北京市公司网站制作,中交路桥建设有限公司地址,汕头网站模板,贵阳企业网站开篇
上期内容简单说到了。params类类型参数的解析方法。相较于简单。本期内容就json格式的数据解析#xff0c;来进行阐述。
在MeterSphere中#xff0c;有两种方式可以进行json格式的数据维护。一种是使用他们自带的JsonSchema来填写key-value表单。另一种就是手写json。… 开篇
上期内容简单说到了。params类类型参数的解析方法。相较于简单。本期内容就json格式的数据解析来进行阐述。
在MeterSphere中有两种方式可以进行json格式的数据维护。一种是使用他们自带的JsonSchema来填写key-value表单。另一种就是手写json。
手写json在日常工作中效率较低原因有二一是手写太麻烦占据大量个工作时间影响效率。二是对正确性以及层级结构无法保证准确性。两者相比较故选择JsonSchema的方式来维护json格式的数据。
json格式数据模型如下
jsonSchema: {properties: {字段1: {mock: {mock: },type: string,description: 字段描述。。。},字段2: {type: number,mock: {mock: },minLength:50,maxLength:100},字段3: {type: integer,mock: {mock: },description: 字段描述}},type: object,mock: {mock: },required: [字段1,字段2,]}使用JsonSchema作为最外层节点第二层节点包含了类型、字段属性、必填字段列表等参数信息。第三层节点就是字段的一些属性包含了字段长度、字段名称、字段类型、字段描述等
特别需要说明的是MeterSphere的字段类型有很多其中包含了object以及array这两种类型的数据
object如果字段类型是object那么该字段节点下会嵌套另外一些字段这些字段也是json格式的array同理如果字段类型是array那么该字段下面会嵌套一个列表列表中的每一个元素都是json格式不可以手动设置key是从0递增自动命名。
这两种类型是可以无限重复套娃下去。只要你需要。
所以在解析这类数据时我们就需要先解决这种层层嵌套的问题。
思路梳理
首先判断一下数据类型是否为上述这种套娃格式 判断字段类型是object还是array利用python的递归调用自身。并将字段属性作为参数传给这个函数然后提取字段中的最大值最小值以及参数名称、类型判断当前字段是否在必填列表中如果在则将这个字段设置为必填
如上是大概的解题思路抛开拆解套娃代码相对简单。如下是源码展示
# 解析json请求的参数
def post_arguments(data, required_listNone):field {}if not isinstance(data, dict):raise TypeError(data is not dict)for key, value in data.items():if value[type] object and properties in value:# 递归调用,实现多层嵌套解析if required in value:recursion_par post_arguments(value[properties], value[required])par {key:{type: value[type],description: value[description] if description in value else ,**recursion_par}}field.update(par)else:recursion_par post_arguments(value[properties])par {key: {type: value[type],description: value[description] if description in value else ,**recursion_par}}field.update(par)elif value[type] array and items in value:for l, i in enumerate(value[items]):for arr_key, arr_value in i.items():if arr_value object and properties in arr_value:# 递归调用,实现多层嵌套解析if required in arr_value:recursion_par post_arguments(arr_value[properties], value[required])par {l: {type: value[type],description: value[description] if description in value else ,**recursion_par}}field.update(par)else:recursion_par post_arguments(arr_value[properties])par {l: {type: value[type],description: value[description] if description in value else ,**recursion_par}}field.update(par)elif arr_value array and items in arr_value:if required in arr_value:recursion_par post_arguments(arr_value[properties], arr_value[required])par {l: {type: value[type],description: value[description] if description in value else ,**recursion_par}}field.update(par)else:recursion_par post_arguments(arr_value[properties])par {l: {type: value[type],description: value[description] if description in value else ,**recursion_par}}field.update(par)else:maxLength MAX_LENGTHminLength MIN_LENGTHrequired falseif maxLength in arr_key:maxLength i[maxLength]elif maxLength in arr_key:minLength i[minLength]if required_list:if l in required_list:required trueitems_par {key:{type: value[type],description: value[description] if description in value else ,l: {type: i[type],required: required,max: maxLength,min: minLength}}}field.update(items_par)else:maxLength MAX_LENGTHminLength MIN_LENGTHrequired falseif maxLength in value:maxLength value[maxLength]elif minLength in value:minLength value[minLength]if required_list:if key in required_list:required trueelse:required falsepar {key: {type: value[type],description: value[description] if description in value else ,required: required,max: maxLength,min: minLength,}}field.update(par)return field
可以看到思路不是很难但是代码还是比较臃肿的其中有很多的代码是冗余的在后期优化中将考虑这块重构一下。大家在写的时候将思路缕清别写出我这么烂的代码。。。。引以为戒~
结语
总结一下这个函数
首先在写的时候多重嵌套是个难题可以通过递归的方式解决另外一定在思路缕清的前提下再开始写代码我就是在边写边思考一个for循环一个for循环的嵌套。导致代码极其臃肿。执行效率有一定程度的降低且代码可读性不好公共代码提取像一些数据结构模板这些都可以提取成一个公共变量然后调用即可。在函数中反复写着相类似的模板是一种很愚蠢的行为。。。 【整整200集】超超超详细的python自动化测试进阶教程合集真实模拟企业项目实战
