Mockoon新增数组排序助手:sort与sortBy详解
2025-05-31 16:27:46作者:咎岭娴Homer
在API模拟工具Mockoon的最新版本8.3.0中,开发团队为模板引擎新增了两个实用的数组处理助手:sort和sortBy。这两个助手极大地增强了Mockoon在数据处理方面的能力,使得开发者能够更灵活地操作响应数据中的数组结构。
数组排序需求背景
在API开发和测试过程中,经常需要对返回的数组数据进行排序操作。虽然Mockoon之前已经提供了filter和slice等数组助手,但缺少直接的排序功能。这导致开发者在需要排序场景时不得不通过其他方式绕道实现,增加了使用复杂度。
新增排序助手介绍
Mockoon 8.3.0版本引入了两个互补的排序助手,覆盖了大多数常见的排序需求场景:
1. 基础排序助手:sort
{{sort 'asc|desc'}}助手设计用于处理基本数据类型的数组排序,包括:
- 字符串数组
- 数字数组
使用示例:
{{#each (sort 'asc' someArray)}}
{{this}}
{{/each}}
这个助手会根据指定的方向参数('asc'或'desc')对数组进行升序或降序排列,处理过程简单直接。
2. 对象数组排序助手:sortBy
{{sortBy 'keyname' 'asc|desc'}}助手专门为对象数组设计,可以根据对象的特定属性进行排序。
使用示例:
{{#each (sortBy 'age' 'desc' users)}}
{{this.name}} - {{this.age}}
{{/each}}
这个助手首先接受一个属性名参数,然后是指定排序方向的参数,最后是要排序的数组。它能够深入对象内部,根据指定属性的值进行排序,非常适合处理复杂数据结构。
技术实现考量
从实现角度来看,这两个助手的设计体现了良好的API设计原则:
- 一致性:延续了Mockoon助手的一贯风格,参数顺序和格式保持统一
- 专一性:将基础排序和对象排序分开,避免功能混杂
- 易用性:简单的参数设计降低了学习成本
- 覆盖性:两个助手组合可以满足绝大多数排序需求
实际应用场景
这两个排序助手可以在多种场景下发挥作用:
- 测试数据准备:在生成测试数据时,确保数据以特定顺序呈现
- API模拟:模拟真实API的排序行为,增强模拟的真实性
- 数据展示:在Mockoon的响应模板中直接组织好数据的展示顺序
- 条件测试:验证客户端对不同排序结果的正确处理能力
升级建议
对于已经在使用Mockoon的开发者,建议:
- 检查现有模板中是否有手动实现的排序逻辑,可以替换为新的内置助手
- 在需要排序的地方统一使用新助手,提高代码一致性
- 在团队内部共享这一新特性,确保所有成员都能充分利用
Mockoon持续改进其模板引擎的功能,这次新增的排序助手再次证明了其对开发者需求的快速响应能力。这两个简单但强大的助手将帮助开发者更高效地构建和测试API。
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