Awesome GitHub RepositoriesValidation Result Serializers

Great Expectations is a data quality testing framework and observability platform designed to monitor the reliability of data pipelines. It provides a structured environment for defining, documenting, and automating data quality assertions, allowing teams to validate datasets against expected structure and content before they move through downstream processes. The project distinguishes itself through a declarative domain-specific language that stores quality rules as version-controlled configuration files. It utilizes an execution engine abstraction to translate these high-level assertions in

Arktype is a TypeScript runtime validation library and schema orchestrator. It synchronizes TypeScript types with runtime data validation, allowing users to define type-safe schemas that ensure unknown data adheres to specific structures during application execution. The project distinguishes itself by using set-theory type analysis to determine intersections and subtype compatibility, alongside JIT-compiled validation functions for optimized performance. It supports advanced type modeling through branded type constraints, recursive alias resolution, and the ability to generate runtime valida

Typia is a compile-time code generator that transforms TypeScript type annotations into runtime validation, serialization, and schema functions without requiring decorators or separate schema files. It generates optimized validation and serialization code during TypeScript compilation, producing dedicated functions for each type that eliminate runtime schema objects for faster execution. The project extends this core capability into several integrated areas. It generates fully typed client SDKs from NestJS controller source code, keeping server and client types synchronized automatically. It

Proselint este un linter de proză și un analizor de text bazat pe reguli, conceput pentru a identifica erori stilistice, clișee și jargon în textele scrise. Acesta scanează documentele comparându-le cu un registru curat de reguli lingvistice și tipografice pentru a menține standarde editoriale profesionale și a îmbunătăți calitatea scrierii. Proiectul funcționează ca un procesor de text pentru linia de comandă, o bibliotecă de analiză programabilă și un hook de pre-commit pentru git. Arhitectura sa modulară permite motorului principal să fie integrat în alte aplicații, expus printr-un API REST sau integrat în editoare de text. Instrumentul suportă parcurgerea recursivă a directoarelor pentru analiză în lot și acceptă text prin input standard pentru utilizarea în pipeline-uri de linie de comandă. Oferă opțiuni de configurare pentru a activa sau dezactiva verificări lingvistice specifice și poate exporta rezultatele diagnosticului în format JSON structurat.

Pa11y este un auditor automat de accesibilitate web și un scanner de conformitate WCAG. Acesta funcționează ca un instrument de testare headless browser și un API de accesibilitate Node.js care identifică barierele pentru utilizatorii cu dizabilități folosind reguli automate și standarde din industrie. Proiectul oferă o interfață programabilă pentru declanșarea auditurilor și preluarea obiectelor de rezultat structurate în cadrul aplicațiilor JavaScript. Se distinge prin capabilități precum simularea interacțiunii utilizatorului, sincronizarea stării paginii și capacitatea de a restricționa domeniile de testare folosind selectori CSS pentru a audita regiuni specifice ale paginii. Sistemul suportă auditarea paginilor în masă și servește drept poartă de accesibilitate pentru pipeline-urile CI/CD pentru a bloca implementările atunci când sunt detectate regresii. Capabilitățile largi includ monitorizarea tendințelor de sănătate a accesibilității prin dashboard-uri, configurarea mediilor de browser și exportul rapoartelor de conformitate în mai multe formate. Este disponibil ca interfață de linie de comandă și bibliotecă Node.js bazată pe promise.

Deepchecks este un framework de validare a modelelor de machine learning și o bibliotecă de testare MLOps. Servește ca o suită de calitate a datelor AI și evaluator de performanță conceput pentru a verifica integritatea și performanța modelelor și seturilor de date, de la cercetare până la producție. Proiectul funcționează ca un instrument de monitorizare a modelelor pentru urmărirea derivei datelor (data drift) și a degradării performanței în mediile de producție. Permite crearea de suite de validare personalizate și utilizează o arhitectură de verificări pluggable pentru a automatiza testele de calitate în cadrul pipeline-urilor de integrare continuă (CI). Framework-ul acoperă o gamă largă de capabilități, inclusiv verificarea integrității datelor, detectarea derivei bazată pe distribuție și compararea versiunilor de modele. Oferă analiză specializată pentru computer vision și procesarea limbajului natural (NLP), alături de instrumente de raportare care transformă metricile de validare în rapoarte vizuale interactive. Sistemul suportă implementarea on-premises pentru a menține confidențialitatea datelor și controlul infrastructurii.