原创文章出自公众号：「码农富哥」，如需转载请注明出处！
文章如果对你有收获，可以收藏转发，这会给我一个大大鼓励哟！另外可以关注我公众号「码农富哥」 (搜索id：coder2025)，我会持续输出Python，算法，计算机基础的 原创 文章
表单Input字段类
我们在开发接口或者后台提交数据的时候，经常要验证参数，如果把验证参数写成一个通用库调用，就可以减少很多重复工作了。
如果我们可以把所有的验证参数逻辑都交给统一的地方处理，就不用在业务逻辑上写太多dirty的代码，而且如果参数错误，直接给予一个错误的handler来处理，或返回error的json，或返回错误消息页面。
看下面例子，我们在view前面加个装饰器，专门封装处理参数的，把所有需要的参数，和参数的要求，包括类型，是否必须传过来、是否不能为空、默认值、参数名字、字符串长度，数值的大小max,min值， 等等等的属性。
还要加上错误处理的Handler，处理错误，假设都通过验证了，我们可以直接从safe_vars里面安全放心的获取参数，而且参数也已经经过处理成我们要的类型，比如传过来的是str的数字，会转成int的数值，这真的很省心。开发也会舒心很多
@form_check({
"valid_time": F_str(u"有效期") & "required" & "strict",
"title": 0 < F_str(u"标题") <= 13 & "required" & "strict",
"content": 0 < F_str(u"内容") <= 40 & "required" & "strict",
"msg_type": F_int(u"消息类型") & "required" & "strict",
"msg_id": util.F_object_id(u"消息id") & "optional"
}, error_handler=functools.partial(JsonInterfaceResponse, code=cfg.ERROR_CODE.PARAM))
def create_message(safe_vars):
title = safe_vars["title"]
content = safe_vars["content"]
...
这里涉及到两个重点：
- 装饰器
- 表单验证类
我们先来实现表单验证类， 我们先要有大概的构思， 首先验证不同的字段会有不同格式，不同验证规则，所以可以定义不同验证字段，我们可以为每一种不同的验证字段定义一个类，比如F_str()， F_int()，F_boolean()，F_float()，F_email()，F_mobile()， F_datetime()，F_file() 等等需要验证的字段。
我们想想这些类都有什么共性，他们必须有一个验证参数值的方法，我们定义为_check()方法。
我们可以为这些类先作出一个父类Input()，因为他们都是同一类的东西，所以可以把他们共同的东西抽象出来，写到父类。
这里涉及到面向对象编程的特性--接口，我们的验证字段考虑成可以根据以后开发的需要，自己扩展不同的验证类F_xx()，但是我们自己扩展的时候，就要遵循一些规则，比如，一定需要有一个_check()方法，用于检验参数的。然后如果验证成功，返回什么数据，错误，返回什么数据，都需要有一个明确的规则，这样才能按规范扩展。
所以我们定义的父类Input的时候，一定要定义一个抽象方法，让子类去继承实现。
_default_encoding = 'utf8'
_default_messages = {
'max': u'%(name)s 的最大值为%(max)s',
'min': u'%(name)s 最小值为%(min)s',
'max_len': u'%(name)s 最大长度为%(max_len)s个字符',
'min_len': u'%(name)s 最小长度为%(min_len)s个字符',
'blank': u'%(name)s 不能为空',
'callback': u'%(name)s 输入出错了',
'format': u'%(name)s 格式有错',
'default': u'%(name)s 格式有错',
}
class Input(object):
def __init__(self, field_name=None, default_value=None):
# 初始化错误消息类型列表
self._messages = {}
self._messages.update(_default_messages)
# 错误消息的参数， 比如 标题 不能为空
self._message_vars = {
"name": field_name
}
# 设置默认参数
if defalut_value is not None:
self._default_value = default_value
# 抽象方法，接口，用于让子类继承，子类没有继承重写这个方法，就会报错
def _check(self, value):
raise NotImplementedError("you should use sub-class for checking")
# 对外调用的验证方法
def check(self, name, value):
'''
验证方法， 返回4个参数，
1、是否验证成功，
2、原输入的数据raw_data
3、如果验证成功，就是处理后的数据valid_data
4、如果验证失败，就是错误信息
@param name: field name of the form
@param value: field value
@return: a tuple of 4 items:
the first indicates if the value is valid
the second is the raw data of user input
the third is the valid data or, if not valid, is None
the last is error message or, if valid, is None
'''
if self._message_vars['name'] is None:
self._message_vars['name'] = name
if self._multiple:
return self.check_multi(value)
else:
return self.check_value(value)
# 验证多参数方法
def check_multi(value):
pass
# 验证单参数方法
def check_value(value):
pass
下面我们来分析一下这个Input类
- 首先是__init__()，构造函数，传入字段名，默认值，字段名的作用是在输出错误消息的时候，能显示哪个字段的错；默认值就不用说了
- _check() 是抽象方法，接口，用于让子类继承，子类没有继承重写这个方法，就会报错，这样就能强制规范子类必须有这个验证方法。每个继承的F_xx()都是使用_check()来验证字段
- check() 是对外的方法，对外调用时候，都是使用check()来验证，这个函数返回4个参数， 1、是否验证成功， 2、原输入的数据raw_data，3、如果验证成功，就是处理后的数据valid_data， 4、如果验证失败，就是错误信息
- _check()是内部方法，check()是外部方法，对外的就只需要调用F_xx().check()就能校验，因为是继承关系，所以所有子类都有这个check()方法。只是check()里面调用了_check()方法，而这个_check()都是每个子类自己实现的。这就有一种封装的功能，不论你怎么实现，反正我调用check()就能校验。
- check_multi(), check_value() 就是具体实现了。
下面看下check_value() 和 check_multi()的实现
# 检查单参数
def check_value(self, raw):
valid, valid_data, message = False, None, None
value = raw
if value is None or (value == '' and self._strict):
if self._default_value is not None:
if callable(self._default_value):
return True, raw, self._default_value(), None
return True, raw, self._default_value, None
else:
value = None
# `None' means the client does not send the field's value,
# this differs from empty string, although when `strict' is specified, they are the same.
# if value:
if value is not None:
valid, data = self._check(value)
if valid:
valid, data = self._callbacks[0](data)
if valid:
valid_data = data
else:
message = self._messages['callback']
else:
message = data
elif self._optional:
valid = True
valid_data = value
# value is empty and is not optional
else:
message = self._messages['blank']
if message:
message = message % self._message_vars
return valid, raw, valid_data, message
# 检查多参数
def check_multi(self, values):
if not values and not self._optional:
message = self._messages.get('blank') or self._messages['default']
message = message % self._message_vars
return False, values, None, message
valid_data = []
for value in values:
valid, origin, valid_value, message = self.check_value(value)
if not valid:
return False, values, None, message
valid_data.append(valid_value)
return True, values, valid_data, None
下面我们来分析一下check_value()的方法
- 首先可以看出的是，这方法的返回4个参数，就是上面说的参数
- 这里涉及到几个控制变量_strict, _optional, 这就跟一开始 F_int(u"消息类型") & "required" & "strict" 定义有段了，那么required, strict 是怎么传变量给对象里面的呢？构造函数没有，只有 & "required"时有些关联。我们下面再详细说。
- 可以看到，首先判断参数是否为None（代表前端根本没有传这个参数过来）， 或者参数值为"" 空字符串，并且_strict 为True，strict就是严格规定要有参数传过来，并且值不能为空。 这两个条件很相似，都是可以当作是没有传参数过来！
- 如果没有传参数过来（上面两个条件），就动用默认值，_default_value，这个参数可以是值，也可以是callabel的变量。 如果默认值也是None，那value就是None。
- 然后下来，如果value是有值的，就可以执行_check(value)，进行内部校验了。
- 如果optional是True的话，校验也算是可以通过的。 valid_data就是None
- 如果value是None， optional又是False，那就报错字段不能为空。
- 最后注意到，每个错误信息都是定义好的。self._messages["blank"], 就是上面定义好的错误消息。然后消息都是有%(name)s 格式有误， 最大值%(max)s 这种形式的。这样的好处就是，我们可以根据消息需要的参数，自己创造出对应的字典，比如self._message_vars["name"] = field_name, self._message_vars["max"] = 200，然后self._message % self._message_vars 就能把占位符补齐！真的很实用。
下面我们来看下 0 < F_str(u"标题") <= 13 & "required" & "strict" 这种形式的定义，是怎么实现参数长度限制，是否必须，是否严格限制传参的。这个就python反射机制有关了。
class Input(object):
_type = None
_min = None
_max = None
_optional = False
_multiple = False
_strict = False # means empty string will treat as no input
_attrs = ('optional', 'required', 'multiple', 'strict')
....
def __and__(self, setting):
if callable(setting):
self._callbacks = (setting,)
elif isinstance(setting, dict):
self._messages.update(setting)
elif setting in self._attrs:
value = True
if setting == 'required':
setting = 'optional'
value = False
attr = '_%s' % setting
if hasattr(self, attr):
setattr(self, attr, value)
else:
raise NameError('%s is not support' % setting)
return self
def __lt__(self, max_value):
raise NotImplementedError('"<" is not supported now')
def __gt__(self, min_value):
raise NotImplementedError('">" is not supported now')
def __le__(self, max_value):
self._max = max_value
self._message_vars['max'] = max_value
self._message_vars['max_len'] = max_value
return self
def __ge__(self, min_value):
self._min = min_value
self._message_vars['min'] = min_value
self._message_vars['min_len'] = min_value
return self
def __eq__(self, value):
self.__ge__(value)
self.__le__(value)
return self
def _check_mm(self, value):
if self._max is not None and value > self._max:
self._message_key = 'max'
return False
if self._min is not None and value < self._min:
self._message_key = 'min'
return False
return True
这些方法都是为了使对象能想其他对象一样可以做一些比较或者操作，比如iobj1 == obj2, obj1 > 200, obj1 & obj2这些的操作如果想使用在对象上，就必须定义对应符号的方法，比如== 这个判断，就会调用 __ne__（）方法。obj1 >= 200 就会调用 __ge__()方法。
我们来分析一下代码：
- __and__()方法的定义就是能让对象可以进行 & 操作， 比如F_str() & "required" & "strict" ，只要有这个符号就会进入__and__(), 可以看出来，正是因为这个& 可以把required 和 strict 的属性给设置进去，真的很妙。而且每次执行完这个函数，就是返回self对象本身，然对象可以继续执行 其他的操作 比如连续 & 或者 <=
- __le__(), __ge__ () 就是用 F_str() <= 50 时执行的，这时会把对象_min, _max属性设置进去。
好了，看完父类的定义， 它把所有设给子类的接口和对外的调用方法都定义好了，我们的子类，或者说我们要扩展一个自己的校验器，就可以有迹可循，有规范了。比如，看看我们定义的几个子类
class F_int(Input):
_strict = True
def _check(self, value):
try:
value = int(value)
except ValueError:
return False, self._messages['default']
if not self._check_mm(value):
message = self._messages[self._message_key]
return False, message
return True, value
class F_str(Input):
def __init__(self, field_name=None,
default_value=None, format=None):
super(F_str, self).__init__(field_name, default_value)
self._format = format
self._max = fstr_default_max
self._message_vars['max'] = fstr_default_max
self._message_vars['max_len'] = fstr_default_max
def _check(self, value):
if not self._check_mm(len(value)):
message = self._messages[self._message_key + '_len']
return False, message
if self._format:
import re
if not re.match(self._format, value):
return False, self._messages['format']
return True, value
我们分析一下代码：
- 首先F_int是比较简单的，就是实现了最必要的_check()方法，校验值是否int，返回两个值，是否验证成功，成功则第二个值是，通过校验并转化成指定类型的值，失败则返回错误信息。 错误信息就是通过键值匹配最初定义的错误消息。
- 看下F_str()的实现，他重写了__init__，重写的目的是可以增加构造函数的参数，比如format，然后还是调用了父类的__init__方法，说明，不完全重写，只是为了扩展对象的属性。增加的format参数，可以限制字符串传入的格式，因为_check()用正则匹配了。
再举例看看其他的实现：
class F_datetime(Input):
def __init__(self, field_name=None,
default_value=None, format='%Y-%m-%d %H:%M:%S'):
super(F_datetime, self).__init__(field_name, default_value)
self._format = format
def _check(self, value):
from datetime import datetime
from time import strptime
try:
return True, datetime(*strptime(value, self._format)[0:6])
except ValueError, e:
return False, self._messages['format']
class F_email(F_str):
def _check(self, value):
if not self._check_mm(len(value)):
message = self._messages[self._message_key + '_len']
return False, message
return self.is_email(value)
def is_email(self, value):
import re
email = re.compile(r"^[\w.%+-]+@(?:[A-Z0-9-]+\.)+[A-Z]{2,4}$", re.I)
if not email.match(value):
return False, self._messages['default']
return True, value
F_uuid = lambda: F_str(u"uuid") <= 128
F_engine = lambda: F_str(u"engine") <= 32
F_channel = lambda: F_str(u"channel") <= 32
F_package = lambda: F_str(u"package") <= 64
- 值得注意的是F_uuid 的定义，没有再定义F_uuid(Input)，而直接使用lambda: 这种方式来定义，为什么可以这样？ lambda 可以看成F_uuid = function(): return F_str("uuid") <= 128 ,所以F_uuid()的时候，看上去跟实例化一样，但是其实他是执行函数。这个函数返回F_str() <= 128的对象，真的很妙。所以字段定义的时候是：
F_uuid() & "required"
那么至此我们已经看完整个校验类的实现，在调用的时候就是这么执行
title_input = F_str("title") <= 50 & "required" & "strict" // 返回一个Input对象
is_valid, raw_value, valid_value, title_input.check_value("你好哇！") // 校验参数，然后返回4个值
可以看到 只需要两步：
- 定义校验的属性，并实例化，返回校验类对象title_input
- 使用这个对象进行title_input.check_value() 校验，返回所有我们需要的信息，成功or失败的信息。
表单校验类
class FormChecker(object):
def __init__(self, source, input_form, method='both', err_msg_encoding=_default_encoding):
"""
@param source: data source, can be object with properties GET, POST and VAR, or a dict-like object
@param input_form: form setting
@param method: GET or POST, or BOTH, if source is dict-like object, ignored
@param err_msg_encoding: encoding of string of error message
"""
self._source = source
self._form = input_form
self._checked = False
self._method = method
self._eme = err_msg_encoding
def check(self, source=None):
method = self._method.upper()
if source is None:
# if is a dict or some others with a `get' method
if hasattr(self._source, 'get'):
source = self._source
# request object
elif method == 'GET':
source = self._source.GET
elif method == 'POST':
source = self._source.POST
else:
source = self._source.VAR
form = self._form
valid_data, raw_data, messages = {}, {}, {}
self._valid = True
for field, checker in form.items():
if checker.multiple and hasattr(source, 'getall'):
value = source.getall(field)
else:
value = source.get(field, None)
valid, raw_data[field], v, m = checker.check(field, value)
if valid:
valid_data[field] = v
else:
messages[field] = m
self._valid = self._valid and valid
self._raw_data = raw_data
self._valid_data = valid_data
self._messages = messages
self._checked = True
for field in self._messages:
if self._messages[field]:
self._messages[field] = self._messages[field].encode(self._eme)
else:
self._messages.pop(field)
def is_valid(self):
if not self._checked:
self.check()
return self._valid
def get_error_messages(self):
return self.err_msg
@property
def err_msg(self):
if not self._checked:
self.check()
return self._messages
def get_valid_data(self):
return self.valid_data
@property
def valid_data(self):
if not self._checked:
self.check()
return self._valid_data
def get_raw_data(self):
return self._raw_data
最后
原创文章出自公众号：「码农富哥」，如需转载请注明出处！
文章如果对你有收获，可以收藏转发，这会给我一个大大鼓励哟！另外可以关注我公众号「码农富哥」 (搜索id：coder2025)，我会持续输出Python，算法，计算机基础的 原创 文章
扫码关注我：码农富哥