Kotest框架中JSON路径断言的使用技巧
2025-06-13 13:19:35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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1