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\activate2. Gerekli paketleri kurun
pip install pydantic cerberus3. 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 v4. 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
typealanını doğru ayarladığınızdan emin olun. - Gerekli alanları işaretlemeyi unutmak:
required: Trueveyarequiredanahtarını 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
Configsınıfı, Cerberuserror_handlerözelliği 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.
Yorumlar
Henüz onaylanmış yorum yok. İlk yorumu siz yazın.
Yorum yaz
Yorumunuz yönetici onayından sonra yayınlanır.