dwelle
2019-08-29 20:20:27
在你的示例中，你正在将object{ tPrice: tPrice }与进行比较{ t_price: '359701' }，这就是为什么它总是会失败的原因，因为键是不同的（除了tPrice变量值是的事实undefined）。
如果你已经将实际值存储在变量中，则无需使用它来创建对象并使用deepEqual。你可以做：
const tPrice = response.body.data.calculations.t_costs[0].comparison.t_price
assert.equal(tPrice, '359701');
至于你的其他问题，如果我理解正确，你的回答如下：
{
data: {
calculations: {
t_costs: [
{ comparison: { t_price: "1111" } },
{ comparison: { t_price: "2222" } },
{ comparison: { t_price: "3333" } },
{ comparison: { t_price: "4444" } },
/* ... */
]
}
}
}
你只想声明其中的一些t_costs对象。
为此，最好使用chai插件，例如debitoor / chai-subset。
进行设置：
npm install --save-dev chai-subset
在你的cypress/support/index.js：
const chai = require('chai');
const chaiSubset = require('chai-subset');
chai.use(chaiSubset);
在你的规格中：
/* ... */
expect( response.body.data.calculations.t_costs )
.to.containSubset([
{ comparison: { t_price: "1111" } },
{ comparison: { t_price: "3333" } }
]);
热门帖子
热门github
1
2
4
The Python Risk Identification Tool for generative AI (PyRIT) is an open access automation framework to empower security professionals and machine learning engineers to proactively find risks in their generative AI systems.
(翻译：用于生成式 AI 的 Python 风险识别工具 (PyRIT) 是一个开放式访问自动化框架，使安全专业人员和机器学习工程师能够主动发现其生成式 AI 系统中的风险。)
5
7
8
9
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
10
11
13
这很棒。非常感谢你的帮助。它比我制作的要简单得多哈哈。
请记住，
chai-subset可以工作，但是错误报告很糟糕。您需要手动分析失败的原因。没有何处字段不匹配的显式错误。