Mockoon中JSONPath正则表达式过滤的实践指南
2025-05-31 03:06:45作者:劳婵绚Shirley
前言
在API模拟工具Mockoon中,JSONPath表达式是处理JSON数据的重要工具。本文深入探讨了如何使用JSONPath的正则表达式匹配功能来实现数据过滤,特别是在处理动态搜索场景时的应用。
核心问题场景
假设我们正在开发一个前端搜索功能,需要根据用户输入的部分ID返回匹配的结果。例如:
- 用户输入"CD-0"时,应该返回所有ID以"CD-0"开头的项目
- 用户输入"CD-13"时,应该返回ID以"CD-13"开头的项目
技术实现方案
基础JSONPath表达式
在Mockoon中,我们可以使用JSONPath的match方法来实现正则匹配:
{{setVar 'filter' (concat '$[?(@.id.match(/^' (queryParam 'id') '/))]') }}
这个表达式会:
- 获取查询参数中的id值
- 构建一个正则表达式,匹配以该id值开头的字符串
- 应用到JSON数据的id属性上
数据过滤实现
在Mockoon模板中,我们可以这样使用这个过滤器:
{
"items": [
{{#each (dataRaw 'items' (getVar 'filter')) }}
{
"id": "{{this.id}}",
"name": "{{this.name}}"
}{{#unless @last }},{{/unless}}
{{/each}}
]
}
版本兼容性说明
需要注意的是,在Mockoon 9.1.0版本中,这种实现方式可能存在兼容性问题。这是因为:
- 变量作用域在块级助手(如
each)中会发生变化 - JSONPath属性链式调用(如
@.prop.prop)的支持在9.1.0中还不完善
这些问题在即将发布的9.2.0版本中已经得到修复。
最佳实践建议
-
使用getVar替代@符号:在块级助手中,使用
getVar函数比直接使用@符号更可靠 -
简化模板逻辑:避免在JSONPath过滤后再次使用条件判断,这可能导致性能下降和逻辑混乱
-
测试不同版本:在升级Mockoon版本时,充分测试JSONPath相关功能
结论
通过合理使用JSONPath的正则表达式匹配功能,我们可以在Mockoon中实现灵活的数据过滤。虽然当前版本(9.1.0)存在一些限制,但了解这些限制并采用适当的工作方式,仍然可以构建出强大的API模拟功能。随着9.2.0版本的发布,这些功能将变得更加稳定和易用。
对于需要立即使用这些功能的开发者,可以考虑使用Mockoon的最新开发版本,或者采用本文介绍的变通方案来实现所需功能。
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
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
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
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210