1. 全字段断言-DeepDiff应用【理解】
2. 全量报文断言进行封装【理解】
3. 接口加密/解密封装【理解】
4. 接口签名知识理解【理解】 -- 和加密是一个思路--加密（二次加密）
解决两个问题：
1、对响应报文进行断言
2、对数据进行加密
3、签名，就是在加密基础上进行二次加密
一、全字段断言-DeepDiff应用
1、什么是deep diff：深度差异
安装命令
pip install deepdiff -i https://pypi.tuna.tsinghua.edu.cn/simple2、作用与如何使用
对比各种数据结构类型：字典、列表、元组、json都可以进行对比
deepdiff 深度差异
对比各种数据结构类型：字典、列表、json都可以进行对比
有差异：会显示对应数据？ 会怎么显示呢？有以下4种差异
# 1. 修改某个值 ： values_changed
# 2. 修改数据的类型不同: type_changes
# 3. 多一个数据(增加) :dictionary_item_added
# 4. 少一个数据（删除）:dictionary_item_removed
没有差异：会返回空字典
"""
deepdiff（t1，t2） 以t1数据为标准对该类进行实例化，发现其他参数都有默认值，那么使用这个类和方法的时候，必须自己赋值的必传参数是没有默认赋值的
以前一个参数为标准，比较出后一个参数的差异
1）对比一样的，返回{} 空字典
from deepdiff import DeepDiff
# 使用类之前，必须先实例化 ：DeepDiff(数据1,数据2)
json1 = {
'code': 0,
"message": "成功",
"data": {
"total": 28,
"id": 123
}
}
json2 = {
'code': 0,
"message": "成功",
"data": {
"total": 28,
"id": 123
}
}
# 案例一：一样的数据返回{}
res = DeepDiff(json1, json2)
print(res)
2） 值对比不同：'values_changed'
3） 类型改变：'type_changes'
4） 多了一个数据：'dictionary_item_added'
5）少了一个数据：'dictionary_item_removed'
3、过滤的几个常用的场景
1）过滤顺序：ignore_order =true/false
1.1)过滤无序的数据，会没有差异
JSON数据
1.2)过滤有序的数据，有差异
列表数据
查看这个类，忽略顺序默认的是 不忽略
2）过滤大小写：ignore_string_case
3）过滤某个字段：exclude_paths
错误案例：
4、搜索的几种场景
1）精准匹配-搜索
2）模糊匹配-搜索
通配符 *
use_regexp=True 正则表达式
3） 匹配-搜索--大小写敏感
5、deepdiff方法的封装
1）不定长参数的传参：
diff方法里面有非常多的参数，常用的规则也很多，不能把参数都写进去，这是需要引入不定长传参
在Python中，不定长传参是一个非常有用的特性，它允许你定义函数时不必明确指定参数的数量。这主要通过两种特殊的语法来实现：*args 和 **kwargs。*args
*args 用于接收任意多个位置参数，并将它们作为元组（tuple）传递给函数。当你不确定函数调用时会传递多少个位置参数时，这个特性非常有用。
示例代码：
python
def my_func(*args):
for arg in args:
print(arg)
my_func(1, 2, 3, 4, 5) # 输出: 1 2 3 4 5**kwargs
**kwargs 用于接收任意多个关键字参数，并将它们作为字典（dict）传递给函数。这对于处理未知数量的关键字参数非常有用。
示例代码：
python
def my_func(**kwargs):
for key, value in kwargs.items():
print(f"{key}: {value}")
my_func(name="Alice", age=30, city="New York") # 输出: name: Alice age: 30 city: New York两者结合使用
你还可以在同一个函数中同时使用 *args 和 **kwargs，但需要注意的是，*args 必须放在 **kwargs 之前。
示例代码：
python
def my_func(*args, **kwargs):
for arg in args:
print(arg)
for key, value in kwargs.items():
print(f"{key}: {value}")
my_func(1, 2, 3, name="Alice", age=30) # 输出: 1 2 3 name: Alice age: 30deepdiff方法的参数
正常运行
2）jsonDeepDiff：这是一个自定义函数，它封装了DeepDiff的调用
**kwargs 用于接收任意多个关键字参数，并将它们作为字典（dict）传递给函数
定义了一个名为oth的字典，它包含了DeepDiff的一个配置选项：exclude_paths。这个选项用于指定在比较过程中应该被排除的路径，过滤了一下
'封装'是一个核心概念，
它涉及到将数据和操作这些数据的函数（通常称为方法）组合到一个单一的类中。
封装的主要目的是隐藏对象的内部状态，保护数据不被外部直接访问或修改，从而确保数据的完整性和安全性。
二、框架
1、分析数据，需要在excel维护2个值：期望结果和过滤条件
2、全量断言
3、加密
pip install pycryptodome
1）如何加密--思路
接口需要加密 -- 登录接口
对用户而言 ：需要写明文
明文：{"username":"admin","password":"123456"}
让你的测试团队的小伙伴，不需要知道加密需要加成什么数据，所以就可以进行封装起来。
代码层面，必须知道：什么时候需要加密，什么时候不需要加密。---怎么打个标识。
思路：
excel ：接口需要加密的话，你就在请求数据key前面加一个@符号。--打个标识
{"@username":"admin","password":"123456"}
这样我就知道这个数据是否要加密
但是加密的时候，不能把@也一起加密，否则和输入的数据有差异。需要用切片符把@切除2）写一个加密类，并定义加密规则
下面这个是个写的加密类，定义了加密方法的规则
对输入的tony进行加密
3）引用上面这个加密的方法，进行数据加密
加密的时候，不能把@也一起加密，否则和输入的数据有差异。需要用切片符把@切除
下面是处理@符号
下面是调用上面封装的加密方法的例子
代码解释
from P09_PytestFrame.Common.encryptAes import ENCRYPTAES #引用加密类
#这个是加密的方法
@staticmethod
def data_encryptAes(data):
"""
把对应的数据进行Aes加密(有可能需要加密，有可能不需要加密)
@param data:
@return:
"""
# {"username":"admin","password":"123456"}
# {"@username":"admin","@password":"123456"}
# print("原始数据是：",data)
newdata = {}
for key in data:
if key[0] == "@":
# 需要加密
# 把数据进行加密之后，要恢复原本的key（不要@符号--为了打个标识）
# 字典名[key] = value
#ENCRYPTAES是上面那个加密类实例化出来的一个对象，用于调用aes_encrypt（）加密方法
newdata[key[1:]] = ENCRYPTAES.aes_encrypt(data[key])
else:
# 不需要加密
newdata[key] = data[key]
return newdata4）运行main
