Kotest框架中JSON路径断言的使用技巧
2025-06-13 14:40:55作者:殷蕙予
在Kotest测试框架中,shouldContainJsonKeyValue是一个常用的JSON内容断言方法,它允许开发者验证JSON文档中特定路径的值是否符合预期。然而,当使用JSONPath表达式进行复杂查询时,特别是涉及过滤条件时,开发者可能会遇到一些意料之外的行为。
JSONPath过滤查询的特性
当使用JSONPath表达式进行过滤查询时,例如$[?(@.name=='name_I_am_looking_for')].status,返回的结果总是一个列表(数组),即使查询条件只匹配到一个元素。这是JSONPath规范定义的标准行为,而不是Kotest框架的问题。
例如,对于以下JSON数据:
[
{"name":"name_I_am_looking_for", "status":"HEALTHY"},
{"name":"name_I_am_NOT_looking_for", "status":"UNHEALTHY"}
]
使用路径$[?(@.name=='name_I_am_looking_for')].status查询时,返回的值将是["HEALTHY"],而不是简单的"HEALTHY"。
正确的断言方式
在Kotest中,当使用包含过滤条件的JSONPath表达式时,断言应该预期一个列表值,而不是单个值。正确的断言方式应该是:
data.shouldContainJsonKeyValue(
"$[?(@.name=='name_I_am_looking_for')].status",
listOf("HEALTHY")
)
如果尝试使用单个值进行断言,如"HEALTHY",断言将会失败,因为实际返回的是一个包含该值的列表。
实际应用示例
在测试代码中,特别是结合Kotest的eventually块进行异步验证时,正确处理JSONPath返回类型尤为重要:
test("Healthchecks successful") {
testApplication {
environment { config = ApplicationConfig("application.conf") }
eventually(eventuallyConfig) {
val response = client.get("/liveness")
response.bodyAsText().shouldContainJsonKeyValue(
"$[?(@.name=='some_name_i_look_for')].status",
listOf("Healthy")
)
}
}
}
最佳实践建议
- 当使用JSONPath过滤表达式时,总是预期返回一个列表
- 对于简单的路径查询(如
$.status或$[0].status),可以直接使用单个值进行断言 - 在编写测试前,建议先单独验证JSONPath表达式的结果,确保理解其返回结构
- 考虑在团队中建立JSONPath使用的约定,保持测试代码的一致性
理解JSONPath查询的返回类型特性,可以帮助开发者编写更准确、更健壮的JSON内容断言,提高测试代码的质量和可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
647
795
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.18 K
152
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
984
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.68 K
989