Nano Hash - криптовалюты, майнинг, программирование

Почтальон: как утверждать все тело ответа

Я ищу способ подтвердить весь ответ моего API:

Снимок экрана с ошибкой

Произошла следующая ошибка:

Подтверждение снимка экрана

postman
20.02.2019

Ответы:


1

Если вы делаете отдельный запрос, чтобы сначала сохранить данные ответа в переменную:

let myData = xml2Json(responseBody)
pm.globals.set('myData', JSON.stringify(myData))

Затем вы можете попробовать это во втором запросе, чтобы проверить все тело ответа на соответствие переменной сохранения:

let myResponseData = xml2Json(responseBody)

pm.test('Body is Correct', () => {
    pm.expect(myResponseData).to.deep.eql(JSON.parse(pm.globals.get('myData')))
})
20.02.2019
  • Это позволит сравнить данные с тем же набором данных, поэтому этот тест всегда будет успешным. Посмотрите этот ответ, который следует тому же подходу, но сохраняет данные в первый раз и сравнивает их с каждым последующим запросом. 20.02.2019
  • Ха, я просто понял это после того, как выложил это, а затем пошел на собрание, поэтому я не мог внести изменения. Виноват. Это то, что я имел в виду, вместо того, чтобы проверять то же самое :( 20.02.2019
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..