软件测试|Python内置模块使用(一)

简介: 软件测试|Python内置模块使用(一)

Python随机模块以及json模块的使用

随机模块

  1. 随机产生小数

关键词:random
作用:随机产生一串小数

导入模块:
    import random

    print(random.random)    # 0.927037923859868
  1. 随机产生整数

关键词:randint
作用:随机产生整数,可设置区间

导入模块:
    import random
    
    print(random.randint(1,10))  # 89
  1. 随机产生整数

关键词:randrange
作用:随机产生整数,可设置区间,步长

导入模块:
    import random
    
    print(random.randint(1,10,5))  # 25
  1. 随机抽取样本

关键词:choice
作用:在数据库中随机抽取一个样本

导入模块:
    import random
   
    l1 = [5, 7, 9, 12, 15]
    print(random.choices(l1))  # 5   返回数据值本身
    print(random.choices(l1))  # [5]  以数据的原本类型返回
  1. 随机抽取多个样本

关键词:sample
作用:在数据库中随机抽取多个样本,可指定数量

导入模块:
    import random
   
    l1 = [5, 7, 9, 12, 15]
    print(random.sample(l1, 3))  # [5, 7, 12]   

json模块

引言:
json模块也称为序列化模块 序列化可以打破语言限制实现不同编程语言之间数据交互
语法规则:
1.名称必须是用双引号(“”)来引住
2.值可以是双引号包括的字符串、数字、true、false、null、JavaScript数组,或子对象
3.数据在key/value中
4.数据键用逗号分隔
5.大括号保存对象
6.中括号保存数组
  1. 针对数据

关键词:dumps
作用:可将python数据转换成json格式

导入模块:
    import json
    
代码用法:
    data_dict = {'name' : 'kangkang', 'hobby' : 'reading', 'age': 18}
    print(json.dumps(data_dicr))   # {"name": "kangkang", "hobby": "reading", "age": 18}

关键词:loads
作用:可将预编译的dumps转换成面向python的数据

导入模块:
    import json

代码用法:
    user_data = {'name' : 'kangkang', 'hobby' : 'reading', 'age': 18}
    json_dict = json.dumps(user_data)
    print(json.loads(json_dict))  # {'name': 'kangkang', 'hobby': 'reading', 'age': 18}
  1. 针对文件

关键词:dump
作用:可将python的内置类型数据转换成json格式写入文本

导入模块:
    import json
    
代码用法:
    user_data = {'name': 'kangkang', 'hobby': 'reading', 'age': 18}
    with open(r'a.txt', 'w', encoding='utf8') as f:
        json.dump(user_data, f)

关键词:load
作用:可将文本内json格式的数据转换成python内置类型数据格式

导入模块:    
    import json
    
    
代码用法:
    user_data = {'name': 'kangkang', 'hobby': 'reading', 'age': 18}
    with open(r'a.txt', 'r', encoding='utf8') as f:
        print(json.load(f))
--------------------------------------------------------------------------------------
{'name': 'kangkang', 'hobby': 'reading', 'age': 18}
相关文章
|
8月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
989 7
|
8月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
764 0
|
8月前
|
XML JSON 数据处理
超越JSON:Python结构化数据处理模块全解析
本文深入解析Python中12个核心数据处理模块,涵盖csv、pandas、pickle、shelve、struct、configparser、xml、numpy、array、sqlite3和msgpack,覆盖表格处理、序列化、配置管理、科学计算等六大场景,结合真实案例与决策树,助你高效应对各类数据挑战。(238字)
1187 0
|
8月前
|
JSON 算法 API
Python中的json模块:从基础到进阶的实用指南
本文深入解析Python内置json模块的使用,涵盖序列化与反序列化核心函数、参数配置、中文处理、自定义对象转换及异常处理,并介绍性能优化与第三方库扩展,助你高效实现JSON数据交互。(238字)
695 4
|
8月前
|
监控 安全 程序员
Python日志模块配置:从print到logging的优雅升级指南
从 `print` 到 `logging` 是 Python 开发的必经之路。`print` 调试简单却难维护,日志混乱、无法分级、缺乏上下文;而 `logging` 支持级别控制、多输出、结构化记录,助力项目可维护性升级。本文详解痛点、优势、迁移方案与最佳实践,助你构建专业日志系统,让程序“有记忆”。
728 0
|
9月前
|
存储 数据库 开发者
Python SQLite模块:轻量级数据库的实战指南
本文深入讲解Python内置sqlite3模块的实战应用,涵盖数据库连接、CRUD操作、事务管理、性能优化及高级特性,结合完整案例,助你快速掌握SQLite在小型项目中的高效使用,是Python开发者必备的轻量级数据库指南。
801 0
|
9月前
|
安全 大数据 程序员
Python operator模块的methodcaller:一行代码搞定对象方法调用的黑科技
`operator.methodcaller`是Python中处理对象方法调用的高效工具,替代冗长Lambda,提升代码可读性与性能。适用于数据过滤、排序、转换等场景,支持参数传递与链式调用,是函数式编程的隐藏利器。
273 4
|
Java 测试技术 容器
Jmeter工具使用:HTTP接口性能测试实战
希望这篇文章能够帮助你初步理解如何使用JMeter进行HTTP接口性能测试,有兴趣的话,你可以研究更多关于JMeter的内容。记住,只有理解并掌握了这些工具,你才能充分利用它们发挥其应有的价值。+
1618 23
|
SQL 安全 测试技术
2025接口测试全攻略:高并发、安全防护与六大工具实战指南
本文探讨高并发稳定性验证、安全防护实战及六大工具(Postman、RunnerGo、Apipost、JMeter、SoapUI、Fiddler)选型指南,助力构建未来接口测试体系。接口测试旨在验证数据传输、参数合法性、错误处理能力及性能安全性,其重要性体现在早期发现问题、保障系统稳定和支撑持续集成。常用方法包括功能、性能、安全性及兼容性测试,典型场景涵盖前后端分离开发、第三方服务集成与数据一致性检查。选择合适的工具需综合考虑需求与团队协作等因素。
2151 24
|
SQL 测试技术
除了postman还有什么接口测试工具
最好还是使用国内的接口测试软件,其实国内替换postman的软件有很多,这里我推荐使用yunedit-post这款接口测试工具来代替postman,因为它除了接口测试功能外,在动态参数的支持、后置处理执行sql语句等支持方面做得比较好。而且还有接口分享功能,可以生成接口文档给团队在线浏览。
699 2

推荐镜像

更多