- 接口关联
- 也称为关联参数。在应用业务接口中，完成一个业务功能时，有时候一个接口可能不满足业务的整个流程逻辑，需要多个接口配合使用，简单的案例如：B接口的成功调用依赖于A接口，需要在A接口的响应数据（response)中拿到需要的字段，在调用B接口的时候，传递给B接口作为B接口请求参数，拿到后续响应的响应数据。
- 接口关联通常可以使用正则表达式去提取需要的数据，但对于json这种简洁、清晰层次结构、轻量级的数据交互格式，使用正则未免有点杀鸡用牛刀的感觉(是的，因为我不擅长写正则表达式)，我们需要更加简单、直接的提取json数据的方式。
- 数据验证
- 这里的数据验证指的是对响应结果进行数据的校验
- 接口自动化测试中，对于简单的响应结果（json），可以直接和期望结果进行比对，判断是否完全相等即可。如
json {"status":1,"msg":"登录成功"}
- 对于格式较复杂，尤其部分数据存在不确定性、会根据实际情况变化的响应结果，简单的判断是否完全相等（断言）通常会失败。如：
json {"status":1,"code":"10001","data":[{"id":1,"investId":"1","createTime":"2018-04-27 12:24:01","terms":"1","unfinishedInterest":"1.0","unfinishedPrincipal":"0","repaymentDate":"2018-05-27 12:24:01","actualRepaymentDate":null,"status":"0"},{"id":2,"investId":"1","createTime":"2018-04-27 12:24:01","terms":"2","unfinishedInterest":"1.0","unfinishedPrincipal":"0","repaymentDate":"2018-06-27 12:24:01","actualRepaymentDate":null,"status":"0"},{"id":3,"investId":"1","createTime":"2018-04-27 12:24:01","terms":"3","unfinishedInterest":"1.0","unfinishedPrincipal":"100.00","repaymentDate":"2018-07-27 12:24:01","actualRepaymentDate":null,"status":"0"}],"msg":"获取信息成功"} 上面的json结构嵌套了很多信息，完整的匹配几乎不可能成功。比如其中的createTime信息，根据执行接口测试用例的时间每次都不一样。同时这个时间是响应结果中较为次要的信息，在进行接口自动化测试时，是可以选择被忽略的。
- 我们需要某种简单的方法，能够从json中提取出我们真正关注的信息（通常也被称为关键信息）。如提取出status的值为1，data数组中每个对象的investId都为1，data中第三个对象的unfinishedPrincipal值为100.00，只要这三个关键信息校验通过，我们就认为响应结果没有问题。
解决方案
JsonPath可以完美解决上面的痛点。通过JsonPath可以从多层嵌套的Json中解析出所需要的值。
JsonPath
- JsonPath参照XPath解析xml的方式来解析Json
- JsonPath用符号$表示最外层对象，类似于Xpath中的根元素
- JsonPath可以通过点语法来检索数据，如：
shell $.store.book[0].title
- 也可以使用中括号[]的形式，如
shell $['store']['book'][0]['title']
运算符（Operators）
| 运算符 | 说明 |
|---|
| $ |
根元素 |
| @ |
当前元素 |
| * |
通配符，可以表示任何元素 |
| .. |
递归搜索 |
| . |
子节点（元素） |
| ['' (, '')] |
一个或者多个子节点 |
| [ (, )] |
一个或者多个数组下标 |
| [start:end] |
数组片段，区间为[start,end) |
| [?()] |
过滤器表达式，其中表达式结果必须是boolean类型，如可以是比较表达式或者逻辑表达式 |
JsonPath案例
json
{
"xdf_company": {
"teachers": [
{
"id": "101",
"name": "老王",
"addr": "北京海淀",
"age": 25
},
{
"id": "102",
"name": "老李",
"age": 28
},
{
"id": "103",
"name": "老刘",
"addr": "山东济南",
"age": 16
},
{
"id": "104",
"name": "老史",
"addr": "山东青岛",
"age": 29
}
],
"salesmans": [
{
"id": "105",
"name": "老高",
"age": 17
},
{
"id": "106",
"name": "老范",
"age": 27
}
]
},
"avg": 25
}
JsonPath例子及说明
| JsonPath | 路径说明 |
|---|
| $.xdf_company.teachers[*].name |
获取所有老师的的名称 |
| $..name |
获取所有人的名称 |
| $.xdf_company.* |
所有的老师和销售 |
| $.xdf_company..age |
所有人的年龄 |
| $..age |
所有人的年龄 |
| $.xdf_company.teachers[*].age |
所有老师的年龄 |
| $.xdf_company.teachers[3] |
索引为3（第4个）老师的信息 |
| $..teachers[3] |
索引为3（第4个）老师的信息 |
| $.xdf_company.teachers[-2] |
倒数第2个老师的信息 |
| $..teachers[-2] |
倒数第2个老师的信息 |
| $..teachers[1,2] |
第2到第3个老师的信息 |
| $..teachers[:2] |
索引0（包含）到索引2（不包含）的老师信息 |
| $..teachers[1:3] |
索引1（包含）到索引3（不包含）的老师信息 |
| $..teachers[-2:] |
最后的两个老师的信息 |
| $..teachers[2:] |
索引2开始的所有老师信息 |
| $..teachers[?(@.addr)] |
所有包含地址的老师信息(jsonpath_rw不支持) |
| $.xdf_company.teachers[?(@.age < 20)] |
所有年龄小于20的年龄信息(jsonpath_rw不支持) |
一：使用jsonpath
安装jsonpath模块
pip install jsonpath==0.75
解析
# 1：导入相关模块
import json
import jsonpath
# 2: 准备json字符串
jsonStr = '''
{
"xdf_company": {
"teachers": [
{
"id": "101",
"name": "老王",
"addr": "北京海淀",
"age": 25
},
{
"id": "102",
"name": "老李",
"age": 28
},
{
"id": "103",
"name": "老刘",
"addr": "山东济南",
"age": 16
},
{
"id": "104",
"name": "老史",
"addr": "山东青岛",
"age": 29
}
],
"salesmans": [
{
"id": "105",
"name": "老高",
"age": 17
},
{
"id": "106",
"name": "老范",
"age": 27
}
]
},
"avg": 25
}
'''
# 3：加载json字符串为json对象
json_obj = json.loads(jsonStr)
# 4：使用jsonpath模块的jsonpath方法提取信息
# eg1： 提取所有包含addr属性的老师信息，结果为list类型
results = jsonpath.jsonpath(json_obj,"$..teachers[?(@.addr)]")
print(results)
# 输出结果：[{'id': '101', 'name': '老王', 'addr': '北京海淀', 'age': 25}, {'id': '103', 'name': '老刘', 'addr': '山东济南', 'age': 16}, {'id': '104', 'name': '老史', 'addr': '山东青岛', 'age': 29}]
# eg2：提取所有年龄小于20岁的老师的name，结果为list类型
results2 = jsonpath.jsonpath(json_obj,"$.xdf_company.teachers[?(@.age < 20)].name")
print(results2)
# 输出结果为：['老刘']
二：使用jsonpath_rw
安装jsonpath_rw模块
pip install jsonpath-rw
解析
# 1：导入相关模块
import json
from jsonpath_rw import jsonpath, parse
# 2: 准备json字符串
jsonStr = '''
# 同上(略)
'''
# 3:加载为json对象
json_obj = json.loads(jsonStr)
# 4：采用parse创建jsonpath对象（该案例是得到所有的老师name）
jsonpath_expr = parse('$.xdf_company.teachers[*].name')
# 5：通过jsonPath检索json后返回匹配的数据，类型是DatumInContext的list
datumInContexts = jsonpath_expr.find(json_obj)
# 采用列表推导式检索出所有匹配的值
values = [datum.value for datum in datumInContexts]
print(values)
# 输出结果为：['老王', '老李', '老刘', '老史']
# 案例2：提取索引为4的老师的name
jsonpath_expr = parse('$.xdf_company.teachers[3].name')
datumInContexts = jsonpath_expr.find(json_obj)
print(datumInContexts)
values = [datum.value for datum in datumInContexts]
print(values)
# 结果为：['老刘']
{
"xdf_company": {
"teachers": [
{
"id": "101",
"name": "老王",
"addr": "北京海淀",
"age": 25
},
{
"id": "102",
"name": "老李",
"age": 28
},
{
"id": "103",
"name": "老刘",
"addr": "山东济南",
"age": 16
},
{
"id": "104",
"name": "老史",
"addr": "山东青岛",
"age": 29
}
],
"salesmans": [
{
"id": "105",
"name": "老高",
"age": 17
},
{
"id": "106",
"name": "老范",
"age": 27
}
]
},
"avg": 25
}
xdf_company