basic-validation-using-flask-gladiator-module-in-python

使用 Python 中的烧瓶-角斗士模块进行基本验证

原文:https://www . geesforgeks . org/basic-验证-使用-烧瓶-角斗士-python 中的模块/

考虑到所有进出系统的非结构化数据,现在各种验证都是必不可少的。除了客户端验证,服务器端验证在 web 开发中也同样重要。本文讨论了一种在各种框架(如 Flask 或 Django)中注入验证的方法。

Python 的烧瓶-角斗士是一个提供以下功能的模块:

  • 允许任何形式的服务器端验证。
  • 可以扩展到任何。py 框架。
  • 允许检查范围、要求、类型等功能。

安装

这个模块没有内置 python,因此必须显式安装

pip 安装烧瓶-角斗士

在本模块中,validate()函数用于完成工作。

语法:

验证(数据、验证器)

参数:

  • ***数据:*考虑中的数据
  • **验证器:**告知必须在什么基础上进行验证
    • **必需:**总是需要验证器来检查字段的存在。
    • format_email : 检查邮件的验证器。
    • 长度 _ 最大值:检查文本的最大长度。
    • 长度 _ 分钟:检查最小文本长度。
    • **长度:**检查特定长度。
    • 类型 _ :检查特定类型。
    • 正则表达式 _ : 检查正则表达式。
    • _ 值:检查特定值。
    • _ 中的**:特定列表中的检查。**
    • lt :检查小于整数值。
    • gt :检查是否大于整数值。
    • 等式:检查相等的整数值。
    • ne :检查不相等的整数值。
    • gte :检查大于等于的整数值。
    • lte :检查小于等于整数值。
    • true_if_empty :如果为空,则该验证器返回 true。
    • skip_on_fail :如果验证失败,可以用这个跳过测试进行验证。

进场:

  • 在初始步骤中,输入数据以字典格式表示。
  • 验证被初始化为元组的元组,其中元组的第一个元素是要检查的键,接下来的值是应该应用于相应键的验证。
  • validate()函数接受验证和输入字典,如果所有验证都为真,则返回 True,否则返回 False。

下面给出了基于不同验证器执行验证的各种实现。

例 1 :

蟒蛇 3

py 复制代码
import gladiator as gl

# input test data
valid_data = {
    'email': 'manjeet@gfg.com',
    'password': '123456',
    'name': 'Manjeet',
    'age': 24,
    'access': "User"
}

# assigning validations
field_validations = (
    ('email', gl.required, gl.format_email),
    ('password', gl.required, gl.length_min(5)),
    ('name', gl.required, gl.type_(str)),
    ('age', gl.required, gl.type_(int), gl.eq(24)),
    ('access', gl.required, gl.in_(['User', 'Admin']))
)

# checking data using validate()
print("Validating data : ")
result = gl.validate(field_validations, valid_data)
print("Is data valid ? : " + str(bool(result)))

输出:

验证数据:

数据有效吗?:真

例 2 :

蟒蛇 3

py 复制代码
# Using regex, gt and length validators
import gladiator as gl

# input test data
valid_data = {
    'email': 'manjeet@gfg.com',
    'password': '123456',
    'name': 'Manjeet',
    'Gender': 'M',
    'age': 24,

}

# assigning validations
# checks name by regex, gender using length range, age greater than 18.
field_validations = (
    ('email', gl.required, gl.format_email),
    ('password', gl.required, gl.length_min(5)),
    ('name', gl.required, gl.type_(str), gl.regex_('[a-zA-Z][a-zA-Z ]+')),
    ('age', gl.required, gl.type_(int), gl.gt(18)),
    ('Gender', gl.length(1, 4)),
)

# checking data using validate()
print("Validating data : ")
result = gl.validate(field_validations, valid_data)
print("Is data valid ? : " + str(bool(result)))

输出:

验证数据:

数据有效吗?:真

相关推荐
Alan CGH几秒前
高并发写利器-组提交,我的Spring组件实战
java·后端·spring
莲动渔舟5 分钟前
Python自学 - 解析入门(一种特殊循环)
开发语言·python
仰望星空的尘埃15 分钟前
线上go内存泄漏分析实战
开发语言·后端·golang·web服务·内存泄漏分析
凡人的AI工具箱43 分钟前
每天40分玩转Django:Django实战 - 在线打印服务系统
网络·数据库·后端·python·django
开心工作室_kaic1 小时前
springboot571基于协同过滤算法的私人诊所管理系统(论文+源码)_kaic
前端·数据库·vue.js·后端·html5
knighthood20011 小时前
xml格式化(1):使用python的xml库实现自闭合标签
android·xml·python
engchina1 小时前
使用 `llama_index` 构建智能问答系统:多种文档切片方法的评估
python·openai·llama·代码优化·rag
回音谷2 小时前
【算法】克里金(Kriging)插值原理及Python应用
python·算法·插值
迷路爸爸1802 小时前
深入理解 PyTorch 的 Dataset 和 DataLoader:构建高效数据管道
人工智能·pytorch·python
恸流失2 小时前
12.异常处理
开发语言·python