php 验证层处理,php – 级联验证不能在表单的第三层工作

在Symfony中,作者遇到一个三层表单验证和实体持久化的问题。当第三层表单(下注形式)包含验证约束时,即使验证失败,整个表单仍被视为有效。只有在控制器中通过单独验证下注实体时,才能获取到正确的错误列表。此外,即使不调用$em->persist($bet),下注实体也会被持久化。作者寻求解决方案,以便在验证失败时仅处理有效的赌注,并理解为何实体会在未明确调用持久化操作时被保存。
摘要由CSDN通过智能技术生成

我有一个3层的形式:

第一层是游戏的容器:

class GameListType extends AbstractType {

public function buildForm(FormBuilderInterface $builder, array $options) {

$builder->add('games', 'collection', array(

'required' => false,

'allow_add' => true,

'prototype' => true,

'by_reference' => false,

'type' => new GameBetType(),

))

;

}

public function setDefaultOptions(OptionsResolverInterface $resolver) {

parent::setDefaultOptions($resolver);

$resolver->setDefaults(array(

'cascade_validation' => true,

));

}

}

第二层是游戏本身,因为我不打算改变游戏,而是打赌,它只包括下注的形式:

class GameBetType extends AbstractType {

public function buildForm(FormBuilderInterface $builder, array $options) {

$builder->add('bet', new BetType());

}

public function setDefaultOptions(\Symfony\Component\OptionsResolver\OptionsResolverInterface $resolver) {

parent::setDefaultOptions($resolver);

$resolver->setDefaults(array(

'data_class' => 'Strego\TippBundle\Entity\Game',

'cascade_validation' => true,

));

}

}

第三层是下注的形式:

class BetType extends AbstractType

{

public function buildForm(FormBuilderInterface $builder, array $options)

{

$builder->add('scoreT1' , 'text')

->add('scoreT2' , 'text');

;

}

public function setDefaultOptions(\Symfony\Component\OptionsResolver\OptionsResolverInterface $resolver) {

parent::setDefaultOptions($resolver);

$resolver->setDefaults(array(

'data_class' => 'Strego\TippBundle\Entity\Bet',

));

}

}

问题是,如果第三级有验证约束,根表单总是有效的,但是如果我具体验证了下注实体,我的控制器中会得到正确的违规列表:

// Form processing

$form = $this->createForm(new GameListType(), $entity);

$request = $this->getRequest();

if ($request->getMethod() == 'POST') {

$form->bind($request);

$entity = $form->getData();

if ($form->isValid()) {

foreach ($entity->getGames() as $game) {

if($game->hasBet()){

$bet = $game->getBet();

$bet->setUser($user);

$validator = $this->container->get('validator');

$errors = $validator->validate($bet);

var_dump($errors) //

if(count($errors) == 0){

print($bet. ' gets persisted
');

$em->persist($bet);

}

}

}

$em->flush();

}

}

另一个问题是,即使我不调用$em-> persist($bet),实体就会被持久化.我看不到输出中描述的输出

print($bet.'gets persisted
');

但表单输入仍然保留在数据库中.

所以我的两个问题:

>如果验证失败,如果赌注失败,我如何得到错误(我不希望整个表单无效,因为3个赌注中只有1个无效).

即使我不叫$em-persist($bet),为什么这个赌注持续下去,这是绑定发生的一些魔法吗?

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个组成的网络结构,包括输入、隐藏和输出。每个由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入流向隐藏,最终到达输出。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值