Kaip patikrinti, ar JSON turi teisingus laukus?

Yra keli požiūriai:

1. Laukų buvimo patikrinimas: Eikite per laukus ir patikrinkite jų buvimą JSON.

   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"Laukas '{field}' nėra"
           return True, "Visi laukia yra"
       except json.JSONDecodeError:
           return False, "Neteisingas JSON"
       except Exception as e:
           return False, f"Klaida: {e}"
   
   # Pavyzdys
   json_data = '{"name": "Alice", "age": 30}'
   expected = ["name", "age", "city"]
   result, message = check_json_fields(json_data, expected)
   print(result, message) # False Laukas 'city' nėra
   
   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 Visi laukia yra
   

2. Naudojant JSON Schema: JSON Schema yra žodynas JSON struktūros validacijai. Tai patikimiausias ir lankstiausias būdas sudėtingoms struktūroms.

   from jsonschema import validate, SchemaError
   
   # Schema JSON validacijai
   schema = {
       "type": "object",
       "properties": {
           "name": {"type": "string"},
           "age": {"type": "integer", "minimum": 0},
           "city": {"type": "string"}
       },
       "required": ["name", "age"] # Būtini laukai
   }
   
   def validate_json_with_schema(json_data, schema):
       try:
           validate(instance=json_data, schema=schema)
           return True, "JSON atitinka schemą"
       except SchemaError as e:
           return False, f"Schema klaida: {e.message}"
       except Exception as e:
           return False, f"Validacijos klaida: {e.message}"
   
   # Pavyzdys
   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 atitinka schemą
   
   invalid_data = {"name": "Bob"} # trūksta age
   result_invalid, message_invalid = validate_json_with_schema(invalid_data, schema)
   print(result_invalid, message_invalid) # False Validacijos klaida: 'age' yra privalomas
   
   invalid_type_data = {"name": "Charlie", "age": "twenty"} # neteisingas age tipas
   result_type_invalid, message_type_invalid = validate_json_with_schema(invalid_type_data, schema)
   print(result_type_invalid, message_type_invalid) # False Validacijos klaida: 'twenty' nėra 'integer' tipas
   

3. Naudojant bibliotekas tipų ir struktūros patikrinimui: Kai kurios kalbos turi bibliotekų, leidžiančių deklaratyviai apibrėžti duomenų struktūrą.

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

4. Sukurti savo patikrinimo funkcijas: Specialiems atvejams ar sudėtingai logikai galima rašyti savo validacijos funkcijas.

Pasirinkimas priklauso nuo JSON struktūros sudėtingumo, griežtumo reikalavimų ir naudojamų technologijų. JSON Schema yra rekomenduojamiausias patikimumo ir palaikymo požiūriu.