如何在pytest接口自动化框架中扩展JSON数据解析功能？

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_list=None):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 = "false"if "maxLength" in arr_key:maxLength = i["maxLength"]elif "maxLength" in arr_key:minLength = i["minLength"]if required_list:if l in required_list:required = "true"items_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 = "false"if "maxLength" in value:maxLength = value["maxLength"]elif "minLength" in value:minLength = value["minLength"]if required_list:if key in required_list:required = "true"else:required = "false"par = {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~