用 JSON Schema 做严谨校验：告别“幽灵字段”和脏数据

很多朋友把“能被 JSON.parse 成对象”当成“数据没问题”。但是一到线上：一个小小的 null、一个多余字段、一个写错格式的时间串，就能产生严重的问题。JSON 校验做的除了能不能解析，更重要的是要验证是“结构对不对、值合不合理、能不能放心往下游传”。

下面，我尽量把落地要点、常见坑和多语言方案一次说清，配一套可复制的脚手架。

1. 目标边界：校验到底在查什么

语法：是不是合法 JSON。对应 JSON.parse / Jackson / json.loads。标准见 RFC 8259 与 ECMA-404（两个标准都在定义 JSON 的语法，彼此兼容）。(IETF Datatracker, Ecma International)

结构/类型/约束：对象里有哪些字段、类型是什么、取值范围/正则/枚举、数组长度、是否允许未知字段。推荐用 JSON Schema（最新版规范见 json-schema.org）。(JSON Schema)

业务规则：跨字段/跨对象的规则，比如“有 discount 就必须有 couponCode 且 discount <= price”。这一层通常要在代码里自定义校验器（Schema 里也能写一部分，比如 if/then/else、dependentRequired）。(JSON Schema)

语法过关 ≠ 有效数据。校验的职责是把“输入不确定性”挡在系统边界之外。

2. 先有一个能跑的 Schema

以一个订单片段为例（可直接拷贝到你的项目里）：

{
  "$schema": "https://json-schema.org/draft/2020-12/schema",
  "$id": "https://example.com/schemas/order.json",
  "type": "object",
  "required": ["id", "items", "price", "createdAt"],
  "additionalProperties": false,
  "properties": {
    "id": { "type": "string", "minLength": 16 },
    "items": {
      "type": "array",
      "minItems": 1,
      "items": {
        "type": "object",
        "required": ["sku", "qty"],
        "properties": {
          "sku": { "type": "string" },
          "qty": { "type": "integer", "minimum": 1 }
        },
        "additionalProperties": false
      }
    },
    "price": { "type": "number", "minimum": 0 },
    "discount": { "type": "number", "minimum": 0 },
    "couponCode": { "type": "string" },
    "createdAt": { "type": "string", "format": "date-time" }
  },
  "allOf": [
    { "if": { "required": ["discount"] },
      "then": { "required": ["couponCode"] } },
    { "if": { "properties": { "discount": { "const": 0 } } },
      "then": { "not": { "required": ["couponCode"] } } }
  ]
}

几点说明：

additionalProperties: false 限制不允许未知字段；如果你要向前兼容，先放开，再逐步收紧。
format: "date-time" 是 RFC 3339 格式；不少校验库默认不强制校验 format，要显式开启（后文给具体库的开关）。(JSON Schema)

3. 多语言落地脚手架

3.1 Node.js（Ajv）

Ajv 支持到 2020-12/2019-09 草案，速度很快、生态成熟。(ajv.js.org, GitHub)

npm i ajv ajv-formats
import Ajv from "ajv";
import addFormats from "ajv-formats";
import schema from "./order.schema.json" assert { type: "json" };

const ajv = new Ajv({
  allErrors: true,         // 一次性报全错，便于前端展示
  strict: true,            // 严格模式，避免歧义
  removeAdditional: false, // 不要自动删除未知字段，先让问题显形
  coerceTypes: false       // 不要把 "123" 强转成数字，避免脏数据混进来
});
addFormats(ajv, { mode: "fast" }); // 开启 date-time 等 format 校验

const validate = ajv.compile(schema);

export function assertValidOrder(data) {
  const ok = validate(data);
  if (!ok) {
    const msg = ajv.errorsText(validate.errors, { separator: "\n" });
    const details = validate.errors?.map(e => ({
      path: e.instancePath || "/",
      keyword: e.keyword,
      message: e.message
    }));
    const err = new Error(msg);
    err.details = details;
    throw err;
  }
  return data;
}

3.2 Java（networknt json-schema-validator）

轻量、无框，常配合 Jackson 使用；支持到 2020-12。建议缓存 JsonSchema 实例。(GitHub)

<!-- Maven -->
<dependency>
  <groupId>com.networknt</groupId>
  <artifactId>json-schema-validator</artifactId>
  <version>1.5.8</version>
</dependency>

ObjectMapper mapper = new ObjectMapper();
JsonSchemaFactory factory = JsonSchemaFactory.getInstance(SpecVersion.VersionFlag.V202012);
JsonSchema schema = factory.getSchema(
    YourClass.class.getResourceAsStream("/schemas/order.json"));

public void assertValidOrder(JsonNode node) {
  Set<ValidationMessage> errors = schema.validate(node);
  if (!errors.isEmpty()) {
    // 组装友好的错误格式
    throw new IllegalArgumentException(errors.toString());
  }
}

小提示（Java）：金额用 BigDecimal；Jackson 里可以 DeserializationFeature.USE_BIG_DECIMAL_FOR_FLOATS，避免精度丢失。

文档/JavaDoc：(doc.networknt.com, javadoc.io)

3.3 Python（jsonschema / Pydantic）

直接用 jsonschema：与规范同源，API 简单。(jsonschema)
做模型映射/业务逻辑时用 Pydantic v2：类型注解即约束，校验快，配 model_validate_json 很顺手。(docs.pydantic.dev)

# jsonschema 版
from jsonschema import validate, Draft202012Validator, ValidationError
import json

schema = json.load(open("order.schema.json"))
Draft202012Validator.check_schema(schema)

def assert_valid_order(data: dict):
    try:
        validate(instance=data, schema=schema, cls=Draft202012Validator)
    except ValidationError as e:
        raise ValueError(f"{list(e.path)}: {e.message}") from e
# Pydantic v2 版（更偏“模型校验”，不等价于 JSON Schema）
from typing import List, Optional
from pydantic import BaseModel, Field, ValidationError, field_validator

class Item(BaseModel):
    sku: str
    qty: int = Field(ge=1)

class Order(BaseModel):
    id: str = Field(min_length=16)
    items: List[Item]
    price: float = Field(ge=0)
    discount: Optional[float] = Field(default=None, ge=0)
    couponCode: Optional[str] = None

    @field_validator("couponCode")
    def coupon_required_if_discount(cls, v, info):
        d = info.data.get("discount")
        if d is not None and d > 0 and not v:
            raise ValueError("couponCode required when discount > 0")
        if d == 0 and v:
            raise ValueError("couponCode must be absent when discount == 0")
        return v

def assert_valid_order_json(json_str: str):
    try:
        return Order.model_validate_json(json_str)
    except ValidationError as e:
        raise ValueError(e) from e

4. 错误信息与用户体验：别只丢 “Bad Request”

好错误应该至少包含：path（出错位置）、expected（期待什么）、actual（实际是什么）、hint（修正建议）。
比如：

{
  "code": "VALIDATION_FAILED",
  "errors": [
    {"path": "/items/0/qty", "expected": "integer >= 1", "actual": 0, "hint": "若是删除请移除此项"},
    {"path": "/createdAt", "expected": "RFC3339 date-time", "actual": "2024/06/01 12:00"}
  ],
  "requestId": "a1b2c3"
}

前端/工具里则把 path 聚合展示，配“定位到字段”的按钮，体验会好很多。

5. 常见坑

评论与尾逗号：JSON 不允许注释和尾逗号，别把 JSONC 当 JSON。标准里写得很清楚。(IETF Datatracker, Ecma International)
format 没生效：不少库默认不校验 date-time 等 format，像 Ajv 需要 ajv-formats 显式开启。(ajv.js.org)
additionalProperties 忘关：上线后发现一堆“幽灵字段”随请求飘进来，导致下游落库失败/缓存 miss。
oneOf 多匹配：oneOf 里两个分支都能匹配会报错；要么加判别字段（discriminator），要么用更严格的约束。(JSON Schema)
精度问题：金额类别用十进制；JS 端不要把金额当 number 参与计算，上下游统一单位与类型。
深层嵌套/超大 JSON：大于几十 MB 的 JSON 建议流式校验（Jackson streaming、Node Transform 流），别一次全载入内存。
Schema 与代码漂移：Schema 更新没同步到服务，最终“校验通过但代码崩”。解决：契约测试 + CI 校验。

6. 性能与大文件：怎么才能减少 CPU 负载

编译 & 复用：像 Ajv 会把 Schema 编译成函数；Java 也要把 JsonSchema 缓存起来，别每次解析。(GitHub)
流式处理：NDJSON（每行一个 JSON）可以一行一行读+校验；超大数组考虑分块校验。
采样：低风险场景先按比例采样校验，观察错误率与类型，再决定是否全量拦截。
指标：至少打两类指标：校验耗时、失败率（按 keyword/path 维度分桶）。

7. 版本化与演进：老版本兼容处理

Schema 版本号：$id 带版本，或路径分版本 /schemas/order/2025-08-01.json。(JSON Schema)
加字段：先非必填上线一版（提供默认值/后端兜底）→ 观察 → 再改成必填。
删字段：先在 Schema 里标记弃用（文档+日志告警）→ 一段时间后再 additionalProperties: false 收口。
向前/向后兼容策略：入口严格、出口宽松（对外响应更宽容，有助于灰度）。

8. 一个落地小清单

所有入口（API/Webhook/消息）统一加 Schema 校验
additionalProperties 有明确态度（要么关掉要么白名单）
format 显式开启并约定时区/格式
错误返回统一结构，包含 path/expected/actual/hint
CI：Schema 自检 + 契约测试（示例负样本 & 正样本）
观测：失败率、关键字分布、Top N 出错路径
Schema 版本化 & 变更公告

9. 延伸：Schema ≠ 业务全部

别把业务校验全塞进 Schema。像“库存是否足够”“用户是否有权限”这类需要上下文的校验，应该放在服务逻辑里，并和 Schema 校验分层。

10. 参考与进一步阅读

JSON 语法标准：RFC 8259；ECMA-404（第二版）。(IETF Datatracker, Ecma International)
JSON Schema 规范与教程：Specification / Getting Started / Examples。(JSON Schema)
Ajv（JS）：官网与性能说明。(ajv.js.org, GitHub)
Java 校验器：networknt/json-schema-validator（使用与版本支持）。(GitHub, doc.networknt.com)
Python：jsonschema 文档；Pydantic v2 文档与 model_validate_json。(jsonschema, docs.pydantic.dev)

JSON工具版本日志

如何进行二进制、十进制与十六进制互相转换？看这篇就够了

表单编码与 URL 编码详解：避免双重编码和乱码问题

JSON格式化缩进选择：2空格、4空格与Tab的全面对比

JSON 格式的版本化与 API 演化策略

JWT 结构详解：JSON Web Token 是如何保证数据安全与防篡改的？