Python对比校验神器deepdiff库使用详解

 更新时间:2023年04月20日 10:46:26   作者:爱学习de测试小白  
deepdiff模块常用来校验两个对象是否一致,包含3个常用类,DeepDiff,DeepSearch和DeepHash,其中DeepDiff最常用,可以对字典,可迭代对象,字符串等进行对比,使用递归地查找所有差异,本文给大家讲解Python对比校验神器deepdiff库,感兴趣的朋友一起看看吧

工作中我们经常要两段代码的区别,或者需要查看接口返回的字段与预期是否一致,如何快速定位出两者的差异?除了一些对比的工具比如Beyond CompareWinMerge等,或者命令工具diff(在linux环境下使用),其实Python中也提供了很多实现对比的库,比如deepdiff和difflib,这两个的区别是deepdiff显示的对比效果比较简洁,但是可以设置忽略的字段,difflib显示的对比结果可以是html的,比较详细。今天我们就学习一下快速实现代码和文件对比的库–deepdiff

前言

在接口自动化中会遇到想要得出两次响应体(json值)差异,本篇来学习的deepdiff库可以解决这问题

deepdiff库

安装

pip install deepdiff

说明

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,它提供了:

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,它提供了:

  • DeepDiff:比较两个对象,对象可以是字段、字符串等可迭代的对象
  • 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

  • 作用:比较两个对象,对象可以是字段、字符串等可迭代的对象

说明:

  • type_changes:类型改变的key
  • values_changed:值发生变化的key
  • dictionary_item_added:字典key添加
  • dictionary_item_removed:字段key删除

对比json

# -*-coding:utf-8一*-
# @Time:2023/4/16
# @Author: DH

from deepdiff import DeepDiff

# json校验
json_one = {
    'code': 0,
    "message": "失败",
    'data': {
        'id': 1
    }
}
json_two = {
    'code': 1,
    "message": "成功",
    'data': {
        'id': 1
    }
}
print(DeepDiff(json_one, json_two))

# 输出
"""
{'values_changed': {"root['code']": {'new_value': 1, 'old_value': 0}, "root['message']": {'new_value': '成功', 'old_value': '失败'}}}

root['code'] : 改变值的路径
new_value : 新值
old_value :原值
"""

列表校验

cutoff_distance_for_pairs: (1 >= float > 0,默认值=0.3);通常结合ignore_order=true使用,用于结果中展示差异的深度。值越高,则结果中展示的差异深度越高。

from deepdiff import DeepDiff

t1 = [[[1.0, 666], 888]]
t2 = [[[20.0, 666], 999]]
print(DeepDiff(t1, t2, ignore_order=True, cutoff_distance_for_pairs=0.5))
print(DeepDiff(t1, t2, ignore_order=True)) # 默认为0.3
print(DeepDiff(t1, t2, ignore_order=True, cutoff_distance_for_pairs=0.2))
"""
{'values_changed': {'root[0][0]': {'new_value': [20.0, 666], 'old_value': [1.0, 666]}, 'root[0][1]': {'new_value': 999, 'old_value': 888}}}

{'values_changed': {'root[0]': {'new_value': [[20.0, 666], 999], 'old_value': [[1.0, 666], 888]}}}

{'values_changed': {'root[0]': {'new_value': [[20.0, 666], 999], 'old_value': [[1.0, 666], 888]}}}
"""

忽略字符串类型

ignore_string_type_changes :忽略校验字符串类型,默认为False

print(DeepDiff(b'hello', 'hello', ignore_string_type_changes=True))
print(DeepDiff(b'hello', 'hello'))

"""
输出:
{}
{'type_changes': {'root': {'old_type': <class 'bytes'>, 'new_type': <class 'str'>, 'old_value': b'hello', 'new_value': 'hello'}}}
"""

忽略大小写

ignore_string_case:忽略大小写,默认为False

from deepdiff import DeepDiff

print(DeepDiff(t1='Hello', t2='heLLO'))
print(DeepDiff(t1='Hello', t2='heLLO', ignore_string_case=True))

"""
输出:
{'values_changed': {'root': {'new_value': 'heLLO', 'old_value': 'Hello'}}}
{}
"""

DeepSearch

作用:在对象中搜索其他对象 查找字典key/value

from deepdiff import DeepSearch

json_three = {
    'code': 1,
    "message": "成功",
    'data': {
        'id': 1
    }
}

# 查找key
print(DeepSearch(json_three, "code"))
print(DeepSearch(json_three, "name"))
# 查找value
print(DeepSearch(json_three, 1))

"""
输出:
{'matched_paths': ["root['code']"]}
{}
{'matched_values': ["root['code']", "root['data']['id']"]}
"""

# 正则 use_regexp
obj = ["long somewhere", "string", 0, "somewhere great!"]
# 使用正则表达式
item = "some*"
ds = DeepSearch(obj, item, use_regexp=True)
print(ds)

# 强校验 strict_checking 默认True
item = '0'
ds = DeepSearch(obj, item, strict_checking=False)
# ds = DeepSearch(obj, item)  # 默认True
print(ds)

# 大小写敏感  case_sensitive  默认 False 敏感
item = 'someWhere'
ds = DeepSearch(obj, item, case_sensitive=True)
print(ds)

DeepHash

作用:根据对象的内容进行哈希处理

from deepdiff import DeepHash

# 对对象进行hash
json_four = {
    'code': 1,
    "message": "成功",
    'data': {
        'id': 1
    }
}

print(DeepHash(json_four))

extract

extract : 根据路径查询值

from deepdiff import extract

# 根据路径查询值
obj = {1: [{'2': 666}, 3], 2: [4, 5]}
path = "root[1][0]['2']"
value = extract(obj, path)
print(value)

"""
输出:
666
"""

grep

搜索

from deepdiff import grep

obj = ["long somewhere", "string", 0, "somewhere great!"]
item = "somewhere"
ds = obj | grep(item)
print(ds)

# use_regexp 为True 表示支持正则
obj = ["something here", {"long": "somewhere", "someone": 2, 0: 0, "somewhere": "around"}]
ds = obj | grep("some.*", use_regexp=True)
print(ds)

# 根据值查询路径
obj = {1: [{'2': 'b'}, 3], 2: [4, 5, 5]}
result = obj | grep(5)
print(result)

"""
输出:
{'matched_values': ['root[2][1]', 'root[2][2]']}
"""

到此这篇关于Python-对比校验神器-deepdiff库的文章就介绍到这了,更多相关Python对比库deepdiff内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:

相关文章

  • Python实现感知器模型、两层神经网络

    Python实现感知器模型、两层神经网络

    这篇文章主要为大家详细介绍了Python实现感知器模型、两层神经网络,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2017-12-12
  • python 实时获取kafka消费队列信息示例详解

    python 实时获取kafka消费队列信息示例详解

    这篇文章主要介绍了python实时获取kafka消费队列信息,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2023-07-07
  • django Model层常用验证器及自定义验证器详解

    django Model层常用验证器及自定义验证器详解

    这篇文章主要介绍了django Model层常用验证器及自定义验证器详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-07-07
  • Python通过朴素贝叶斯和LSTM分别实现新闻文本分类

    Python通过朴素贝叶斯和LSTM分别实现新闻文本分类

    朴素贝叶斯法(Naive Bayes model)是基于贝叶斯定理与特征条件独立假设的分类方法。LSTM则是一种时间循环神经网络,适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。本文将通过这两个方法分别实现新闻文本分类,需要的可以参考一下
    2021-12-12
  • python range()函数取反序遍历sequence的方法

    python range()函数取反序遍历sequence的方法

    今天小编就为大家分享一篇python range()函数取反序遍历sequence的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-06-06
  • 浅谈Django QuerySet对象(模型.objects)的常用方法

    浅谈Django QuerySet对象(模型.objects)的常用方法

    这篇文章主要介绍了浅谈Django QuerySet对象(模型.objects)的常用方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-03-03
  • python中leastsq函数的使用方法

    python中leastsq函数的使用方法

    这篇文章主要介绍了python中leastsq函数的使用方法,leastsq作用是最小化一组方程的平方和,下面文章举例说明详细内容,具有一的参考价值,需要的小伙伴可以参考一下
    2022-03-03
  • django2 快速安装指南分享

    django2 快速安装指南分享

    下面小编就为大家分享一篇django2 快速安装指南分享,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-01-01
  • python编写根据年份判断生肖实例

    python编写根据年份判断生肖实例

    这篇文章主要为大家介绍了python编写根据年份判断生肖实例,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2024-01-01
  • Python+pyplot绘制带文本标注的柱状图方法

    Python+pyplot绘制带文本标注的柱状图方法

    今天小编就为大家分享一篇Python+pyplot绘制带文本标注的柱状图方法,具有很好的价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-07-07

最新评论