会显示验证成功(success: true),但输出值却被转换为了 null,而不是预期的 Infinity。
原因分析
经过深入调查,发现这一行为并非 Valibot 核心库本身的特性,而是 Playground 环境特有的实现细节。根本原因在于 Playground 在将数据传递给 iframe 进行处理时,使用了 JSON 序列化/反序列化的机制。
由于 Infinity 不是 JSON 规范支持的有效值,在序列化过程中会被转换为 null。这解释了为什么最终输出结果会发生变化。
解决方案
针对这一问题,Valibot 团队提出了明确的修复方案。在 Playground 的数据传输层,需要特殊处理 Infinity 和 -Infinity 这两种特殊情况:
if (value === Infinity) {
return '[Infinity]';
}
if (value === -Infinity) {
return '[-Infinity]';
}
通过这种方式,可以确保这些特殊数值能够正确地被传递和处理,而不会在序列化过程中丢失其原始含义。
技术启示
这一案例为我们提供了几个重要的技术启示:
-
JSON 的局限性:JSON 作为一种数据交换格式,并不支持所有 JavaScript 原生数据类型,如
Infinity、NaN等。在涉及这些特殊值的场景中需要特别注意。 -
边界条件测试:在开发验证库或类似工具时,必须充分考虑各种边界条件,包括特殊数值、边缘情况等。
-
环境差异:同一段代码在不同环境(如核心库与 Playground)中可能表现出不同行为,开发时需要考虑环境差异带来的影响。
Valibot 团队迅速响应并修复了这一问题的做法,体现了对开发者体验的重视和对产品质量的严格要求。这也提醒我们在使用任何验证库时,都应该充分测试各种数据类型,确保它们在实际应用场景中表现符合预期。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00