Как работать с JSON в автотестах

Что проверяют

Умеете ли проверять ответ по структуре, а не сравнением строк, и как обходитесь с полями, которые меняются от запуска к запуску.

Как отвечать

Строка это транспорт, проверять надо разобранный объект. В Python response.json() или json.loads, в Java Jackson или Gson. Сравнение сырых строк ложно падает от порядка ключей, лишних пробелов и экранирования Unicode, а на реальную поломку контракта не реагирует.

Три уровня проверок:

1. Схема. Типы, обязательные поля, форматы, диапазоны. JSON Schema и библиотека jsonschema в Python, модели pydantic, json-schema-validator в Java. Схема ловит именно то, что точечные assert пропускают: исчезнувшее поле, число вместо строки, null там, где его быть не должно.
2. Значения бизнес-полей. Точечные утверждения по конкретным ключам.
3. Контракт целиком. Снапшот ответа с маскированием изменчивых полей.

from jsonschema import validate

schema = {
    "type": "object",
    "required": ["id", "name", "is_active"],
    "properties": {
        "id": {"type": "integer"},
        "name": {"type": "string", "minLength": 1},
        "is_active": {"type": "boolean"},
    },
    "additionalProperties": False,
}
validate(instance=response.json(), schema=schema)

Динамические поля (id, created_at, токены, подписи) сравнивать по значению нельзя. Их либо исключают из сравнения (deepdiff с exclude_paths), либо проверяют по типу и формату.

Адресация вложенности. Для глубоких структур удобнее JSONPath (jsonpath-ng в Python, JsonPath в Java), чем цепочка data["a"]["b"][0], которая при отсутствии ключа падает с KeyError без внятного сообщения о том, что именно сломалось.

Негативные сценарии обязательны: битый JSON, обрезанный ответ, пустое тело, неверный Content-Type. json.loads бросает json.JSONDecodeError (наследник ValueError), и тест должен ожидать конкретное исключение.

Тестовые данные держать в отдельных .json файлах и подтягивать фикстурами, а не хранить многострочными литералами в коде: так их проще версионировать, переиспользовать и diff читается человеком.

Ловушки формата:

• ключи в JSON всегда строки, поэтому словарь с числовыми ключами после сериализации и обратного разбора вернётся со строковыми;
• числа это double, длинные идентификаторы безопаснее передавать строкой, иначе теряется точность;
• True/False/None в Python против true/false/null в JSON;
• json.dumps по умолчанию экранирует кириллицу, для читаемых логов нужен ensure_ascii=False.

Где спотыкаются

Сравнивают ответ как строку или пишут assert на пару полей, и тест молча пропускает исчезнувшее поле. Ещё забывают, что порядок элементов массива в JSON значим, а порядок ключей в объекте нет, и строят сравнение не на том.