时间:2021-05-22
我就废话不多说了,大家还是直接看代码吧!
返回如下:
{ "projectStatus": { "status": "ERROR", "conditions": [{ "status": "ERROR", "metricKey": "new_security_rating", "comparator": "GT", "periodIndex": 1, "errorThreshold": "1", "actualValue": "5" }, { "status": "ERROR", "metricKey": "new_reliability_rating", "comparator": "GT", "periodIndex": 1, "errorThreshold": "1", "actualValue": "4" }, { "status": "OK", "metricKey": "new_maintainability_rating", "comparator": "GT", "periodIndex": 1, "errorThreshold": "1", "actualValue": "1" }, { "status": "ERROR", "metricKey": "new_coverage", "comparator": "LT", "periodIndex": 1, "errorThreshold": "80", "actualValue": "0.0" }, { "status": "ERROR", "metricKey": "new_duplicated_lines_density", "comparator": "GT", "periodIndex": 1, "errorThreshold": "3", "actualValue": "5.967688757006265" }], "periods": [{ "index": 1, "mode": "previous_version", "date": "2019-05-31T09:35:58+0800" }], "ignoredConditions": false }}补充知识:使用Python的requests库作接口测试——响应结果处理
在实际工作中,很多接口的响应都是json格式的数据,在测试中需要对其进行处理和分析。
设计到json数据处理的方法有两种:序列化和反序列化
python中序列化,简单讲就是将python的字典转换成json格式字符串,以便进行储存或者传输;
反序列化,简单讲就是将json格式字符串转换成python字典,用于对其进行分析和处理。
JSON和DICT格式互转方法:
import json # 序列化成json字符串d = {‘name':‘jod'}j = json.dumps(d) #反序列化成字典print json.loads(j)而在requests库中,不用json.loads方法进行反序列化,而是提供了响应对象的json方法,用来对json格式的响应体进行反序列化
比如:
r = requests.get(url)
r.json()
以上这篇python:解析requests返回的response(json格式)说明就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
requests是常用的请求库,不管是写爬虫脚本,还是测试接口返回数据等。都是很简单常用的工具。这里就记录一下如何用requests发送json格式的数据,因为
本文实例讲述了javascript解析ajax返回的xml和json格式数据。分享给大家供大家参考,具体如下:写个例子,以备后用一、JavaScript解析返回
一、springMVC返回json格式数据常用的写法是使用@ResponseBody注解,在每一个方法前加上这个注解,springMVC的json解析机制会自动
一自定义一个response类fromflaskimportResponse,jsonify#定义response返回类,自动解析jsonclassJSONRe
有时在SpringMVC中返回JSON格式的response的时候会使用@ResponseBody注解,不过在处理java8中时间的时候会很麻烦,一般我们使用的