Sayfa yükleniyor

Destek Müşteri Girişi Sepet (0)

Ders 97 – Veri doğrulama katmanı

Veri doğrulama katmanını Pydantic ve Cerberus ile nasıl kuracağınızı adım adım öğrenin, örnek PHP kodlarıyla pekiştirin.

Ders 97 – Veri doğrulama katmanı

Modern uygulamalarda veri doğrulama, hatalı ya da kötü niyetli girişlerin sisteminizin bütünlüğünü bozmasını önlemek için kritik bir adımdır. Bu ders, Python ekosistemindeki Pydantic ve Cerberus kütüphanelerini tanıtarak, doğrulama katmanını nasıl yapılandıracağınızı gösterir. Ayrıca, kavramı pekiştirmek için iki basit PHP örneği de sunacağız.

Temeller

Veri doğrulama iki ana seviyede gerçekleşir:

  • Giriş katmanı: Kullanıcı arayüzü ya da API uç noktası üzerinden gelen ham verinin formatının kontrol edilmesi.
  • İş mantığı katmanı: Doğrulanan verinin iş kurallarına uygunluğunun denetlenmesi.

Python’da Pydantic, tip ipuçlarını (type hints) kullanarak otomatik model oluşturur ve veri tiplerini dönüştürür. Cerberus ise şema‑tanımlı bir doğrulama motoru sunar; hem basit hem de karmaşık kurallar tanımlamayı mümkün kılar.

Adım adım

1. Sanal ortam (venv) oluşturun

python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

2. Gerekli paketleri kurun

pip install pydantic cerberus

3. Pydantic modeli tanımlayın

from pydantic import BaseModel, EmailStr, validator

class Kullanici(BaseModel):
    ad: str
    soyad: str
    email: EmailStr
    yas: int

    @validator('yas')
    def yas_must_be_positive(cls, v):
        if v <= 0:
            raise ValueError('Yaş pozitif bir sayı olmalı')
        return v

4. Cerberus şemasını oluşturun

from cerberus import Validator

kullanici_shema = {
    'ad': {'type': 'string', 'minlength': 2, 'required': True},
    'soyad': {'type': 'string', 'minlength': 2, 'required': True},
    'email': {'type': 'string', 'regex': r'^[^@\s]+@[^@\s]+\.[^@\s]+$', 'required': True},
    'yas': {'type': 'integer', 'min': 1, 'required': True},
}

v = Validator(kullanici_shema)
veri = {'ad': 'Ayşe', 'soyad': 'Yılmaz', 'email': 'ayse@example.com', 'yas': 28}
if v.validate(veri):
    print('Doğrulama başarılı')
else:
    print('Hatalar:', v.errors)

Bu iki adım, aynı veri seti için iki farklı doğrulama yaklaşımını yan yana gösterir. Pydantic tip dönüşümünü otomatik yaparken, Cerberus şema‑tanımlı ve esnek bir yapı sunar.

Örnek kod (PHP)

Python örneklerini takiben, aynı mantığı PHP’de nasıl uygulayabileceğinizi görelim. Aşağıdaki kodlar, temel bir dizi doğrulama işlemini içerir.

<?php
function validate_user(array $data): array {
    $errors = [];
    if (empty($data['ad']) || strlen($data['ad']) < 2) {
        $errors['ad'] = 'Ad en az 2 karakter olmalı';
    }
    if (empty($data['soyad']) || strlen($data['soyad']) < 2) {
        $errors['soyad'] = 'Soyad en az 2 karakter olmalı';
    }
    if (!filter_var($data['email'] ?? '', FILTER_VALIDATE_EMAIL)) {
        $errors['email'] = 'Geçerli bir e‑posta adresi girin';
    }
    if (!isset($data['yas']) || !is_int($data['yas']) || $data['yas'] <= 0) {
        $errors['yas'] = 'Yaş pozitif bir tamsayı olmalı';
    }
    return $errors;
}

$kullanici = ['ad' => 'Mehmet', 'soyad' => 'Kara', 'email' => 'mehmet@site.com', 'yas' => 35];
$hata = validate_user($kullanici);
if (empty($hata)) {
    echo "Kullanıcı doğrulandı\n";
} else {
    print_r($hata);
}
?>

Bu örnek, PHP’nin yerleşik filter_var fonksiyonunu ve basit koşulları kullanarak bir doğrulama katmanı oluşturur.

<?php
// Bir dizi içinde birden fazla kullanıcıyı toplu olarak doğrulama
$kullanicilar = [
    ['ad' => 'Ali', 'soyad' => 'Demir', 'email' => 'ali@demo', 'yas' => -5],
    ['ad' => 'Zeynep', 'soyad' => 'Aydın', 'email' => 'zeynep@example.com', 'yas' => 27],
];

foreach ($kullanicilar as $idx => $k) {
    $hata = validate_user($k);
    if (empty($hata)) {
        echo "Kullanıcı #{$idx} doğrulandı\n";
    } else {
        echo "Kullanıcı #{$idx} hatalar: ";
        print_r($hata);
    }
}
?>

Bu ikinci örnek, toplu veri setlerinde aynı doğrulama fonksiyonunu tekrar kullanmanın ne kadar pratik olduğunu gösterir.

Sık hatalar

  • Tip dönüşümünü göz ardı etmek: Pydantic otomatik tip dönüşümü yapar; ancak Cerberus’da tip uyuşmazlığı hataları sık görülür. Şemada type alanını doğru ayarladığınızdan emin olun.
  • Gerekli alanları işaretlemeyi unutmak: required: True veya required anahtarını eklemeyi atlamak, eksik veri geçmesine yol açar.
  • Regex hataları: E‑posta gibi karmaşık desenlerde kaçış karakterlerine dikkat edin; aksi takdirde doğrulama her zaman başarısız olur.
  • Hata mesajlarını özelleştirmemek: Kullanıcı deneyimi açısından, hataları anlaşılır bir dille sunmak önemlidir. Pydantic Config sınıfı, Cerberus error_handler özelliği bu konuda yardımcı olur.

Özet

Bu derste, veri doğrulama katmanının iki popüler Python kütüphanesiyle (Pydantic, Cerberus) nasıl inşa edileceğini adım adım gösterdik. Aynı mantığı PHP’de de basit fonksiyonlarla uygulayarak, dil bağımsız bir yaklaşım sergiledik. Doğrulama katmanı, uygulamanızın güvenliğini ve bakımını büyük ölçüde iyileştirir; bu yüzden sınırda doğrula prensibini her zaman aklınızda tutun.

SSS

Soru: Pydantic ve Cerberus aynı anda kullanılabilir mi?
Cevap: Evet, bir API katmanında Pydantic ile tip dönüşümü yapıp, ardından Cerberus şemasıyla iş kurallarını kontrol edebilirsiniz. Bu, iki kütüphanenin güçlü yönlerini birleştirir.

Soru: PHP’de benzer bir tip‑güvenli doğrulama için bir kütüphane var mı?
Cevap: Respect/Validation ve Symfony Validator gibi paketler, Pydantic’e yakın bir deneyim sunar.

Soru: Doğrulama hatalarını loglamak zorunlu mu?
Cevap: Zorunlu olmasa da, hataları merkezi bir log dosyasına ya da izleme sistemine kaydetmek, sorunları erken tespit etmeyi sağlar.

Paylaş

Yorumlar

Henüz onaylanmış yorum yok. İlk yorumu siz yazın.

Yorum yaz

Yorumunuz yönetici onayından sonra yayınlanır.

İlgili yazılar

Ders 100 – İleri yol haritası

Python ile web, veri, otomasyon ve AI alanlarına yön veren ileri seviye bir yol haritası, adım ad…

Ders 99 – Kontrol listesi: üretim

Üretim ortamı için log, health, config ve secret yönetimini kapsayan kontrol listesi, adım adım ö…

Ders 98 – Mikroservis iletişimi fikri

Mikroservis mimarisinde HTTP/JSON sözleşmesiyle versiyonlu endpoint oluşturma, adım adım örnekler…

Ders 96 – Web scraping etiği

Web scraping yaparken yasal ve etik sorumlulukları, rate limit ve hizmet şartlarını nasıl uygulay…

Demo
Büyütülmüş Görsel