当前位置：首页 > news >正文

[日志收集]

news 来源：原创 2025/6/26 16:02:05

日志简介

用于记录系统运行时的信息,对一个事情的记录(脚本运行中某个重要变量的值,方法输入参数和返回结果,参数,错误,异常信息),也称为log.

搜集日志的作用

分析代码,定位bug
调试代码
了解项目系统运行的状况
分析用户的行为,做数据统计

日志的级别(记高中低级别次序)

logging.DEBUG:调试级别[高]
logging.INFO:信息级别[较高]
logging.WARNING:警告级别[中]
logging.ERROR:错误级别[低]
logging.CRITICAL:严重错误级别[极低]

特性

日志级别设定后,比自己设定级别低的日志才会打印
- 设定日志级别为info,debug级别的日志信息不会打印,warning,error,critial会打印

日志代码实现分析
在这里插入图片描述

控制台 : 打印在屏幕上看
日志文件对象 : 写在日志文件里

在这里插入图片描述

参数含义
- filename:日志文件名
- when:产生日志文件的时间单位(几点产生)
- interval:单位的个数(几次)
- backupCount : 系统中保留日志文件的个数(比如说backupCount数值为3,那只保留3天的日志,第四天的日志加入时会删除第一天的)

使用步骤 :

将loggin_user.py文件部署到项目中
在项目下创建一个log的目录,用于存放log日志文件
在项目中使用日志之前,初始化日志信息,指定日志文件名,单位,单位间隔和保留的文件个数
在需要打印输出的位置使用logging级别(“想要输出的信息”)

[全量字段校验]

本质：更进⼀步的断⾔(校验接口实际与预期是否一致,校验全部字段)
与传统断⾔的区别：
- 传统断⾔：只能校验特定字段的值（如状态码是否为200，success是否为true等）
- 全量字段校验：可校验字段值、字段名、字段类型（如校验data字段是否存在且
  为字符串类型）
校验流程:
- 定义校验规则
  - 必填字段是否存在（如success/code/message）
  - 字段数据类型是否正确（如code是否为整数,code是否为整数）
  - 字段值是否符合预期（如message是否为"操作成功"）
- 对比响应数据是否符合校验规则

json数据

{"success":true,"code":10000,"massage":"操作成功"}

对应校验规则

{"type":"object","properties":{"success":{"type":"boolean"},"code":{"type":"integer"},"message":{"type":"string"}
},"required":["success","code","message"]
}

规则结构：包含type、properties和required三个关键部分
- 字段类型校验：
  - “type”:"object"表示整个JSON是对象类型
  - "properties"中定义各字段类型要求，如布尔型、整型、字符串型
  - "required"列出必须存在的字段名
校验:

python代码校验

实现步骤：

导包：import jsonschema
创建校验规则：定义schema格式的数据校验规则
调⽤⽅法：jsonschema.validate(instance=“json数据”,schema=“jsonschema规则”)

校验结果：
- 校验通过：返回None
- 校验失败：返回错误信息
  - schema规则错误：返回SchemaError
  - json数据错误：返回ValidationError

案例

# 入门案例:
# 1.导包
import jsonschema
# 2.创建 校验规则
schema={"type":"object","properties":{"success":{"type":"boolean"},"code":{"type":"integer"},"message":{"type":"string"}},"required":["success","code","massage"]
}
# 3.调用方法,进行校验(用python语言表示json数据)
json_data={"success":True,"code":10000,"massage":"操作成功"
}
# 4.调用方法进行校验
res=jsonschema.validate(instance=json_data,schema=schema)
# 5.查看校验结果
print("校验结果:",res)

知识点	核心内容	补充
JSON Schema校验流程	三步流程：1.导包 2.准备校验规则 3.调⽤validate⽅法	校验规则语法转换JSON语法需适配编程语⾔规范
validate⽅法	参数结构：validate(instance=实际数据,schema=校验规则)	参数对应关系：instance对应实际JSON数据，schema对应校验规则
校验结果处理	成功：返回None；失败：返回错误对象	两种错误类型区分：SchemaError(规则错误) ValidationError(数据错误)

[关键字]

JSON Schema语法
- 基本语法：“type”:“数据类型”，必须⽤双引号包裹类型名称
- 校验流程：通过jsonschema.validate(instance=json_data,schema=schema)⽅法执⾏校验

integer -- 整数
string	-- 字符串
object	-- 对象
array	-- 数组,对应python列表
number	-- 整数/小数
null	-- 空值,对应python中的None
boolean	-- 布尔值,对应true和false
语法:
{"type":"数据类型"
}

# 实现步骤
1> 导包：import jsonschema
2> 定义校验规则schema
3> 准备待校验数据json_data
4> 调⽤validate⽅法
5> 打印校验结果

import jsonschema
# 2.定义规则
schema={"type":"number"
}
schema1={"type":"object"
}
# 3.定义数据
json_data=100
json_data2=100.2
json_data3={"a":1,"b":2}
# 4.调用规则进行验证
res=jsonschema.validate(instance=json_data,schema=schema)
res2=jsonschema.validate(instance=json_data2,schema=schema)
res3=jsonschema.validate(instance=json_data3,schema=schema1)# 5.查看结果
print("校验结果res:",res)
print("校验结果res2:",res2)
print("校验结果res3:",res3)

总结

知识点	核心内容	补充
JSONSchema校验规则	通过type关键字约束数据类型(integer/string/object/array/number/null/boolean)	integer与number的区别(整数vs⼩数)
properties关键字	当type为object时，⽤properties定义对象内键值对的数据类型限制	嵌套对象校验的语法结构
const关键字	直接断⾔字段值必须等于指定值(如code:100.3)	与普通断⾔的区别(静态校验vs动态测试)
pattern关键字	通过正则表达式实现模糊匹配（如姓名模糊查询）	正则语法与数据库LIKE的对⽐
数据类型语法细节	所有关键字和类型值需⽤双引号包裹（如"type":“string”）	null的JSON语法(⾮Python的
None)

[properties关键字]

说明 : 是type关键字的辅助,当type的值为object时使用，
作用 : 指定对象中每个字段的校验规则
语法:
- “type”: “object”: ⾸先声明类型为对象。
- “properties”: { “字段1”:{规则} }: 在properties下，使⽤键值对的⽅式描述每个字段及其校验规则。

# 导包
import jsonschema
# 创建校验规则定义⼀个schema变量，包含type和properties，其中properties下详细描述每个字段的类型规则。
schema={"type":"object","properties":{"success":{"type":"boolean"},"code":{"type":"integer"},"message":{"type":"string"},"money":{"type":"number"},"address":{"type":"null"},"data":{"type":"object"},"luckyNumber":{"type":"array"}}
}
# 测试数据
json_data={"success":True,"code":10000,"message":"操作成功","money":6.66,"address":None,"data":{"name":"tom"},"luckNumber":[6,8,9]
}# 调用方法校验
res1=jsonschema.validate(instance=json_data,schema=schema)
# 查看校验结果
print("校验结果:",res1)

嵌套

"data":{"type":"object","properties":{	# data类型为object,所以可加内层properties实现嵌套"name":{"type":"string"},"age":{"type":"integer"},"height":{"type":"number"}}},      
------------------------------------------"data":{"name":"tom","age":18,"height":1.81},

[required关键字]

作⽤：校验对象中必须存在的字段。字段名必须是字符串，且唯⼀。
语法：{“required”:[“字段名1”,“字段名2”,…]}
注意事项：
- 字段名必须⽤双引号包裹形成字符串形式
- JSON数据中的键必须是字符串类型，⽽python字典中的键可以是任意不可变类型
- 字段名必须唯⼀，不能重复
- required关键字必须与type、properties在同⼀级别，不能写在properties内部
- 字段名可以少,但不能多

# 导包
import jsonschema
# 测试数据
json_data={"success":True,"code":10000,"message":"操作成功","money":6.66,"address":None,"data":{"name":"tom"},"luckyNumber":[6,8,9]
}
# 创建校验规则
schema={"type":"object",#这里!!注意级别与type和properties同级别"required":["success","code","message","money","address","data","luckyNumber"],"properties":{"success":{"type":"boolean"},"code":{"type":"integer"},"message":{"type":"string"},"money":{"type":"number"},"address":{"type":"null"},"data":{"type":"object"},"luckyNumber":{"type":"array"}}
}# 调用方法校验
res1=jsonschema.validate(instance=json_data,schema=schema)
# 查看校验结果
print("校验结果:",res1)

嵌套对象校验：
- 对于嵌套的object类型字段，可以在其properties内部再使⽤required
- 示例中data字段是object，要求必须包含name、age和height字段
- required的位置必须在对应object的properties内部

"data":{"type":"object","required":["name","age","height"]},
----------------properties写不写都行----------------
"data":{"name":"tom","age":18,"height":1.81
},

知识点	内容	补充注意
JSON Schema校验	全量字段校验可验证数据字段类型和字段名	注意字段类型校验与字段名校验的区别
type关键字	⽤于校验数据值的类型（如boolean/string/number等）	校验的是数据值类型
properties关键字	描述对象中每个字段的数据类型要求	与type关键字需配合使⽤
required关键字	校验对象中必须存在的字段	书写位置（与properties同级而非嵌套）
JSON键名规则	键名必须为字符串且唯⼀	Python字典与JSON键名规则差异（Python允许⾮字符串键）
嵌套校验	对嵌套对象内的字段进⾏required校验	嵌套required的书写层级需与对应properties同级
语法格式	required字段需⽤数组形式列出必须字段	字段名必须⽤双引号包裹

[const关键字]

等价断⾔：const关键字的作⽤等价于断⾔中的等于判断，⽤于校验字段值是否为固定值
全量校验：在全量字段校验中,const可以实现类似断⾔中等值判断的功能
语法 : {“字段名”:{“const”:具体值}}

import jsonschema# 待测数据
data = {"success": True,"name": "李四","height": 1.92,"addr":None
}
# 校验规则
schema={"type":"object",		# 可以省略"properties":{"success":{"const":True},"name":{"const":"李四"},"height":{"const":1.92},"addr":{"const":None}}
}

[pattern关键字]---------用到正则表达式

定义与作⽤：使⽤不常⽤符号（如$、^、[]、{}等）组合成特定语法，从⼤量字符串数据中按条件筛选数据
应⽤场景：企业项⽬中75%以上数据为字符串，常⽤于字符串模糊匹配（如筛选姓名含特定字的学⽣）

# 举例:
基本规则：
o 包含匹配：直接写⽬标字符串（如"hello"），等效于断⾔中的in
o 开头匹配：⽤^符号（如^hello匹配"hello,world"）
o 结尾匹配：⽤$符号（如hello$匹配"中国，hello"）
o 单字符匹配：⽤[]包含可选字符（如[0-9]匹配任意数字，[a-z]匹配任意一个⼩写字⺟）
o 次数匹配：⽤{}指定次数（如[0-9]{11}匹配11位数字,就是长度为11,内容为0-9间,12345678901）

# 语法
{"字段名":{"pattern":"正则表达式"}
}

# 导包
import jsonschema
# 测试数据
data={"message":"操作成功!","mobile":"13800000002"
}
# 校验规则
schema={"type":"object","properties":{"message":{"pattern":"^操作成功"},"mobile":{"pattern":"^[0-9]{11}$"}}
}
res=jsonschema.validate(instance=data,schema=schema)
# 5.查看结果
print("校验结果res:",res)

[综合案例]

# 需求
校验需求：
o 整个JSON数据是⼀个对象
o 必须包含success、code、message、data字段,且字段必须存在
o success字段为布尔类型
o code为整数类型
o message为以"登录成功"结尾的字符串
o data为对象，必须包含name、age字段
o data中的name字段必须等于"lily"
o data中的age必须是20
data = {"success": false,"code": 10000,"message": "xxx登录成功","data": {"age": 20,"name": "lily"}}

# 示例
# 导包
import jsonschema# 测试数据
data = {"success": False,"code": 10000,"message": "xxx登录成功","data": {"age": 20,"name": "lily"}}# 校验规则
schema={"type":"object","properties":{"success":{"type":"boolean"},"code":{"type":"integer"},"message":{"pattern":"登录成功$"},"data":{"type":"object","properties":{"name":{"const":"lily"},"age":{"const":20}},"required":["name","age"]}},"required":["success","code","message","data"]
}res=jsonschema.validate(instance=data,schema=schema)
# 5.查看结果
print("校验结果res:",res)