Formily 自定义校验规则深度解析:获取上下文与覆盖全局规则
引言
在表单开发中,校验规则是确保数据有效性的重要环节。Formily 作为阿里巴巴开源的企业级表单解决方案,提供了强大的校验功能。但在实际开发中,我们经常会遇到两个典型问题:如何在自定义校验消息中获取当前表单项的上下文数据,以及如何覆盖全局定义的校验规则。本文将深入探讨这两个问题的解决方案。
自定义校验消息获取上下文数据
问题描述
在 Formily 中,我们经常需要为表单项定义校验规则。标准的做法是通过 x-validator 属性来定义校验器数组,每个校验器可以包含 rule 和 message 属性。然而,当前版本的 Formily 中,message 仅支持字符串类型,无法直接使用函数来动态生成校验消息,这限制了我们在校验消息中使用表单项上下文数据的能力。
解决方案
理想情况下,我们希望 message 能够支持函数类型,接收当前值和上下文作为参数,动态生成校验消息。这种设计将极大提升校验消息的灵活性。
'x-validator': [{
required: true,
message: (value, context) => {
console.log(value, context);
return context.field.title + ':请输入内容';
},
}]
这种实现方式允许我们:
- 访问当前输入值
- 获取表单项的完整上下文(包括标题、路径等信息)
- 根据业务逻辑动态生成校验消息
实现原理
要实现这一功能,Formily 需要在解析校验规则时,判断 message 是否为函数。如果是函数,则在执行校验时传入当前值和上下文对象。这种改进不会破坏现有功能,同时为开发者提供了更大的灵活性。
覆盖全局校验规则
问题描述
Formily 允许通过 registerValidateRules 注册全局校验规则,这在需要统一校验风格时非常有用。然而,当我们需要在特定场景下覆盖这些全局规则时,会遇到困难。当前机制下,局部定义的 x-validator 规则无法有效覆盖全局注册的规则。
解决方案
我们期望能够在表单项级别完全覆盖全局定义的校验规则,包括校验逻辑和消息格式。这可以通过以下方式实现:
'x-validator': {
required: `{{(value,context)=>{
console.log(value,context)
return "局部校验"
}}}`,
}
或者更简洁的函数语法(如果支持):
'x-validator': {
required: (value,context) => {
console.log(value,context)
return "局部校验"
}
}
实现考量
要实现这一功能,Formily 需要:
- 在规则合并时优先采用局部定义
- 确保函数类型的校验规则能够正确解析和执行
- 保持与现有字符串类型消息的兼容性
最佳实践建议
-
上下文感知的校验消息:当需要根据表单项属性(如title)动态生成消息时,推荐使用函数形式的message,这比字符串模板更灵活且类型安全。
-
全局与局部规则的平衡:对于全系统一致的校验(如必填提示风格),使用全局规则;对于特殊场景的需求,使用局部覆盖。
-
校验逻辑复用:复杂的校验逻辑可以封装为独立函数,既可以在全局注册,也可以在局部调用。
-
性能考虑:函数形式的校验消息会在每次校验时执行,应避免在其中包含复杂计算。
总结
Formily 的校验系统已经非常强大,但通过支持函数形式的校验消息和改善规则覆盖机制,可以进一步提升其灵活性和实用性。这些改进将使开发者能够更精细地控制表单校验行为,创建更具交互性和用户友好的表单体验。
在实际项目中,理解这些校验机制的内部原理,能够帮助开发者更好地应对各种复杂的表单校验需求,构建出既符合业务要求又具备良好用户体验的表单系统。
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 StartedRust0151- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112