学习了JsonSchema,我自定义了一个校验代码
JsonSchema
使用fastjsonschema来校验数据
# 导入验证器
import json
import fastjsonschema
# 读取schema
with open('../schema/oneof-schema.json', encoding='utf8') as f:
my_schema = json.load(f)
# json数据:
with open('../data/test.json', encoding='utf8') as f:
json_data = json.load(f)
# 验证:
fastjsonschema.validate(my_schema, json_data)
使用jsonschema来校验数据
import json
# 导入验证器
from jsonschema import validate, draft7_format_checker, SchemaError, ValidationError
if __name__ == '__main__':
with open('../schema/MySchema.json', encoding='utf8') as f:
my_schema = json.load(f)
# json数据:
with open('../data/cece.json', encoding='utf8') as f:
json_data = json.load(f)
# error_list = check_type(my_schema, json_data)
# print(error_list)
# 验证:
try:
validate(instance=json_data, schema=my_schema, format_checker=draft7_format_checker)
# Draft7Validator.format_checker
except SchemaError as serr:
print("schema 错误 【%s】 \nschema错误" % str(serr))
except ValidationError as verr:
print("数据 错误 【%s】 \n数据错误" % str(verr))
MySchema
JSONSchema缺点
- 错误提示英文
- 校验数据为一步步校验,遇到错误停止
自定义JSONSchema
schema遵循 http://json-schema.org/,
"$schema": "http://json-schema.org/draft-07/schema#",
使用方法 >>>> 点击这里
代码
个人编写的校验的代码,自定义成分较多
目前仅仅扩展了 string类型的数据 format 的选型判断
CheckDataUti.py
import re
import time
# email 正则表达式
EMAIL_REGEX = "^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$"
# URL 正则表达式
URL_REGEX = "^[a-zA-z]+://[^\s]*$"
# PHONE 正则表达式
PHONE_REGEX = "^([1][3,4,5,6,7,8,9])\d{9}$"
# 身份证 正则表达式
ID_CARD_REGEX = "^((\d{18})|([0-9x]{18})|([0-9X]{18}))$"
# 邮政编码 正则表达式
ZIP_CODE_REGEX = "^[1-9]\d{5}(?!\d)$"
# IP 地址 正则表达式
IP_REGEX = "^\d+\.\d+\.\d+\.\d+$"
# 正整数
INTEGER_REGEX = "^[1-9]\d*$"
ERR_LIST = []
COMMON_ERR_LIST = []
def log_error(msg, data, schema, is_common=False):
"""
打印错误日志
"""
err_log = "%s,数据:【%s】,校验规则: %s" % (str(msg), str(data) + " type of " + str(type(data).__name__), str(schema))
if not is_common:
ERR_LIST.append(err_log)
print("=================================================")
print(err_log)
print("=================================================")
else:
COMMON_ERR_LIST.append(err_log)
def check_object(data, schema, is_common):
"""
校验对象格式
【 properties、required、minProperties、maxProperties、patternProperties、additionalProperties 】
"""
if type(data) != dict:
log_error("当前校验的json不是一个对象格式", data, schema, is_common)
else:
# 获取当前校验数据的所有key
keys = dict.keys(data)
# 处理必需值
if "required" in schema:
required_schema = schema['required']
for schema_key in required_schema:
if schema_key not in keys:
log_error("字段【%s】必填" % schema_key, data, schema, is_common)
# 处理最小key和最大key
if "minProperties" in schema:
min_properties = schema['minProperties']
if len(keys) < min_properties:
log_error("校验数据的key个数小于【%s】" % str(min_properties), data, schema, is_common)
if "maxProperties" in schema:
max_properties = schema['maxProperties']
if len(keys) > max_properties:
log_error("校验数据的key个数大于【%s】" % str(max_properties), data, schema, is_common)
# 处理具体的key
if "properties" in schema:
# 处理 properties
properties_schema = schema['properties']
schema_keys = dict.keys(properties_schema)
for data_key in schema_keys:
if data_key in data:
check_data(properties_schema[data_key], data[data_key])
# 处理满足正则表达式的key
if "patternProperties" in schema:
# 处理 properties
pattern_properties = schema['patternProperties']
schema_keys = dict.keys(pattern_properties)
# 循环所有正则表达式的key
for schema_key in schema_keys:
# 循环当前待校验的数据key
for data_key in keys:
# 仅仅处理满足正则表达式的key数据
if re.match(schema_key, data_key):
check_data(pattern_properties[schema_key], data[data_key])
def check_array(data, schema, is_common):
"""
校验数组格式
【 items、additionalItems、minItems、maxItems、uniqueItems 】
"""
if type(data) != list:
log_error("当前校验的json不是数组格式", data, schema, is_common)
else:
# minItems、maxItems
# 判断最小值
if "minItems" in schema:
min_items = schema['minItems']
if len(data) < min_items:
log_error("当前校验的数据数组长度小于【%s】" % str(min_items), data, schema, is_common)
# 判断最大值
if "maxItems" in schema:
max_properties = schema['maxItems']
if len(data) > max_properties:
log_error("当前校验的数据数组长度大于【%s】" % str(max_properties), data, schema, is_common)
# uniqueItems true 数组元素不能重复
if "uniqueItems" in schema:
unique_items_schema = schema['uniqueItems']
if unique_items_schema:
# 数组元素不能重复
try:
if len(set(data)) != len(data):
log_error("当前校验的数据数组元素不能重复", data, schema, is_common)
except TypeError:
# 存在数组内部元素是dict格式
pass
# 判断每一个items
if "items" in schema:
items_schema = schema["items"]
# 判断items_schema 是数组还是对象
if type(items_schema) is list:
# 如果是数组 每一个item都是一个jsonSchema 索引对应的数组内索引的格式
index = 0
for item_sc in items_schema:
check_data(item_sc, data[index])
index += 1
# additionalItems该关键字只有在items是数组的时候才会有效
# additionalItems 除了上述规定之外的数据必需符合指定的规则
if "additionalItems" in schema:
additional_items_schema = schema['additionalItems']
for i in range(index, len(data)):
check_data(additional_items_schema, data[i])
# items如果是对象 当前schema规范了数组内所有元素的格式
elif type(items_schema) is dict:
for item_data in data:
check_data(items_schema, item_data)
def check_number(data, schema, is_common):
"""
校验数字类型
"""
if type(data) not in (int, float):
log_error("当前校验的json不是一个数字格式", data, schema, is_common)
else:
# 判断最大值 maximum 如果exclusiveMaximum该关键字是True 包含本身
if "maximum" in schema:
maximum_schema = schema['maximum']
if 'exclusiveMaximum' in schema and schema['exclusiveMaximum']:
if data >= maximum_schema:
log_error("当前校验的数据大于等于【%s】" % maximum_schema, data, schema, is_common)
else:
if data > maximum_schema:
log_error("当前校验的数据大于【%s】" % maximum_schema, data, schema, is_common)
# minimum、exclusiveMinimum
if "minimum" in schema:
minimum_schema = schema['minimum']
if 'exclusiveMinimum' in schema and schema['exclusiveMinimum']:
if data <= minimum_schema:
log_error("当前校验的数据小于等于【%s】" % minimum_schema, data, schema, is_common)
else:
if data < minimum_schema:
log_error("当前校验的数据小于【%s】" % minimum_schema, data, schema, is_common)
# multipleOf 整除
if "multipleOf" in schema:
multiple_of_schema = schema['multipleOf']
if not data % multiple_of_schema == 0:
log_error("当前校验的数据不能被%s整除" % multiple_of_schema, data, schema, is_common)
def check_str(data, schema, is_common):
"""
校验字符串类型
涉及的关键字 【maxLength、minLength、pattern、format】
"""
if type(data) != str:
log_error("当前校验的数据不是一个字符串格式", data, schema, is_common)
else:
# maxLength
if "maxLength" in schema:
max_length_schema = schema['maxLength']
if len(data) > max_length_schema:
log_error("当前校验的数据长度大于%d" % max_length_schema, data, schema, is_common)
# minLength
if "minLength" in schema:
min_length_schema = schema['minLength']
if len(data) < min_length_schema:
log_error("当前校验的数据长度小于%d" % min_length_schema, data, schema, is_common)
# pattern
if "pattern" in schema:
pattern_schema = schema['pattern']
if not re.match(pattern_schema, data):
log_error("当前校验的数据不符合正则表达式规则【%s】" % pattern_schema, data, schema, is_common)
# format
if 'format' in schema:
format_schema = schema['format']
if format_schema == 'email' and not re.match(EMAIL_REGEX, data):
log_error("当前校验的数据不是正确的邮箱格式", data, schema, is_common)
elif format_schema == 'phone' and not re.match(PHONE_REGEX, data):
log_error("当前校验的数据不是正确的手机号码格式", data, schema, is_common)
elif format_schema == 'hostname' and not re.match(IP_REGEX, data):
log_error("当前校验的数据不是正确的IP地址格式", data, schema, is_common)
elif format_schema == 'idCard' and not re.match(ID_CARD_REGEX, data):
log_error("当前校验的数据不是正确的身份证格式", data, schema, is_common)
elif format_schema == 'date':
format_patten = '%Y-%m-%d'
if 'format_patten' in schema:
format_patten = schema['format_patten']
try:
time.strptime(data, format_patten)
except ValueError:
log_error("当前校验的数据不是正确的日期格式格式【%s】" % format_patten, data, schema, is_common)
def check_common(schema, data):
"""
校验通用的
涉及到关键字:
【 enum、const、allOf、anyOf、oneOf、not、 if……then…… 】
"""
if "enum" in schema:
enum_schema = schema['enum']
if data not in enum_schema:
log_error("当前校验的数据值不存在【%s】中" % str(enum_schema), data, schema)
if "const" in schema:
const_schema = schema['const']
if data != const_schema:
log_error("当前校验数据值不等于【%s】" % str(const_schema), data, schema)
if "allOf" in schema:
all_of_schema = schema['allOf']
for item_schema in all_of_schema:
check_data(item_schema, data)
if "anyOf" in schema:
any_of_schema = schema['anyOf']
begin_len = len(COMMON_ERR_LIST)
for item_schema in any_of_schema:
check_data(item_schema, data, True)
end_len = len(COMMON_ERR_LIST)
if end_len - begin_len == len(any_of_schema):
log_error("当前校验的数据不符合当前anyof中的任一规则", data, schema)
if "oneOf" in schema:
one_of_schema = schema['oneOf']
begin_len = len(COMMON_ERR_LIST)
for item_schema in one_of_schema:
check_data(item_schema, data, True)
end_len = len(COMMON_ERR_LIST)
if end_len - begin_len != len(one_of_schema) - 1:
log_error("待校验JSON元素不能通过oneOf的校验", data, schema)
if "not" in schema:
not_schema = schema['not']
begin_len = len(COMMON_ERR_LIST)
check_data(not_schema, data, True)
end_len = len(COMMON_ERR_LIST)
if end_len == begin_len:
log_error("待校验JSON元素不能通过not规则的校验", data, schema)
# if……then……
if 'if' in schema:
if_schmea = schema['if']
begin_len = len(COMMON_ERR_LIST)
check_data(if_schmea, data, True)
end_len = len(COMMON_ERR_LIST)
if end_len == begin_len:
if "then" in schema:
then_schema = schema['then']
check_data(then_schema, data, False)
else:
if "else" in schema:
else_schema = schema['else']
check_data(else_schema, data, False)
def get_data_type(data):
"""
获取type
"""
if type(data) == dict:
return 'object'
if type(data) == list:
return 'array'
if type(data) in (int, float):
return 'number'
if type(data) == str:
return 'string'
if type(data) == bool:
return 'boolean'
def check_data(schema, data, is_common=False):
# 优先处理 通用的
check_common(schema, data)
# 没有type的情况
# type 默认为string
type_name = schema['type'] if "type" in schema else get_data_type(data)
if type_name == 'object':
check_object(data, schema, is_common)
elif type_name == 'array':
check_array(data, schema, is_common)
elif type_name in ['integer', 'number']:
check_number(data, schema, is_common)
elif type_name == 'string':
check_str(data, schema, is_common)
# type是布尔类型
elif type_name == 'boolean':
if type(data) != bool:
log_error("当前校验的数据不是一个boolean格式", data, schema, is_common)
JsonSchmea 的数据示例
{
"$schema": "http://json-schema.org/draft-07/schema#",
"type": "object",
"minProperties": 1,
"maxProperties": 200,
"properties": {
"name": {
"type": "string",
"enum": [
"shaofei",
"upuptop",
"pyfysf"
]
},
"email": {
"type": "string",
"format": "email",
"const": "pyfysf@163.com"
},
"idCard": {
"type": "string",
"format": "idCard",
"pattern": "\\d+"
},
"phone": {
"type": "string",
"format": "phone"
},
"hostname": {
"type": "string",
"format": "hostname"
},
"createTime": {
"format": "date",
"format_patten": "%Y%m%d"
},
"is": {
"type": "boolean"
},
"age": {
"type": "integer",
"maximum": 20,
"minimum": 1,
"multipleOf": 2
},
"like": {
"type": "array"
}
},
"allOf": [
{
"type": "string"
}
],
"patternProperties": {
"^\\S+123$": {
"type": "integer"
}
},
"required": [
"email"
]
}
使用方式
import json
from CheckDataUti import check_data
if __name__ == '__main__':
with open('../schema/MySchema.json', encoding='utf8') as f:
my_schema = json.load(f)
# json数据:
with open('../data/cece.json', encoding='utf8') as f:
json_data = json.load(f)
check_data(my_schema, json_data)
# print(ERR_LIST)
参考:
schema遵循 http://json-schema.org/,
"$schema": "http://json-schema.org/draft-07/schema#",
使用方法 >>>> 点击这里
学习了JsonSchema,我自定义了一个校验代码的更多相关文章
- JVM学习第一篇思考:一个Java代码是怎么运行起来的-上篇
JVM学习第一篇思考:一个Java代码是怎么运行起来的-上篇 作为一个使用Java语言开发的程序员,我们都知道,要想运行Java程序至少需要安装JRE(安装JDK也没问题).我们也知道我们Java程序 ...
- JavaScript学习12 JS中定义对象的几种方式
JavaScript学习12 JS中定义对象的几种方式 JavaScript中没有类的概念,只有对象. 在JavaScript中定义对象可以采用以下几种方式: 1.基于已有对象扩充其属性和方法 2.工 ...
- JavaScript学习12 JS中定义对象的几种方式【转】
avaScript学习12 JS中定义对象的几种方式 转自: http://www.cnblogs.com/mengdd/p/3697255.html JavaScript中没有类的概念,只有对象. ...
- SpringMVC学习(三)———— springmvc的数据校验的实现
一.什么是数据校验? 这个比较好理解,就是用来验证客户输入的数据是否合法,比如客户登录时,用户名不能为空,或者不能超出指定长度等要求,这就叫做数据校验. 数据校验分为客户端校验和服务端校验 客户端校验 ...
- 【SpringMVC学习06】SpringMVC中的数据校验
这一篇博文主要总结一下springmvc中对数据的校验.在实际中,通常使用较多是前端的校验,比如页面中js校验,对于安全要求较高的建议在服务端也要进行校验.服务端校验可以是在控制层conroller, ...
- selenium webdriver学习(十)------------如何把一个元素拖放到另一个元素里面(转)
selenium webdriver学习(十)------------如何把一个元素拖放到另一个元素里面 博客分类: Selenium-webdriver 元素拖放drag and drop Q群里 ...
- 学习vue就是那么简单,一个简单的案例
vue是前端兴起的一个javascript库,相信大家都使用过jQuery,虽然vue和jQuery没有可比性,但从熟悉的角度去理解新的东西或许会容易接受一些,有时候由于思想和模式的转变会带来阵痛,但 ...
- 用struts2标签如何从数据库获取数据并在查询页面显示。最近做一个小项目,需要用到struts2标签从数据库查询数据,并且用迭代器iterator标签在查询页面显示,可是一开始,怎么也获取不到数据,想了许久,最后发现,是自己少定义了一个变量,也就是var变量。
最近做一个小项目,需要用到struts2标签从数据库查询数据,并且用迭代器iterator标签在查询页面显示,可是一开始,怎么也获取不到数据,想了许久,最后发现,是自己少定义了一个变量,也就是var变 ...
- JAVA学习笔记(一):一个小爬虫的例子
1.import java.io.*; java.io.*不是一个文件,而是一组类.它是在java.io包里的所有类,*是通配符,比如a*.txt代表的就是以a开头的所有txt文件,“?”是单个词 ...
随机推荐
- 0xe7f001f0!?NDK调试过程,无故抛出SIGSEGV。
arm调试过程,如果抛一个SIGSEGV,地址在 0xe7f001f0 附近,原因居然是因为我在调试.当我使用n指令跳到下一行代码时,往往变成了continue指令一样地执行.还不确定地抛出SIGSE ...
- aws msk
1. 建立3个私网子网 2. 建立msk
- Spring Cloud报错Error creating bean with name 'requestMappingHandlerMapping'
如果我们使用Spring Cloud的Feign实现熔断,首先需要自定义一个熔断类,实现你的feign接口,然后实现方法,这些方法就是熔断方法,最后需要在你的feign接口中指定fallback为自定 ...
- Java中父类和子类代码执行顺序
执行顺序:父类静态块-->子类静态块-->父类非静态块-->父类构造方法-->子类非静态块-->子类构造方法 当父类或子类中有多个静态方法时按在代码中的顺序执行 pack ...
- String对象常量池
对象池的主要目的是实现数据的共享处理, 在java之中对象池可以分为两种: 1.静态常量池 :指*.class加载时会自动将此程序之中保存的 字符串.普通的常量.类和方法的信息等全部经行分配 2.运行 ...
- 第一次c语言作业。
第一次c语言作业 作业1 2.1 你对软件工程专业或者计算机科学与技术专业了解是怎样? 我认为计算机科学与技术是研究信息过程.用以表达此过程的信息结构和规则及其在信息处理系统中实现的学科.这门学科是为 ...
- IT网址 插件 系统 软件 网址收集!
http://www.css88.com http://www.runoob.com/jquery/jquery-plugin-validate.html http://www.iteye.com/n ...
- 超好用的自带火焰图的 Java 性能分析工具 Async-profiler 了解一下
如果你经常遇到 Java 线上性能问题束手无策,看着线上服务 CPU 飙升一筹莫展,发现内存不断泄露满脸茫然.别慌,这里有一款低开销.自带火焰图.让你大呼好用的 Java 性能分析工具 - async ...
- PHP常用字符串函数总结
PHP语言中的字符串函数也是一个比较易懂的知识.今天我们就为大家总结了将近12种PHP字符串函数,希望对又需要的朋友有所帮助,增加读者朋友的PHP知识库. 1.查找字符位置函数 strpos($str ...
- react之高阶组件(一)
当两个或多个组件有相同的地方,可以将相同的部分抽离出来 先创建三个组件A.B.C A.js import React, { Component } from 'react' class A exten ...