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
python
"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
python
# 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_LENGTH
minLength = MIN_LENGTH
required = "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_LENGTH
minLength = MIN_LENGTH
required = "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~
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。。。
【下面是我整理的2023年最全的软件测试工程师学习知识架构体系图】
一、Python编程入门到精通
二、接口自动化项目实战
三、Web自动化项目实战
四、App自动化项目实战
五、一线大厂简历
六、测试开发DevOps体系
七、常用自动化测试工具
八、JMeter性能测试
九、总结（尾部小惊喜）
生命不息，奋斗不止。每一份努力都不会被辜负，只要坚持不懈，终究会有回报。珍惜时间，追求梦想。不忘初心，砥砺前行。你的未来，由你掌握！
生命短暂，时间宝贵，我们无法预知未来会发生什么，但我们可以掌握当下。珍惜每一天，努力奋斗，让自己变得更加强大和优秀。坚定信念，执着追求，成功终将属于你！
只有不断地挑战自己，才能不断地超越自己。坚持追求梦想，勇敢前行，你就会发现奋斗的过程是如此美好而值得。相信自己，你一定可以做到！
最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：
这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！
