როგორ შევამოწმოთ, რომ JSON შეიცავს სწორ ველებს?

არსებობს რამდენიმე მიდგომა:

1. მოწმენდა ველების არსებობაზე: იპოვეთ ელემენტები მოსალოდნელ ველებში და გადაამოწმეთ მათი არსებობა JSON-ში.

   import json
   
   def check_json_fields(json_string, expected_fields):
       try:
           data = json.loads(json_string)
           for field in expected_fields:
               if field not in data:
                   return False, f"ველის '{field}' არ არის"
           return True, "ყველა მოსალოდნელი ველი არსებობს"
       except json.JSONDecodeError:
           return False, "არასწორი JSON"
       except Exception as e:
           return False, f"შეცდომა: {e}"
   
   # გამოყენების მაგალითი
   json_data = '{"name": "Alice", "age": 30}'
   expected = ["name", "age", "city"]
   result, message = check_json_fields(json_data, expected)
   print(result, message) # False ველის 'city' არ არის
   
   json_data_valid = '{"name": "Bob", "age": 25}'
   expected_valid = ["name", "age"]
   result_valid, message_valid = check_json_fields(json_data_valid, expected_valid)
   print(result_valid, message_valid) # True ყველა მოსალოდნელი ველი არსებობს
   

2. JSON Schema-ის გამოყენება: JSON Schema არის დოკუმენტი JSON-ის სტრუქტურის ვალიდაციისთვის. ეს ყველაზე საიმედო და მოქნილი მიდგომაა რთული სტრუქტურებისთვის.

   from jsonschema import validate, SchemaError
   
   # სქემა JSON-ის ვალიდაციისთვის
   schema = {
       "type": "object",
       "properties": {
           "name": {"type": "string"},
           "age": {"type": "integer", "minimum": 0},
           "city": {"type": "string"}
       },
       "required": ["name", "age"] # აუცილებელი ველები
   }
   
   def validate_json_with_schema(json_data, schema):
       try:
           validate(instance=json_data, schema=schema)
           return True, "JSON შეესაბამება სქემას"
       except SchemaError as e:
           return False, f"სქემის შეცდომა: {e.message}"
       except Exception as e:
           return False, f"ვალიდაციის შეცდომა: {e.message}"
   
   # გამოყენების მაგალითი
   valid_data = {"name": "Alice", "age": 30, "city": "New York"}
   result_valid, message_valid = validate_json_with_schema(valid_data, schema)
   print(result_valid, message_valid) # True JSON შეესაბამება სქემას
   
   invalid_data = {"name": "Bob"} # არ არის ასაკი
   result_invalid, message_invalid = validate_json_with_schema(invalid_data, schema)
   print(result_invalid, message_invalid) # False ვალიდაციის შეცდომა: 'age' არის აუცილებელი თვისება
   
   invalid_type_data = {"name": "Charlie", "age": "twenty"} # არასწორი ტიპი
   result_type_invalid, message_type_invalid = validate_json_with_schema(invalid_type_data, schema)
   print(result_type_invalid, message_type_invalid) # False ვალიდაციის შეცდომა: 'twenty' არ არის ტიპის 'integer'
   

3. ტიპების და სტრუქტურის შემოწმების ბიბლიოთეკების გამოყენება: ზოგიერთი ენა აქვს ბიბლიოთეკები, რომლებიც საშუალებას იძლევა მონაცემთა სტრუქტურის დეკლარატიული განსაზღვრა.

   • Python: Pydantic, Marshmallow.
   • JavaScript: Joi, Yup.

4. მოწესრიგებული შემოწმებების დაწერა: სპეციფიკური შემთხვევებისთვის ან რთული ლოგიკისთვის შეიძლება დაწეროთ საკუთარი ვალიდაციის ფუნქციები.

მეთოდის არჩევანი დამოკიდებულია JSON-ის სტრუქტურის სირთულეზე, კონტროლის მკაცრობაზე და გამოყენებულ ტექნოლოგიებზე. JSON Schema არის რეკომენდებული ყველაზე საიმედო და მხარდაჭერილი მეთოდი.