fix(exchange,case_validator),refactor(),feat(model): 解决 Pydantic 模型初始化与变量占位符的类型冲突,优化变量替换逻辑,重构 CaseInfo 模型并引入延迟校验机制

- 引入 SmartInt 和 SmartDict 类型，支持 YAML 占位符与业务类型的自动转换。 - 优化 CaseInfo 互斥校验逻辑，确保 request 与 api_action 二选一。 - 统一使用 Pydantic V2 的 model_config 规范。 - 将变量替换时机提前至模型实例化之前，支持占位符在校验前完成真实值注入，保证了 int/bool 等字段的类型转换正确性。 - 优化断言渲染时机，支持响应提取值关联。
2026-03-11 10:29:16 +08:00
parent 69a96a0060
commit 293b5160fe
39 changed files with 1359 additions and 1031 deletions
--- a/core/models.py
+++ b/core/models.py
@@ -0,0 +1,176 @@
+#!/usr/bin/env python
+# coding=utf-8
+
+"""
+@author: chen wei
+@Software: PyCharm
+@contact: t6i888@163.com
+@file: models.py
+@date: 2024 2024/9/15 21:14
+@desc: 声明yaml用例格式
+"""
+import logging
+from typing import List, Any, Optional, Union, Annotated
+
+import yaml
+from pydantic import BaseModel, Field, ConfigDict, model_validator, field_validator, AfterValidator
+
+from core import settings
+
+logger = logging.getLogger(__name__)
+
+
+def smart_cast_int(v: Any) -> Any:
+    if isinstance(v, str) and v.startswith("${") and v.endswith("}"):
+        return v
+    try:
+        return int(v)
+    except (ValueError, TypeError):
+        return v
+
+
+def smart_cast_dict(v: Any) -> Any:
+    """确保字典格式，若是占位符（字符串形式）则放行"""
+    if isinstance(v, str) and v.startswith("${") and v.endswith("}"):
+        return v
+    if isinstance(v, dict) or v is None:
+        return v
+    return v  # 也可以根据需求抛出异常
+
+
+# 使用 Annotated 定义带校验的类型
+SmartInt = Annotated[Union[int, str], AfterValidator(smart_cast_int)]
+SmartDict = Annotated[Union[dict[str, Any], str], AfterValidator(smart_cast_dict)]
+
+
+# --- 基础请求模型 (用于第一种示例：直接请求) ---
+class RequestModel(BaseModel):
+    method: str = Field(..., description="HTTP 请求方法: get, post, etc.")
+    url: str = Field(..., description="接口路径或完整 URL")
+    params: Optional[SmartDict] = None
+    data: Optional[SmartDict] = None
+    json_body: Optional[Any] = Field(None, alias="json")
+    headers: Optional[SmartDict] = None
+    cookies: Optional[dict[str, str]] = None
+    timeout: SmartInt = Field(default=10)
+    files: Optional[SmartDict] = None
+
+    model_config = ConfigDict(extra="allow", populate_by_name=True)  # 允许扩展 requests 的其他参数
+
+
+# --- PO 动作模型 (用于第二种示例：业务层反射调用) ---
+class ApiActionModel(BaseModel):
+    api_class: str = Field(..., alias="class", description="要调用的 API 类名")
+    method: str = Field(..., description="类中的方法名")
+    params: Optional[SmartDict] = Field(default_factory=dict, description="传给方法的参数")
+
+    model_config = ConfigDict(populate_by_name=True)
+
+
+# --- 新增：断言条目模型 ---
+class ValidateItem(BaseModel):
+    check: Any = Field(..., description="要检查的字段或表达式")
+    expect: Any = Field(..., description="期望值")
+    assert_method: str = Field(default="equals", alias="assert", description="断言方法")
+    msg: Optional[str] = Field(default="Assertion", description="断言描述")
+
+    model_config = ConfigDict(populate_by_name=True)
+
+
+# --- 核心用例数据模型 ---
+class CaseInfo(BaseModel):
+    # 公共元数据
+    title: str = Field(..., description="用例标题")
+    epic: Optional[str] = None
+    feature: Optional[str] = None
+    story: Optional[str] = None
+
+    # 核心逻辑分叉：可以是 request 对象，也可以是 api_action 对象
+    # 根据 WorkflowExecutor 的逻辑，这里设为 Optional，但在具体校验时可以互斥
+    request: Optional[RequestModel] = None
+    api_action: Optional[ApiActionModel] = None
+
+    # 后置处理
+    extract: Optional[dict[str, List[Any]]] = Field(
+        default=None,
+        description="变量提取表达式，格式: {变量名: [来源, 表达式, 索引]}"
+    )
+    validate_data: Optional[List[Union[ValidateItem, dict[str, Any]]]] = Field(
+        default_factory=list,
+        alias="validate",
+        description="断言信息"
+    )
+
+    # 参数化（在 DataLoader 阶段会被拆解，但在初始加载时需要定义）
+    parametrize: Optional[List[List[Any]]] = None
+
+    model_config = ConfigDict(
+        populate_by_name=True,  # 无论是在代码中用 api_class 还是在 YAML 中用 class 赋值，Pydantic 都能正确识别。
+        arbitrary_types_allowed=True  # 允许在模型中使用非 Pydantic 标准类型（如自定义类实例）
+    )
+
+    # 核心优化：增加互斥校验
+    @model_validator(mode='after')
+    def check_action_type(self) -> 'CaseInfo':
+        if not self.request and not self.api_action:
+            raise ValueError("用例必须包含 'request' 或 'api_action' 其中之一")
+        if self.request and self.api_action:
+            raise ValueError("'request' 和 'api_action' 不能同时存在")
+        return self
+
+    def is_po_mode(self) -> bool:
+        """判断是否为 PO 模式"""
+        return self.api_action is not None
+
+
+if __name__ == '__main__':
+    # 模拟数据 1：标准请求模式
+    raw_case_1 = {
+        "title": "查询状态信息",
+        "request": {
+            "method": "get",
+            "url": "/api/v1/info",
+            "headers": {"User-Agent": "pytest-ai"}
+        },
+        "validate": [
+            {"check": "status_code", "assert": "equals", "expect": 200, "msg": "响应码200"},
+            {"check": "$.msg", "expect": "Success"}
+        ]
+    }
+
+    # 模拟数据 2：PO 模式 (反射调用)
+    raw_case_2 = {
+        "title": "用户登录测试",
+        "api_action": {
+            "class": "UserAPI",
+            "method": "login",
+            "params": {"user": "admin", "pwd": "123"}
+        },
+        "extract": {
+            "token": ["json", "$.data.token", 0]
+        }
+    }
+
+    print("--- 开始模型校验测试 ---\n")
+
+    try:
+        # 验证模式 1
+        case1 = CaseInfo(**raw_case_1)
+        print(f"✅ 模式1 (Request) 校验通过: {case1.title}")
+        print(f"   请求URL: {case1.request.url}")
+        print(f"   第一个断言方法: {case1.validate_data[0].assert_method}\n")
+
+        # 验证模式 2
+        case2 = CaseInfo(**raw_case_2)
+        print(f"✅ 模式2 (PO Mode) 校验通过: {case2.title}")
+        print(f"   调用类: {case2.api_action.api_class}")
+        print(f"   提取规则数: {len(case2.extract)}\n")
+
+        # 验证非法数据（如：既没有 request 也没有 api_action 的情况可以在业务层进一步校验）
+        # 这里演示 Pydantic 自动类型转换
+        invalid_data = {"title": "错误用例", "request": {"url": "/api"}}  # 缺少 method
+        print("--- 预期失败测试 ---")
+        CaseInfo(**invalid_data)
+
+    except Exception as e:
+        print(f"❌ 预期内的校验失败: \n{e}")