在員工信息管理系統中，數據校驗是保障數據準確性的核心環節，需要覆蓋必填項檢查、格式驗證、業務規則校驗等維度。以下是系統化的實現方案，結合代碼示例詳細説明如何添加和優化數據校驗功能：
一、數據校驗的核心維度
首先明確需要校驗的場景和規則：
|
校驗類型
|
校驗內容
|
|
必填項校驗
|
姓名、性別、身份證號、手機號等核心字段不能為空
|
|
格式校驗
|
身份證號（18位）、手機號（11位）、日期（YYYY-MM-DD）、數字（年齡/薪資）
|
|
業務規則校驗
|
年齡（18-65歲）、薪資（非負數）、入職日期（不能晚於當前日期）
|
|
唯一性校驗
|
身份證號、手機號在系統中唯一（可選）
|
二、分步實現數據校驗功能
步驟1：封裝校驗工具類（高內聚）
創建獨立的DataValidator類，集中管理所有校驗規則，便於維護和複用：
import re
from datetime import datetime
class DataValidator:
"""數據校驗工具類"""
# ========== 基礎校驗 ==========
@staticmethod
def is_required(value):
"""檢查必填項（非空且非空白字符）"""
return bool(value and str(value).strip())
# ========== 格式校驗 ==========
@staticmethod
def validate_id_card(id_card):
"""驗證身份證號（18位，支持最後一位X/x）"""
id_card = str(id_card).strip()
# 18位身份證正則（含最後一位X/x）
pattern = r'^[1-9]\d{5}(19|20)\d{2}((0[1-9])|(1[0-2]))(([0-2][1-9])|10|20|30|31)\d{3}[\dXx]$'
if not re.match(pattern, id_card):
return False, "身份證號格式錯誤（需18位有效號碼）"
# 可選：身份證號合法性校驗（校驗碼驗證）
return True, ""
@staticmethod
def validate_phone(phone):
"""驗證手機號（11位，以13-9開頭）"""
phone = str(phone).strip()
pattern = r'^1[3-9]\d{9}$'
if not re.match(pattern, phone):
return False, "手機號格式錯誤（需11位有效號碼，如13800138000）"
return True, ""
@staticmethod
def validate_date(date_str, allow_future=False):
"""驗證日期格式（YYYY-MM-DD），可選是否允許未來日期"""
date_str = str(date_str).strip()
try:
date = datetime.strptime(date_str, "%Y-%m-%d")
# 校驗入職日期不能晚於當前日期
if not allow_future and date > datetime.now():
return False, "日期不能晚於當前日期"
return True, ""
except ValueError:
return False, "日期格式錯誤（需YYYY-MM-DD，如2024-01-01）"
# ========== 業務規則校驗 ==========
@staticmethod
def validate_age(age):
"""驗證年齡（18-65歲）"""
try:
age = int(age)
if age < 18 or age > 65:
return False, "年齡需在18-65歲之間"
return True, ""
except ValueError:
return False, "年齡需為有效數字"
@staticmethod
def validate_salary(salary):
"""驗證薪資（非負數）"""
try:
salary = float(salary)
if salary < 0:
return False, "薪資不能為負數"
return True, ""
except ValueError:
return False, "薪資需為有效數字（如8000或8000.5）"
# ========== 唯一性校驗（可選） ==========
@staticmethod
def validate_unique(field_value, field_name, employee_list, exclude_id=None):
"""
校驗字段唯一性（如身份證號/手機號）
:param field_value: 待校驗值
:param field_name: 字段名（如id_card/phone）
:param employee_list: 員工列表
:param exclude_id: 編輯時排除當前員工ID
:return: (是否唯一, 錯誤信息)
"""
for emp in employee_list:
if emp["id"] == exclude_id:
continue
if str(emp[field_name]).strip() == str(field_value).strip():
field_cn = "身份證號" if field_name == "id_card" else "手機號"
return False, f"{field_cn}已存在（員工ID：{emp['id']}）"
return True, ""步驟2：在表單提交時添加校驗（新增/編輯場景）
在員工新增/編輯的表單窗口（EmployeeFormWindow）中，重寫submit_form方法，集成校驗邏輯：
class EmployeeFormWindow:
def __init__(self, parent, title, db, refresh_callback, emp_data=None):
self.parent = parent
self.db = db
self.refresh_callback = refresh_callback
self.emp_data = emp_data # 編輯時的員工數據
self.is_edit = emp_data is not None
# 其他初始化代碼...
def submit_form(self):
"""提交表單（核心：先校驗，後保存）"""
# 1. 收集表單數據
form_data = {
"name": self.form_vars["name"].get().strip(),
"gender": self.form_vars["gender"].get().strip(),
"age": self.form_vars["age"].get().strip(),
"id_card": self.form_vars["id_card"].get().strip(),
"phone": self.form_vars["phone"].get().strip(),
"department": self.form_vars["department"].get().strip(),
"position": self.form_vars["position"].get().strip(),
"salary": self.form_vars["salary"].get().strip(),
"hire_date": self.form_vars["hire_date"].get().strip()
}
# 2. 執行數據校驗
errors = []
# 2.1 必填項校驗
required_fields = [
("姓名", form_data["name"]),
("性別", form_data["gender"]),
("年齡", form_data["age"]),
("身份證號", form_data["id_card"]),
("手機號", form_data["phone"]),
("部門", form_data["department"]),
("職位", form_data["position"]),
("薪資", form_data["salary"]),
("入職日期", form_data["hire_date"])
]
for field_cn, value in required_fields:
if not DataValidator.is_required(value):
errors.append(f"{field_cn}為必填項，不能為空")
# 2.2 格式/規則校驗
# 年齡校驗
if DataValidator.is_required(form_data["age"]):
valid, msg = DataValidator.validate_age(form_data["age"])
if not valid:
errors.append(f"年齡：{msg}")
# 身份證號校驗（格式+唯一性）
if DataValidator.is_required(form_data["id_card"]):
valid, msg = DataValidator.validate_id_card(form_data["id_card"])
if not valid:
errors.append(f"身份證號：{msg}")
else:
# 唯一性校驗（編輯時排除自身）
exclude_id = self.emp_data["id"] if self.is_edit else None
valid, msg = DataValidator.validate_unique(
form_data["id_card"], "id_card", self.db.get_all_employees(), exclude_id
)
if not valid:
errors.append(msg)
# 手機號校驗（格式+唯一性）
if DataValidator.is_required(form_data["phone"]):
valid, msg = DataValidator.validate_phone(form_data["phone"])
if not valid:
errors.append(f"手機號：{msg}")
else:
exclude_id = self.emp_data["id"] if self.is_edit else None
valid, msg = DataValidator.validate_unique(
form_data["phone"], "phone", self.db.get_all_employees(), exclude_id
)
if not valid:
errors.append(msg)
# 薪資校驗
if DataValidator.is_required(form_data["salary"]):
valid, msg = DataValidator.validate_salary(form_data["salary"])
if not valid:
errors.append(f"薪資：{msg}")
# 入職日期校驗（格式+不能晚於當前）
if DataValidator.is_required(form_data["hire_date"]):
valid, msg = DataValidator.validate_date(form_data["hire_date"], allow_future=False)
if not valid:
errors.append(f"入職日期：{msg}")
# 3. 校驗失敗：提示錯誤
if errors:
error_msg = "表單校驗失敗：\n" + "\n".join(errors)
messagebox.showerror("校驗失敗", error_msg)
return
# 4. 校驗通過：轉換數據類型並保存
try:
# 轉換數據類型（字符串→數字/日期）
form_data["age"] = int(form_data["age"])
form_data["salary"] = float(form_data["salary"])
if self.is_edit:
# 編輯模式
self.db.update_employee(self.emp_data["id"], form_data)
messagebox.showinfo("成功", "員工信息更新成功！")
else:
# 新增模式
self.db.add_employee(form_data)
messagebox.showinfo("成功", "員工信息新增成功！")
# 刷新列表並關閉窗口
self.refresh_callback()
self.window.destroy()
except Exception as e:
messagebox.showerror("保存失敗", f"數據保存出錯：{str(e)}")步驟3：批量導入時添加校驗（導入Excel/CSV場景）
在數據導入功能中，對每一行數據執行校驗，避免髒數據入庫：
class EmployeeManagementSystem:
def import_data(self):
"""導入Excel/CSV數據（帶批量校驗）"""
if self.user_role.get() != "管理員":
messagebox.showwarning("權限不足", "僅管理員可導入數據")
return
# 選擇文件
file_path = filedialog.askopenfilename(
filetypes=[("Excel/CSV", "*.xlsx *.xls *.csv"), ("所有文件", "*.*")]
)
if not file_path:
return
try:
# 讀取文件
if file_path.endswith((".xlsx", ".xls")):
df = pd.read_excel(file_path)
elif file_path.endswith(".csv"):
df = pd.read_csv(file_path, encoding="utf-8")
else:
messagebox.showerror("錯誤", "僅支持Excel/CSV格式")
return
# 校驗列名
required_cols = ["name", "gender", "age", "id_card", "phone", "department", "position", "salary", "hire_date"]
missing_cols = [col for col in required_cols if col not in df.columns]
if missing_cols:
messagebox.showerror("錯誤", f"缺少必填列：{', '.join(missing_cols)}")
return
# 批量校驗+導入
success_count = 0
fail_count = 0
fail_details = []
all_employees = self.db.get_all_employees()
for row_idx, row in df.iterrows():
row_num = row_idx + 1 # 行號（從1開始）
row_data = row.to_dict()
# 清理數據（去除空白字符）
for key in row_data:
if isinstance(row_data[key], str):
row_data[key] = row_data[key].strip()
# 執行校驗
errors = []
# 必填項校驗
for col in required_cols:
if not DataValidator.is_required(row_data.get(col, "")):
errors.append(f"{self.col_cn_name(col)}不能為空")
# 格式/規則校驗（同表單校驗邏輯）
if DataValidator.is_required(row_data.get("age", "")):
valid, msg = DataValidator.validate_age(row_data["age"])
if not valid:
errors.append(f"年齡：{msg}")
if DataValidator.is_required(row_data.get("id_card", "")):
valid, msg = DataValidator.validate_id_card(row_data["id_card"])
if not valid:
errors.append(f"身份證號：{msg}")
else:
valid, msg = DataValidator.validate_unique(row_data["id_card"], "id_card", all_employees)
if not valid:
errors.append(msg)
# 其他字段校驗（手機號、薪資、日期...）
# ...（同表單校驗邏輯）
# 處理校驗結果
if errors:
fail_count += 1
fail_details.append(f"第{row_num}行：{'; '.join(errors)}")
continue
# 校驗通過：導入數據
self.db.add_employee(row_data)
success_count += 1
all_employees = self.db.get_all_employees() # 更新列表，保證唯一性校驗準確
# 導入結果提示
result_msg = f"導入完成！\n成功：{success_count}條 | 失敗：{fail_count}條"
if fail_details:
# 只顯示前10條失敗詳情，避免彈窗過長
result_msg += "\n\n失敗詳情（前10條）：\n" + "\n".join(fail_details[:10])
if len(fail_details) > 10:
result_msg += f"\n... 還有{len(fail_details)-10}條失敗記錄未顯示"
messagebox.showinfo("導入結果", result_msg)
self.refresh_employee_list()
except Exception as e:
messagebox.showerror("導入失敗", f"文件處理出錯：{str(e)}")
def col_cn_name(self, col):
"""列名轉中文"""
col_map = {
"name": "姓名", "gender": "性別", "age": "年齡", "id_card": "身份證號",
"phone": "手機號", "department": "部門", "position": "職位",
"salary": "薪資", "hire_date": "入職日期"
}
return col_map.get(col, col)步驟4：實時校驗（提升用户體驗）
在表單輸入時添加實時校驗（如輸入手機號時即時提示格式錯誤），避免提交時才發現問題：
class EmployeeFormWindow:
def create_form(self):
"""創建表單（添加實時校驗）"""
# ... 原有代碼 ...
# 為身份證號輸入框添加實時校驗
id_card_entry = self.form_entries["id_card"]
id_card_entry.bind("<FocusOut>", lambda e: self.real_time_validate("id_card"))
# 為手機號輸入框添加實時校驗
phone_entry = self.form_entries["phone"]
phone_entry.bind("<FocusOut>", lambda e: self.real_time_validate("phone"))
# 為日期輸入框添加實時校驗
date_entry = self.form_entries["hire_date"]
date_entry.bind("<FocusOut>", lambda e: self.real_time_validate("hire_date"))
def real_time_validate(self, field):
"""實時校驗單個字段"""
value = self.form_vars[field].get().strip()
if not value:
return
# 根據字段類型執行校驗
if field == "id_card":
valid, msg = DataValidator.validate_id_card(value)
elif field == "phone":
valid, msg = DataValidator.validate_phone(value)
elif field == "hire_date":
valid, msg = DataValidator.validate_date(value)
elif field == "age":
valid, msg = DataValidator.validate_age(value)
elif field == "salary":
valid, msg = DataValidator.validate_salary(value)
else:
return
# 實時提示（非阻塞，僅警告）
if not valid:
messagebox.showwarning("格式提示", f"{self.get_field_name(field)}：{msg}")三、校驗功能的擴展與優化
- 自定義校驗規則：
可在DataValidator中添加更多業務規則，例如：
@staticmethod
def validate_salary_range(salary, department):
"""按部門校驗薪資範圍（如技術部薪資不低於8000）"""
dept_salary_min = {
"技術部": 8000,
"人事部": 5000,
"財務部": 6000
}
min_salary = dept_salary_min.get(department, 0)
if float(salary) < min_salary:
return False, f"{department}薪資不低於{min_salary}元"
return True, ""- 校驗結果可視化：
替代彈窗提示，可在表單字段旁添加紅色錯誤提示標籤：
# 在表單創建時添加錯誤標籤
self.error_labels = {}
for idx, (label, key, var, required) in enumerate(fields):
# ... 原有輸入框創建代碼 ...
# 添加錯誤提示標籤
error_label = ttk.Label(form_frame, text="", foreground="red", font=("SimHei", 8))
error_label.grid(row=idx, column=2, padx=5, pady=8, sticky=tk.W)
self.error_labels[key] = error_label
# 實時校驗時更新錯誤標籤
def real_time_validate(self, field):
# ... 原有校驗邏輯 ...
error_label = self.error_labels.get(field)
if error_label:
if not valid:
error_label.config(text=msg)
else:
error_label.config(text="")- 批量校驗結果導出：
導入數據時，可將失敗記錄導出為Excel，方便用户修正後重新導入：
# 導入失敗時導出錯誤數據
if fail_details:
fail_df = df.iloc[[idx for idx in range(len(fail_details))]] # 失敗行數據
fail_df["錯誤原因"] = fail_details
fail_file = filedialog.asksaveasfilename(defaultextension=".xlsx", filetypes=[("Excel", "*.xlsx")])
if fail_file:
fail_df.to_excel(fail_file, index=False)
messagebox.showinfo("提示", f"失敗數據已導出至：{fail_file}")四、核心總結
數據校驗的實現遵循**「集中管理、分層校驗、實時提示、批量處理」** 原則：
- 集中管理：所有校驗規則封裝在
DataValidator，便於維護； - 分層校驗：表單提交前全量校驗，輸入時實時校驗，批量導入時逐行校驗；
- 用户體驗：實時提示替代阻塞式彈窗，錯誤信息具體到字段和原因；
- 業務適配：支持必填、格式、唯一性、業務規則等多維度校驗，可靈活擴展。
通過以上方案，可確保員工信息管理系統的數據準確性，同時兼顧用户操作體驗。
