大家在日常开展自动化测试工作时，为了保证接口测试的有效性，少不了要对接口返回的响应字段进行校验、断言等操作。当接口返回的字段数量本身就很少时，接口断言操作一般都很容易就能实现，但当接口的返回字段特别多，结构特别复杂时，例如响应字段数量达到了成百上千时，如何快速实现全部返回字段的校验？这类问题，相信困扰了很多的正在开展接口测试的小伙伴。
今天针对如何快速审核接口返回值全部字段问题，分享一些解答思路，希望能帮到大家~
其实解决上述之类问题，市面上常见的解决方案有两类：
· 根据业务校验需求，自定义开发校验规则库
· 借助现有的第三方库
今天，我们先来聊聊，如何借助现有的第三方库来解决: 快速校验API接口返回的全部字段。由于当今大部分接口都是基于Restful API，后续我介绍中，我们假设接口响应体格式以JSON为例。
要满足上面的实现需求，第三方库方案有很多，比如常见的就有：deepdiff、difflib、json-diff、json_tools 等，这些三方库之间，都有各自侧重点，本篇文章，重点介绍：如何借助DeepDiff库来解决快速校验接口返回字段的问题。
一、认识一下，DeepDiff 介绍
Deepdiff模块常用来校验两个对象是否一致，并找出其中差异之处。其中提供了三个类，DeepDiff，DeepSearch和DeepHash，官网地址：https://deepdiff.readthedocs.io/en/latest/ ，当前最新版本为：V5.5.0
主要组成部分：
DeepDiff：比较两个对象，对象可以是字段、字符串等可迭代的对象，针对对象的深层差异，递归查找所有更改。
DeepSearch：在对象中搜索其他对象。
DeepHash：根据对象的内容进行哈希处理。
DeepDiff 的初衷是用来找出不同数据的差别，可以比较JSON、XML文本类的，也可以比较图片，在使用了一下之后，其实我们完全可以直接使用它作为测试的断言，这也是从另一个思考角度提供了一种全新的校验思路。
二、DeepDiff 使用
当你看完上述的介绍，相信还是一脸懵，不知如何下手，接下来，就通过几个案例来进一步感受一下Deepdiff的功能和作用。
使用之前，先安装：
pip install deepdiff
2.1 案例一：比较两个JSON
利用Deepdiff 比较 JSON 的差异：
import pytest
import requests
import pprint
from deepdiff import DeepDiff
class TestDemo(object):
def test_case_01(self):
a = {"Object": {
"code": "0",
"message": "success"
},
"code": "0",
"message": "success"
}
b = {"Object": {
"code": "0",
"message": "failure"
},
"message": "success",
"timestamp": "1614301293"
}
pprint.pprint(DeepDiff(a, b))
上述案例，作用是比较a和b两者的差异，result 差异的输出结果是：
.{'dictionary_item_added': [root['timestamp']],
'dictionary_item_removed': [root['code']],
'values_changed': {"root['Object']['message']": {'new_value': 'failure',
'old_value': 'success'}}}
上述输出结果中，实际上根据这个返回的 json 获取所有的差别。主要是对比对象之间的值、类型前后之间的变化以及删除的或者增加的情况key进行了结果输出。
主要包含以下四种情况：
1、type_changes：类型改变的key。
2、values_changed：值发生变化的key。
3、dictionary_item_added：字典key添加。
4、dictionary_item_removed：字段key删除。
2.2 案例二：比较接口响应
有了案例一的基础，进一步，我们将本地定义写死的变量值改成采取调用接口的方式（更符合实际接口测试），通过发起请求，获取响应、并结合Deepdiff来断言使用。
核心思路：先定义预期的响应结构体（意味着，你得事先知道你期望的结果是什么），再根据实际返回的结构体两者通过Deepdiff进行自动比较。
import pytest
import requests
import pprint
from deepdiff import DeepDiff
class TestDemo(object):
def setup_class(self):
self.response = requests.get('http://www.httpbin.org/json').json()
def test_case_02(self):
expected_reps = {'slideshow': {'author': 'Yours Truly', 'date': 'date of publication',
'slides': [{'title': 'Wake up to WonderWidgets!', 'type': 'all'}, {
'items': ['Why <em>WonderWidgets</em> are great',
'Who <em>buys</em> WonderWidgets'], 'title': 'Overview',
'type': 'all'}], 'title': 'Sample Slide Show'}}
pprint.pprint(DeepDiff(expected_reps, self.response))
由于实际返回的结构体和预期定义待校验的结构体数据完全一样，因此上述代码输出结果为：{}，即两者没有差异。（也意味着实际和预期结果一致）
在此基础上，如果我们把上述expected_reps预期结构体中的author由Yours Truly修改为Yours，再执行一次，则输出的结果为：
{'values_changed': {"root['slideshow']['author']": {'new_value': 'Yours Truly',
'old_value': 'Yours'}}}
从上述的输出结果中，我们可以很明显的获取到三个讯息：
· 接口返回的结构体中有值发生了改变，通过values_changed标识出来了。
· 明确指出具体哪个字段的值发生改变了，如root['slideshow']['author']。
· 改变具体的内容，如实际返回值为Yours Truly，而预期值为Yours 。
看完了这个，相信此时的你，对Deepdiff在接口测试中的使用，已经有了一些感觉了。但接着你肯定会提出疑问，有些接口返回的值，并不是固定的，那比如校验呢。比如某个时间戳字段，每次调用接口时，返回字段的值都是不一样，针对这类只知道数据规则，但数据本身的值一开始是无法确定的，又该如何结合Deepdiff来使用呢？别急，再接着往下看。
2.3 案例三：正则搜索匹配
要解决上述的问题，可以利用DeepSearch中的正则搜索匹配功能，如果你的接口返回，是一个很深的嵌套结构对象，然后你想校验查找指定的元素（key和value都行）是否存在，那么Deep Search将是个好选择。
使用前，需要先导入from deepdiff import grep，示例源码如下：
def test_case_03(self):
datas = {"mikezhou": "狂师", "age":18, "city": "china", "info": {"author": {"tag": "mikezhou"}}}
reuslt = datas | grep("mike*",use_regexp=True)
print(reuslt)
比如想校验有没有以mike开头字段或值在返回的结构体中，指定元素存在则返回它的路径；不存在则返回一个空字典。上述输出结果如下：
.{'matched_paths': ["root['mikezhou']"], 'matched_values': ["root['info']['author']['tag']"]}
上述示例虽简单，但如果你足够聪明，相信应该已经能从中Get核心思路了：针对一些动态事先无法预料的值，可以通过借助正则表达式来匹配校验，具体如何校验，取决于你的正则表达式如何描述。
三、最后一个小技巧：DeepDiff 黑名单
在实际做接口测试断言时，有时对象顺序不一样，但是实际情况两个值还是一样的，或者是针对全量字段校验时，想跳过一些特殊的字段校验（类似黑名单一样，将不需要校验的字段，明确指出），为了解决这类问题，Deepdiff也提供了相信的参数，只需要在比较的时候加入：
· ignore order (忽略排序)
· ignore string case(忽略大小写)
· exclude_paths字段黑名单排除参数即可，原型如下：
result = DeepDiff(result, expected, view='tree',ignore_order=True,ignore_string_case=True)
示例：
def test_case_05(self):
expected_reps = {"datas": {
"code": "200",
"message": "success"
},
"code": "201",
"message": "success"
}
actual_reps = {"datas": {
"code": "201",
"message": "failure"
},
"message": "Success",
"timestamp": "1614301293"
}
pprint.pprint(DeepDiff(expected_reps, actual_reps, ignore_order=True,ignore_string_case=True,exclude_paths={"root['timestamp']"}))
上述示例代码，忽略了排序规则、大小写问题，并且指定排除timestamp字段校验。具体的输出结果如下：
{'dictionary_item_removed': [root['code']],
'values_changed': {"root['datas']['code']": {'new_value': '201',
'old_value': '200'},
"root['datas']['message']": {'new_value': 'failure',
'old_value': 'success'},
"root['message']": {'new_value': 'Success',
'old_value': 'success'}}}
四、小结
通过上述的案例介绍，相信你对DeepDiff的使用有了一个基本认识。在接口自动化测试中，小结一下，使用 DeepDiff 的好处有:
1.接口测试的时候，可以直接利用预期结构体（或者称之为接口契约）与实际返回的结构体（字段、值）进行自动比较，来确定是不是一样，可以少写很多代码。
2.数据库数据比较的时候也是一样可以，使用 SQL查出结果之后，直接变成 JSON就可以和期望的 JSON对比了。
本文旨在从另一个视角帮大家提供一些接口测试全量字段校验的解决思路，更多关于Deepdiff使用技巧，以及更优解的全量字段解决方案（还有很多），欢迎大家积极探索。
本文内容不用于商业目的，如涉及知识产权问题，请权利人联系51Testing小编(021-64471599-8017)，我们将立即处理
