FluentValidation中基于对象上下文的属性验证器实现
2025-05-25 18:26:11作者:彭桢灵Jeremy
概述
在FluentValidation验证框架中,开发者经常需要创建可重用的属性验证逻辑。本文探讨如何实现一个能够访问完整对象上下文的属性验证器(PropertyValidator),这在需要根据对象其他属性值来验证当前属性的场景中非常有用。
核心问题
传统属性验证器通常只关注单个属性的值,但在实际业务场景中,我们经常需要:
- 根据对象的其他属性值来验证当前属性
- 避免重复编写相似的验证逻辑
- 保持代码的整洁和可维护性
解决方案
FluentValidation提供了灵活的方式来实现这一需求,主要通过自定义PropertyValidator类来实现。
1. 创建自定义属性验证器
首先创建一个继承自PropertyValidator<T, TProperty>的验证器类:
public class CardNumberValidator<T> : PropertyValidator<T, CardNumber>
{
private readonly Func<T, CompanyIdEnums> _companyIdSelector;
public CardNumberValidator(Func<T, CompanyIdEnums> companyIdSelector)
{
_companyIdSelector = companyIdSelector;
}
public override bool IsValid(ValidationContext<T> context, CardNumber value)
{
// 从完整对象中获取需要的上下文信息
var companyId = _companyIdSelector(context.InstanceToValidate);
// 实现具体的验证逻辑
return /* 根据companyId验证value的逻辑 */;
}
protected override string GetDefaultMessageTemplate(string errorCode)
{
return "信用卡号无效";
}
}
2. 创建扩展方法
为了提供更友好的API,可以创建扩展方法:
public static class CardValidationExtensions
{
public static IRuleBuilderOptions<T, CardNumber> CardIsValid<T>(
this IRuleBuilder<T, CardNumber> ruleBuilder,
Func<T, CompanyIdEnums> companyIdSelector)
{
return ruleBuilder.SetValidator(new CardNumberValidator<T>(companyIdSelector));
}
}
3. 使用方式
在实际验证规则中使用这个验证器非常简单:
public class OrderValidator : AbstractValidator<Order>
{
public OrderValidator()
{
RuleFor(x => x.CardNumber).CardIsValid(x => x.CompanyId);
}
}
设计原理
这种实现方式遵循了FluentValidation的几个核心设计原则:
- 依赖注入:通过构造函数注入选择器函数,保持验证器的可测试性
- 上下文感知:验证器可以访问完整的被验证对象,而不仅仅是当前属性值
- 重用性:相同的验证逻辑可以在不同场景下复用
- 强类型:所有类型信息都在编译时检查
替代方案比较
除了自定义PropertyValidator,FluentValidation还提供了其他实现类似功能的方式:
-
使用Must/Custom方法:
- 优点:实现简单,适合简单场景
- 缺点:复杂验证逻辑可能导致代码重复
-
使用RootContextData:
- 优点:可以共享上下文数据
- 缺点:类型安全性较低,代码可读性较差
-
本文方案:
- 优点:类型安全,可重用,可测试
- 缺点:需要创建更多类,适合复杂验证逻辑
最佳实践建议
- 对于简单的一次性验证,考虑使用Must/Custom方法
- 对于需要在多个验证器中重用的复杂逻辑,使用自定义PropertyValidator
- 保持验证器的单一职责,每个验证器只关注一种验证逻辑
- 为自定义验证器提供清晰的错误消息
- 考虑为验证器编写单元测试
总结
通过自定义PropertyValidator并配合扩展方法,我们可以在FluentValidation中创建强大且灵活的属性验证逻辑,这些验证器不仅能够验证属性值本身,还能根据对象的其他属性值进行上下文感知的验证。这种方法既保持了代码的整洁性,又提供了良好的重用性和可维护性,是处理复杂验证场景的理想选择。
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