Python 操作 json 数据

在Python中，操作JSON数据主要包括序列化（将Python对象转换为JSON格式）和反序列化（将JSON字符串转换回Python对象）。

以下是使用Python内置的json模块进行这些操作的基本示例：

JSON 序列化 (Serialization)

将Python对象转换成JSON字符串：

import json

# 定义一个Python字典或列表等可序列化的对象

data = {

"name": "Alice",

"age": 30,

"hobbies": ["reading", "programming"]

}

# 使用 json.dumps() 方法将 Python 对象转为 JSON 字符串

json_string = json.dumps(data)

print(json_string) # 输出：{"name": "Alice", "age": 30, "hobbies": ["reading", "programming"]}

JSON 反序列化 (Deserialization)

将JSON字符串转换成Python对象：

import json

# 假设我们有一个 JSON 格式的字符串

json_data = '{"name": "Bob", "age": 35, "hobbies": ["guitar", "travel"] }'

# 使用 json.loads() 方法将 JSON 字符串转为 Python 字典

python_obj = json.loads(json_data)

print(python_obj) # 输出：{'name': 'Bob', 'age': 35, 'hobbies': ['guitar', 'travel']}

# 或者从文件读取 JSON 数据并转换

with open('data.json', 'r') as file:

python_obj_from_file = json.load(file)

print(python_obj_from_file)

注意事项：

JSON仅支持特定的数据类型，如数字、字符串、布尔值、null、数组（对应Python中的列表）和对象（对应Python中的字典）。Python中的一些非标准类型（如None、datetime对象、自定义类实例等）需要通过特殊方式处理才能正确地序列化和反序列化。

json.dumps()方法接受额外的参数用于控制序列化过程，例如ensure_ascii=False可以输出包含非ASCII字符的JSON字符串，indent用于美化输出，设置缩进。

json.load()和json.loads()在遇到不符合JSON格式的输入时会抛出json.JSONDecodeError异常。

在Python进行接口自动化测试时，操作JSON数据是常见且关键的步骤。通常情况下，我们会使用json模块处理HTTP请求中的JSON内容，并通过requests库发送这些请求到API服务器。以下是一个基本示例，展示如何构建和解析JSON数据以执行接口测试：

发送带有JSON数据的POST请求

import requests

import json

# 定义要发送的JSON数据

payload = {

"username": "testuser",

"password": "testpassword",

"email": "test@example.com"

}

# 将Python字典转换为JSON格式字符串

json_payload = json.dumps(payload)

# 设置请求头信息，告诉服务器我们正在发送JSON数据

headers = {'Content-Type': 'application/json'}

# 发送POST请求

response = requests.post('http://example.com/api/login', data=json_payload, headers=headers)

# 检查响应状态码是否正常

if response.status_code == 200:

# 如果响应成功，将其内容反序列化为Python对象

response_json = response.json()

print(response_json)

else:

print(f"请求失败，状态码：{response.status_code}")

# 根据需要对响应JSON数据进行断言或进一步处理

assert response_json['status'] == 'success'

解析返回的JSON响应

对于从API接收到的JSON响应，可以使用response.json()方法将响应体的内容转化为Python字典或列表以便于进行验证。

数据驱动测试

在数据驱动测试场景中，可以从文件读取多个JSON记录（例如，每行一个JSON对象），然后依次对每个记录执行相同的操作：

with open('test_data.json') as f:

test_cases = json.load(f)

for case in test_cases:

# 调整请求参数并发送请求

response = requests.post('http://example.com/api/endpoint', json=case)

# 针对每个测试用例进行相应的断言

assert_response(response, case)

这里，test_data.json文件可能包含多条记录，每一项都是一个待测试的JSON数据结构。在循环中，逐个发送请求并根据每个用例的结果进行验证。

json在接口自动化里的高级使用

在接口自动化测试中，JSON的高级使用通常涉及到更复杂的数据操作、模式验证以及高效地提取和比较响应数据。以下是一些高级用例：

JsonPath 或 JMESPath 的应用：

使用jsonpath或jmespath库来从复杂的JSON响应中精准提取数据，而无需遍历整个数据结构。

import jsonpath # or jmespath for JMESPath

response_json = {"users": [{"name": "Alice", "id": 1}, {"name": "Bob", "id": 2}]}

names = jsonpath.jsonpath(response_json, '$.users[*].name') # 返回 ['Alice', 'Bob']

JSON Schema验证：

使用jsonschema库对API返回的JSON响应进行模式匹配验证，确保其符合预定义的结构和约束条件。

from jsonschema import validate, ValidationError

schema = {

"type": "object",

"properties": {

"status": {"type": "string"},

"data": {"type": "array", "items": {"type": "object", "properties": {"id": {"type": "integer"}, "name": {"type": "string"}}}}

},

"required": ["status", "data"]

}

response = {"status": "ok", "data": [{"id": 1, "name": "Alice"}]}

try:

validate(instance=response, schema=schema)

print("Response matches the schema.")

except ValidationError as e:

print(f"Validation error: {e}")

动态构建请求体：

根据需求动态生成或修改JSON请求体，例如基于数据库查询结果构造请求参数。

def build_request_body(user_id):

user_data = get_user_from_database(user_id) # 假设这是一个获取用户信息的方法

request_body = {"user": {"id": user_data["id"], "name": user_data["name"]}}

return request_body

payload = build_request_body(1)

response = requests.post('http://example.com/api/update', json=payload)

批量执行与结果分析：

对于大批量的数据交互，可以将多个JSON请求组织成一个列表，并利用循环或异步方式发送请求，然后汇总所有响应的结果进行整体评估。

错误处理和容错机制：

对接收到的JSON数据进行深度检查，对于非标准格式或异常字段，能够有策略地处理并记录异常。

缓存和复用：

对于一些重复性的数据，如Token或者Header中的JWT，可以将其存储起来并在后续请求中复用，提高效率同时保持安全性。

通过以上这些高级技术，可以在接口自动化测试中更好地管理和操纵JSON数据，提高测试代码的质量和可维护性。

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：【文末自行领取】

​

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！