graphQL自定义标量

除规范定义的标量外,还可以按需定义业务范畴内的标量。语法非常简单

本文是基于node实现的服务定义

scalar Datetime

注意,这只是语义范畴定义,还需要定义序列化、反序列化函数:

new GraphQLScalarType({
  name: "Datetime",
  description: "日期时间标量类型",
  // 序列化函数
  serialize(value) {
    return value.toString();
  },
  // 解析函数
  parseValue(value) {
    if (typeof value === "string") {
      return new Date(value);
    }
    throw new Error("参数类型错误");
  },
  // 解析函数
  parseLiteral(ast) {
    if (ast.kind === Kind.STRING) {
      return new Date(ast.value);
    }
    throw new Error("参数类型错误");
  }
});

关于graphQL标量类型定义详细内容参考官方文档

下面我们一个一个看这些配置:

  1. name: 字段名,请保持与schema中定的标量类型名称保持一致
  2. description: 类型描述,在一些诊断工具上还是很有用的
  3. serialize: 序列化函数,用于将结果转换为适合 http 传输的数值类型
  4. parseValue: 解析函数,用于将客户端通过 variables 参数传递的数值为 Date 类型
  5. parseLiteral: 同样是解析函数,将客户端传递的字面量参数解析为 Date 类型

配置中的 parseValue、parseLiteral 两个函数功能上相似,都用于解析客户端参数,分别处理两种参数传递方式:

# 1. variables 参数
# 引擎将调用 parseValue 函数
query (before: Datetime){
  users(before: $before) {
    id
    name
  }
}

variables {
  before: "1991-02-19"
}

# 2. 字面量参数
# 引擎将调用 parseLiteral 函数
query {
  users(before: "1991-02-19") {
    id
    name
  }
}

最后说一些注意点:

  1. 如果类型确定不会作为 InputType,可以省略 parseValue、parseLiteral
  2. parseValue 接收到的是 variables 对象中对应的值;而 parseLiteral 接收的则是引擎从 query 语句中解析出的 AST 节点。AST 节点内容形如:
{
  // 字面量类型
  "kind": "StringValue",
  // 字面量值
  "value": "1991-02-19",
  // 指明字面量是否为 [BlockStringValue](https://facebook.github.io/graphql/June2018/#BlockStringValue()) 类型
  "block": false,
  // token 位置
  "loc":
  {
    "start": 18,
    "end": 30
  }
}

在定义具体数据类型的时候可以使用这个新类型:

type Comment {
  id: Int!
  content: String
  feedbackId: Int
  gmtCreate: Datetime
  gmtModified: Datetime
}
返回对象的标量

标量类型也支持返回结构化的对象,只要能为引擎提供符合规则的 serialize 函数,一切皆有可能。我们可以写出这样一个标量:

// Address 对象类型,不过这是一个标量
new GraphQLScalarType({
  name: "Address",
  description: "对象类型的标量",
  serialize(value) {
    // value 为对象类型
    // value = { city: '深圳', province: '广东省', country: '中国' }
    return value;
  }
});

但是要注意,标量类型是 不可分割 的,不能再传入查询子集:

# 合法请求
query {
  users {
    id
    name
    # Address 类型值
    bornOrigin
  }
}

返回结果:

{
  "data": {
    "users": [
      {
        "id": "1",
        "name": "foo",
        "bornOrigin": {
          "city": "深圳",
          "province": "广东省",
          "country": "中国"
        }
      }
    ]
  }
}

总结

标量是 GraphQL 中的原子类型,一般充当查询的叶子节点。 GraphQL 规范提供了五种标量类型,其中 ID 最为特殊,用于唯一标志一个资源实例。 在标准标量之外,也可以按需定义新的标量,规则如上。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,607评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,239评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,960评论 0 355
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,750评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,764评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,604评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,347评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,253评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,702评论 1 315
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,893评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,015评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,734评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,352评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,934评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,052评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,216评论 3 371
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,969评论 2 355

推荐阅读更多精彩内容