使用Yup库处理动态类型数组的验证方案
2025-05-08 07:05:37作者:申梦珏Efrain
Yup是一个流行的JavaScript对象模式验证库,广泛应用于表单验证和数据校验场景。在实际开发中,我们经常会遇到需要验证包含不同类型对象的动态数组的情况,比如问卷调查系统中的问题列表。
动态数组验证的挑战
在问卷调查系统中,通常会包含多种类型的问题:
- 文本输入题(单行文本)
- 多行文本题
- 数字输入题
- 选择题(单选/多选)
每种问题类型都有不同的字段结构和验证规则,这给数据验证带来了挑战。传统静态验证方案无法处理这种动态类型的情况。
Yup的lazy验证方案
Yup提供了lazy方法来解决这类问题。lazy允许我们根据当前值动态返回不同的验证模式。核心思路是:
- 为数组中的每个元素定义一个类型判断条件
- 根据类型返回对应的验证模式
- 处理未知类型的默认情况
实现代码示例
import * as Yup from "yup";
const questionnaireSchema = Yup.object().shape({
questionnaire: Yup.object().shape({
name: Yup.string().required("问卷名称必填"),
description: Yup.string().required("问卷描述必填"),
questions: Yup.array()
.of(
Yup.lazy((item) => {
switch (item.type) {
case "text":
return Yup.object().shape({
id: Yup.string().required("问题ID必填"),
text: Yup.string().required("问题文本必填"),
type: Yup.string().required("问题类型必填"),
answer: Yup.string().required("答案必填"),
});
case "multiline":
return Yup.object().shape({
id: Yup.string().required("问题ID必填"),
text: Yup.string().required("问题文本必填"),
type: Yup.string().required("问题类型必填"),
answer: Yup.string().required("答案必填"),
});
case "number":
return Yup.object().shape({
id: Yup.string().required("问题ID必填"),
text: Yup.string().required("问题文本必填"),
type: Yup.string().required("问题类型必填"),
NumValue: Yup.number().required("数值答案必填"),
});
case "choice":
return Yup.object().shape({
id: Yup.string().required("问题ID必填"),
type: Yup.string().required("问题类型必填"),
availableColours: Yup.array()
.of(Yup.string().required())
.required("选项列表必填"),
favColours: Yup.string().required("选择答案必填"),
});
default:
return Yup.object();
}
})
)
.required("问题列表不能为空"),
}),
});
方案优势分析
- 灵活性:能够根据数据类型动态调整验证规则
- 可维护性:每种类型的验证规则集中管理,便于修改
- 可扩展性:新增问题类型只需添加新的case分支
- 错误信息定制:可以为每种字段提供特定的错误提示
实际应用建议
- 类型安全:在使用TypeScript时,可以结合联合类型确保类型安全
- 性能考虑:对于大型数组,验证可能会有性能影响,建议分页或分批验证
- 默认值处理:可以在验证前为缺失字段设置合理默认值
- 错误收集:使用
validate或validateSync方法收集所有验证错误
总结
Yup的lazy验证方法为解决动态类型数组验证提供了优雅的解决方案。通过这种方法,开发者可以构建灵活、可维护的数据验证逻辑,特别适合处理包含多种类型元素的复杂数据结构。在实际项目中,这种技术可以广泛应用于问卷调查、动态表单、配置系统等各种需要处理异构数据的场景。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
199
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
279
98
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210