Store自动数据清洗依赖插件钩子而非单一插件，通过beforeRestore等生命周期执行校验修正，结合Zod/Yup Schema定义规则，在commit前解析并静默修正，辅以Devtools调试，确保幂等、无状态、低侵入。
Store 的自动数据清洗通常不依赖单一插件，而是通过组合工具链与轻量级插件协同完成。核心在于将清洗逻辑嵌入数据写入或读取流程，而非事后批量处理。
选择支持钩子机制的 Store 插件
例如 Vuex（Vue 2/3）或 Pinia（Vue 3）生态中，可使用 vuex-persistedstate 或 pinia-plugin-persistedstate 类插件，在数据持久化前后插入清洗函数。关键不是“清洗插件”，而是利用插件暴露的生命周期钩子（如 beforeRestore、afterHydrate）执行校验与修正。
- 在
beforeRestore中过滤掉过期字段、补全缺失默认值 - 用正则或 schema 校验字符串格式（如邮箱、手机号），自动修正或剔除非法项
- 对数值型字段做类型强制转换（如
parseInt、parseFloat），避免字符串混入
结合 Schema 验证插件统一规则
引入轻量 Schema 工具（如 zod 或 yup）定义 Store state 结构，并封装为可复用的清洗中间件。每次 commit 或 patch 前调用验证函数，自动裁剪、转换、补缺。
- 定义每个 module 的 schema，包含字段类型、默认值、转换逻辑（如
.transform(v => v?.trim())） - 在 action 或 store 的
actions层拦截 payload，用 schema.parse()或.safeParse()处理 - 错误时不抛异常，而是静默修正（如空字符串转 null）或记录 warn 日志
利用 Devtools 插件辅助调试清洗效果
安装 Vue Devtools 或 Pinia Devtools，观察 state 变化前后差异。配合 console 打印清洗前后的 diff，快速定位未覆盖的脏数据场景（如后端返回的空数组、null 字段、时间戳字符串等）。
- 在 store 的
subscribe中监听 mutation，打印清洗前后的 state 片段 - 对高频变更字段（如表单 input）开启细粒度日志，确认实时清洗生效
- 模拟异常响应（如返回
{"name": ""}），验证清洗逻辑是否兜底
避免过度清洗导致副作用
清洗逻辑应保持幂等、无状态、低侵入。不要在插件里直接修改原始 payload 引用，也不应在清洗中触发新 action 或 API 请求。
- 清洗函数只返回新对象，不修改原对象（推荐结构化克隆或展开运算符）
- 跳过不可枚举属性、Symbol 键、函数字段，防止破坏 store 内部机制
- 对大型数组或嵌套对象做浅层清洗优先，深层递归清洗需加深度限制和性能警告
不复杂但容易忽略：清洗不是越全越好，关键是识别业务中最常出错的数据点，针对性加固。从登录态、用户资料、搜索参数这几类高频字段开始，逐步沉淀清洗规则库。
