日志简介
- 用于记录系统运行时的信息,对一个事情的记录(脚本运行中某个重要变量的值,方法输入参数和返回结果,参数,错误,异常信息),也称为log.
搜集日志的作用
- 分析代码,定位bug
- 调试代码
- 了解项目系统运行的状况
- 分析用户的行为,做数据统计
日志的级别(记高中低级别次序)
- logging.DEBUG:调试级别[高]
- logging.INFO:信息级别[较高]
- logging.WARNING:警告级别[中]
- logging.ERROR:错误级别[低]
- logging.CRITICAL:严重错误级别[极低]
特性
- 日志级别设定后,比自己设定级别低的日志才会打印
- 设定日志级别为info,debug级别的日志信息不会打印,warning,error,critial会打印
日志代码实现分析
- 控制台 : 打印在屏幕上看
- 日志文件对象 : 写在日志文件里
- 参数含义
- filename:日志文件名
- when:产生日志文件的时间单位(几点产生)
- interval:单位的个数(几次)
- backupCount : 系统中保留日志文件的个数(比如说backupCount数值为3,那只保留3天的日志,第四天的日志加入时会删除第一天的)
使用步骤 :
- 将loggin_user.py文件部署到项目中
- 在项目下创建一个log的目录,用于存放log日志文件
- 在项目中使用日志之前,初始化日志信息,指定日志文件名,单位,单位间隔和保留的文件个数
- 在需要打印输出的位置使用logging级别(“想要输出的信息”)
[全量字段校验]
- 本质：更进⼀步的断⾔(校验接口实际与预期是否一致,校验全部字段)
- 与传统断⾔的区别：
- 传统断⾔：只能校验特定字段的值（如状态码是否为200，success是否为true等）
- 全量字段校验：可校验字段值、字段名、字段类型（如校验data字段是否存在且
为字符串类型）
- 校验流程:
- 定义校验规则
- 必填字段是否存在（如success/code/message）
- 字段数据类型是否正确（如code是否为整数,code是否为整数）
- 字段值是否符合预期（如message是否为"操作成功"）
- 对比响应数据是否符合校验规则
- 定义校验规则
- json数据
{"success":true,"code":10000,"massage":"操作成功"}
- 对应校验规则
{
"type":"object",
"properties":{
"success":{"type":"boolean"},
"code":{"type":"integer"},
"message":{"type":"string"}
},
"required":["success","code","message"]
}
-
规则结构：包含type、properties和required三个关键部分
- 字段类型校验：
- “type”:"object"表示整个JSON是对象类型
- "properties"中定义各字段类型要求，如布尔型、整型、字符串型
- "required"列出必须存在的字段名
- 字段类型校验：
-
校验:
python代码校验
- 实现步骤：
- 导包：import jsonschema
- 创建校验规则：定义schema格式的数据校验规则
- 调⽤⽅法：jsonschema.validate(instance=“json数据”,schema=“jsonschema规则”)
- 校验结果：
- 校验通过：返回None
- 校验失败：返回错误信息
- schema规则错误：返回SchemaError
- json数据错误：返回ValidationError
案例
# 入门案例:
# 1.导包
import jsonschema
# 2.创建 校验规则
schema={
"type":"object",
"properties":{
"success":{
"type":"boolean"
},
"code":{
"type":"integer"
},
"message":{
"type":"string"
}},
"required":["success","code","massage"]
}
# 3.调用方法,进行校验(用python语言表示json数据)
json_data={
"success":True,
"code":10000,
"massage":"操作成功"
}
# 4.调用方法进行校验
res=jsonschema.validate(instance=json_data,schema=schema)
# 5.查看校验结果
print("校验结果:",res)
| 知识点 | 核心内容 | 补充 |
|---|---|---|
| JSON Schema校验流程 | 三步流程：1.导包 2.准备校验规则 3.调⽤validate⽅法 | 校验规则语法转换JSON语法需适配编程语⾔规范 |
| validate⽅法 | 参数结构：validate(instance=实际数据,schema=校验规则) | 参数对应关系：instance对应实际JSON数据，schema对应校验规则 |
| 校验结果处理 | 成功：返回None；失败：返回错误对象 | 两种错误类型区分：SchemaError(规则错误) ValidationError(数据错误) |
[关键字]
- JSON Schema语法
- 基本语法：“type”:“数据类型”，必须⽤双引号包裹类型名称
- 校验流程：通过jsonschema.validate(instance=json_data,schema=schema)⽅法执⾏校验
integer -- 整数
string -- 字符串
object -- 对象
array -- 数组,对应python列表
number -- 整数/小数
null -- 空值,对应python中的None
boolean -- 布尔值,对应true和false
语法:
{
"type":"数据类型"
}
# 实现步骤
1> 导包：import jsonschema
2> 定义校验规则schema
3> 准备待校验数据json_data
4> 调⽤validate⽅法
5> 打印校验结果
import jsonschema
# 2.定义规则
schema={
"type":"number"
}
schema1={
"type":"object"
}
# 3.定义数据
json_data=100
json_data2=100.2
json_data3={"a":1,"b":2}
# 4.调用规则进行验证
res=jsonschema.validate(instance=json_data,schema=schema)
res2=jsonschema.validate(instance=json_data2,schema=schema)
res3=jsonschema.validate(instance=json_data3,schema=schema1)
# 5.查看结果
print("校验结果res:",res)
print("校验结果res2:",res2)
print("校验结果res3:",res3)
- 总结
| 知识点 | 核心内容 | 补充 |
|---|---|---|
| JSONSchema校验规则 | 通过type关键字约束数据类型(integer/string/object/array/number/null/boolean) | integer与number的区别(整数vs⼩数) |
| properties关键字 | 当type为object时，⽤properties定义对象内键值对的数据类型限制 | 嵌套对象校验的语法结构 |
| const关键字 | 直接断⾔字段值必须等于指定值(如code:100.3) | 与普通断⾔的区别(静态校验vs动态测试) |
| pattern关键字 | 通过正则表达式实现模糊匹配（如姓名模糊查询） | 正则语法与数据库LIKE的对⽐ |
| 数据类型语法细节 | 所有关键字和类型值需⽤双引号包裹（如"type":“string”） | null的JSON语法(⾮Python的 |
| None) |
[properties关键字]
- 说明 : 是type关键字的辅助,当type的值为object时使用，
- 作用 : 指定对象中每个字段的校验规则
- 语法:
- “type”: “object”: ⾸先声明类型为对象。
- “properties”: { “字段1”:{规则} }: 在properties下，使⽤键值对的⽅式描述每个字段及其校验规则。
# 导包
import jsonschema
# 创建校验规则定义⼀个schema变量，包含type和properties，其中properties下详细描述每个字段的类型规则。
schema={
"type":"object",
"properties":{
"success":{"type":"boolean"},
"code":{"type":"integer"},
"message":{"type":"string"},
"money":{"type":"number"},
"address":{"type":"null"},
"data":{"type":"object"},
"luckyNumber":{"type":"array"}
}
}
# 测试数据
json_data={
"success":True,
"code":10000,
"message":"操作成功",
"money":6.66,
"address":None,
"data":{
"name":"tom"
},
"luckNumber":[6,8,9]
}
# 调用方法校验
res1=jsonschema.validate(instance=json_data,schema=schema)
# 查看校验结果
print("校验结果:",res1)
嵌套
"data":{"type":"object",
"properties":{ # data类型为object,所以可加内层properties实现嵌套
"name":{"type":"string"},
"age":{"type":"integer"},
"height":{"type":"number"}
}},
------------------------------------------
"data":{
"name":"tom",
"age":18,
"height":1.81
},
[required关键字]
- 作⽤：校验对象中必须存在的字段。字段名必须是字符串，且唯⼀。
- 语法：{“required”:[“字段名1”,“字段名2”,…]}
- 注意事项：
- 字段名必须⽤双引号包裹形成字符串形式
- JSON数据中的键必须是字符串类型，⽽python字典中的键可以是任意不可变类型
- 字段名必须唯⼀，不能重复
- required关键字必须与type、properties在同⼀级别，不能写在properties内部
- 字段名可以少,但不能多
# 导包
import jsonschema
# 测试数据
json_data={
"success":True,
"code":10000,
"message":"操作成功",
"money":6.66,
"address":None,
"data":{
"name":"tom"
},
"luckyNumber":[6,8,9]
}
# 创建校验规则
schema={
"type":"object",
#这里!!注意级别与type和properties同级别
"required":["success","code","message","money","address","data","luckyNumber"],
"properties":{
"success":{"type":"boolean"},
"code":{"type":"integer"},
"message":{"type":"string"},
"money":{"type":"number"},
"address":{"type":"null"},
"data":{"type":"object"},
"luckyNumber":{"type":"array"}
}
}
# 调用方法校验
res1=jsonschema.validate(instance=json_data,schema=schema)
# 查看校验结果
print("校验结果:",res1)
- 嵌套对象校验：
- 对于嵌套的object类型字段，可以在其properties内部再使⽤required
- 示例中data字段是object，要求必须包含name、age和height字段
- required的位置必须在对应object的properties内部
"data":{"type":"object",
"required":["name","age","height"]},
----------------properties写不写都行----------------
"data":{
"name":"tom",
"age":18,
"height":1.81
},
| 知识点 | 内容 | 补充注意 |
|---|---|---|
| JSON Schema校验 | 全量字段校验可验证数据字段类型和字段名 | 注意字段类型校验与字段名校验的区别 |
| type关键字 | ⽤于校验数据值的类型（如boolean/string/number等） | 校验的是数据值类型 |
| properties关键字 | 描述对象中每个字段的数据类型要求 | 与type关键字需配合使⽤ |
| required关键字 | 校验对象中必须存在的字段 | 书写位置（与properties同级而非嵌套） |
| JSON键名规则 | 键名必须为字符串且唯⼀ | Python字典与JSON键名规则差异（Python允许⾮字符串键） |
| 嵌套校验 | 对嵌套对象内的字段进⾏required校验 | 嵌套required的书写层级需与对应properties同级 |
| 语法格式 | required字段需⽤数组形式列出必须字段 | 字段名必须⽤双引号包裹 |
[const关键字]
- 等价断⾔：const关键字的作⽤等价于断⾔中的等于判断，⽤于校验字段值是否为固定值
- 全量校验：在全量字段校验中,const可以实现类似断⾔中等值判断的功能
- 语法 : {“字段名”:{“const”:具体值}}
import jsonschema
# 待测数据
data = {
"success": True,
"name": "李四",
"height": 1.92,
"addr":None
}
# 校验规则
schema={
"type":"object", # 可以省略
"properties":{
"success":{"const":True},
"name":{"const":"李四"},
"height":{"const":1.92},
"addr":{"const":None}
}
}
[pattern关键字]---------用到正则表达式
- 定义与作⽤：使⽤不常⽤符号（如$、^、[]、{}等）组合成特定语法，从⼤量字符串数据中按条件筛选数据
- 应⽤场景：企业项⽬中75%以上数据为字符串，常⽤于字符串模糊匹配（如筛选姓名含特定字的学⽣）
# 举例:
基本规则：
o 包含匹配：直接写⽬标字符串（如"hello"），等效于断⾔中的in
o 开头匹配：⽤^符号（如^hello匹配"hello,world"）
o 结尾匹配：⽤$符号（如hello$匹配"中国，hello"）
o 单字符匹配：⽤[]包含可选字符（如[0-9]匹配任意数字，[a-z]匹配任意一个⼩写字⺟）
o 次数匹配：⽤{}指定次数（如[0-9]{11}匹配11位数字,就是长度为11,内容为0-9间,12345678901）
# 语法
{
"字段名":{"pattern":"正则表达式"}
}
# 导包
import jsonschema
# 测试数据
data={
"message":"操作成功!",
"mobile":"13800000002"
}
# 校验规则
schema={
"type":"object",
"properties":{
"message":{"pattern":"^操作成功"},
"mobile":{"pattern":"^[0-9]{11}$"}
}
}
res=jsonschema.validate(instance=data,schema=schema)
# 5.查看结果
print("校验结果res:",res)
[综合案例]
# 需求
校验需求：
o 整个JSON数据是⼀个对象
o 必须包含success、code、message、data字段,且字段必须存在
o success字段为布尔类型
o code为整数类型
o message为以"登录成功"结尾的字符串
o data为对象，必须包含name、age字段
o data中的name字段必须等于"lily"
o data中的age必须是20
data = {
"success": false,
"code": 10000,
"message": "xxx登录成功",
"data": {
"age": 20,
"name": "lily"
}
}
# 示例
# 导包
import jsonschema
# 测试数据
data = {
"success": False,
"code": 10000,
"message": "xxx登录成功",
"data": {
"age": 20,
"name": "lily"
}
}
# 校验规则
schema={
"type":"object",
"properties":{
"success":{"type":"boolean"},
"code":{"type":"integer"},
"message":{"pattern":"登录成功$"},
"data":{
"type":"object",
"properties":{
"name":{"const":"lily"},
"age":{"const":20}
},
"required":["name","age"]
}
},
"required":["success","code","message","data"]
}
res=jsonschema.validate(instance=data,schema=schema)
# 5.查看结果
print("校验结果res:",res)
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
