fix(lsfx): 修复流水分析对接模块的代码质量问题

1. 修复配置问题
   - 替换app-secret占位符为正确的密钥dXj6eHRmPv

2. 添加异常处理
   - HttpUtil所有方法添加完整的异常处理
   - 统一使用LsfxApiException包装异常
   - 检查HTTP状态码和响应体

3. 添加日志记录
   - Client所有方法添加详细的日志记录
   - 记录请求参数、响应结果、耗时
   - 异常情况记录错误日志

4. 完善参数校验
   - 接口1:添加6个必填字段校验
   - 接口2:添加groupId和文件校验,限制文件大小10MB
   - 接口3:添加7个参数校验和日期范围校验
   - 接口4:添加groupId和inprogressList校验

5. 性能优化
   - RestTemplate使用Apache HttpClient连接池
   - 最大连接数100,每个路由最大20个连接
   - 支持连接复用,提升性能

6. 代码审查文档
   - 添加详细的代码审查报告
   - 记录发现的问题和改进建议

修改的文件:
- ccdi-lsfx/pom.xml
- ccdi-lsfx/src/main/java/com/ruoyi/lsfx/client/LsfxAnalysisClient.java
- ccdi-lsfx/src/main/java/com/ruoyi/lsfx/config/RestTemplateConfig.java
- ccdi-lsfx/src/main/java/com/ruoyi/lsfx/controller/LsfxTestController.java
- ccdi-lsfx/src/main/java/com/ruoyi/lsfx/util/HttpUtil.java
- ruoyi-admin/src/main/resources/application-dev.yml
- doc/implementation/lsfx-code-review-20260302.md
This commit is contained in:
wkc
2026-03-03 09:35:27 +08:00
parent 921c15ffad
commit b022ec75b8
13 changed files with 3927 additions and 64 deletions

View File

@@ -0,0 +1,572 @@
# 流水分析 Mock 服务器设计方案
**创建日期**: 2026-03-02
**作者**: Claude Code
## 项目概述
### 背景
当前项目需要与流水分析平台进行接口对接,但在开发和测试过程中,依赖外部真实服务存在以下问题:
- 网络连接不稳定,影响测试效率
- 无法控制返回数据,难以测试各种场景
- 无法模拟错误场景和边界情况
- 团队成员无法共享测试环境
### 解决方案
开发一个独立的 Mock 服务器,基于 Python + FastAPI 技术栈,模拟流水分析平台的 7 个核心接口,支持:
- 配置文件驱动的响应数据
- 文件上传解析延迟模拟
- 错误场景触发机制
- 自动生成的 API 文档
### 技术选型
| 技术组件 | 选择 | 理由 |
|---------|------|------|
| Web框架 | FastAPI | 现代异步框架自动生成API文档强类型支持 |
| 数据验证 | Pydantic | 与FastAPI原生集成类型提示清晰 |
| 配置管理 | JSON文件 | 易于修改,非开发人员也能调整测试数据 |
| 状态存储 | 内存字典 | 轻量级重启清空适合Mock场景 |
---
## 整体架构
```
lsfx-mock-server/
├── main.py # 应用入口
├── config/
│ ├── settings.py # 全局配置
│ └── responses/ # 响应模板配置文件
│ ├── token.json
│ ├── upload.json
│ ├── parse_status.json
│ └── bank_statement.json
├── models/
│ ├── request.py # 请求模型Pydantic
│ └── response.py # 响应模型Pydantic
├── services/
│ ├── token_service.py # Token管理
│ ├── file_service.py # 文件上传和解析模拟
│ └── statement_service.py # 流水数据管理
├── routers/
│ └── api.py # 所有API路由
├── utils/
│ ├── response_builder.py # 响应构建器
│ └── error_simulator.py # 错误场景模拟
└── requirements.txt
```
### 核心设计思想
1. **配置驱动** - 所有响应数据在JSON配置文件中方便修改
2. **内存状态管理** - 使用全局字典存储运行时状态tokens、文件记录等
3. **异步任务** - 使用FastAPI后台任务模拟文件解析延迟
4. **错误标记识别** - 检测请求参数中的特殊标记触发错误响应
---
## 数据模型设计
### 请求模型
对应Java项目中的DTO类
```python
# models/request.py
from pydantic import BaseModel
from typing import Optional
class GetTokenRequest(BaseModel):
projectNo: str
entityName: str
userId: str
userName: str
orgCode: str
entityId: Optional[str] = None
xdRelatedPersons: Optional[str] = None
jzDataDateId: Optional[str] = "0"
innerBSStartDateId: Optional[str] = "0"
innerBSEndDateId: Optional[str] = "0"
analysisType: Optional[int] = -1
departmentCode: Optional[str] = None
class UploadFileRequest(BaseModel):
groupId: int
class FetchInnerFlowRequest(BaseModel):
groupId: int
customerNo: str
dataChannelCode: str
requestDateId: int
dataStartDateId: int
dataEndDateId: int
uploadUserId: int
class CheckParseStatusRequest(BaseModel):
groupId: int
inprogressList: str
class GetBankStatementRequest(BaseModel):
groupId: int
logId: int
pageNow: int
pageSize: int
```
### 响应模型
对应Java项目中的VO类
```python
# models/response.py
from pydantic import BaseModel
from typing import Optional, List, Dict, Any
class TokenData(BaseModel):
token: str
projectId: int
projectNo: str
entityName: str
analysisType: int
class GetTokenResponse(BaseModel):
code: str = "200"
data: Optional[TokenData] = None
message: str = "create.token.success"
status: str = "200"
successResponse: bool = True
# 其他响应模型类似...
```
---
## 核心业务逻辑
### 文件解析延迟模拟
**实现机制:**
1. 上传接口立即返回,状态为"解析中"
2. 使用FastAPI的BackgroundTasks在后台延迟执行
3. 延迟3-5秒后更新状态为"解析完成"
4. 轮询检查接口返回当前解析状态
```python
# services/file_service.py
class FileService:
def __init__(self):
self.file_records: Dict[int, Dict] = {}
self.parsing_status: Dict[int, bool] = {}
async def upload_file(self, group_id: int, file, background_tasks: BackgroundTasks):
log_id = generate_log_id()
# 立即存储记录,标记为解析中
self.file_records[log_id] = {
"logId": log_id,
"status": -5,
"uploadStatusDesc": "parsing",
...
}
self.parsing_status[log_id] = True
# 启动后台任务延迟4秒后完成解析
background_tasks.add_task(
self._simulate_parsing,
log_id,
delay_seconds=4
)
return log_id
def _simulate_parsing(self, log_id: int, delay_seconds: int):
time.sleep(delay_seconds)
if log_id in self.file_records:
self.file_records[log_id]["status"] = -5
self.file_records[log_id]["uploadStatusDesc"] = "data.wait.confirm.newaccount"
self.parsing_status[log_id] = False
```
---
## 错误场景模拟机制
### 错误触发规则
通过请求参数中的特殊标记触发对应的错误响应:
**错误码映射表:**
```python
ERROR_CODES = {
"40101": {"code": "40101", "message": "appId错误"},
"40102": {"code": "40102", "message": "appSecretCode错误"},
"40104": {"code": "40104", "message": "可使用项目次数为0无法创建项目"},
"40105": {"code": "40105", "message": "只读模式下无法新建项目"},
"40106": {"code": "40106", "message": "错误的分析类型,不在规定的取值范围内"},
"40107": {"code": "40107", "message": "当前系统不支持的分析类型"},
"40108": {"code": "40108", "message": "当前用户所属行社无权限"},
"501014": {"code": "501014", "message": "无行内流水文件"},
}
```
**检测逻辑:**
```python
@staticmethod
def detect_error_marker(value: str) -> Optional[str]:
"""检测字符串中的错误标记
规则:如果字符串包含 error_XXXX则返回 XXXX
例如:
- "project_error_40101" -> "40101"
- "test_error_501014" -> "501014"
"""
if not value:
return None
import re
pattern = r'error_(\d+)'
match = re.search(pattern, value)
if match:
return match.group(1)
return None
```
**使用示例:**
```python
# 在服务中使用
def get_token(request: GetTokenRequest):
error_code = ErrorSimulator.detect_error_marker(request.projectNo)
if error_code:
return ErrorSimulator.build_error_response(error_code)
# 正常流程...
```
**测试方式:**
```python
# 触发 40101 错误
request_data = {
"projectNo": "test_project_error_40101", # 包含错误标记
"entityName": "测试企业",
...
}
```
---
## 配置文件结构
### 响应模板配置
```json
// config/responses/token.json
{
"success_response": {
"code": "200",
"data": {
"token": "eyJ0eXAiOiJKV1QiLCJhbGciOiJIUzI1NiJ9.mock_token_{project_id}",
"projectId": "{project_id}",
"projectNo": "{project_no}",
"entityName": "{entity_name}",
"analysisType": 0
},
"message": "create.token.success",
"status": "200",
"successResponse": true
}
}
```
```json
// config/responses/upload.json
{
"success_response": {
"code": "200",
"data": {
"accountsOfLog": {},
"uploadLogList": [
{
"logId": "{log_id}",
"status": -5,
"uploadStatusDesc": "data.wait.confirm.newaccount",
...
}
]
}
}
}
```
### 全局配置
```python
# config/settings.py
from pydantic import BaseSettings
class Settings(BaseSettings):
APP_NAME: str = "流水分析Mock服务"
APP_VERSION: str = "1.0.0"
DEBUG: bool = True
HOST: str = "0.0.0.0"
PORT: int = 8000
# 模拟配置
PARSE_DELAY_SECONDS: int = 4
MAX_FILE_SIZE: int = 10485760 # 10MB
class Config:
env_file = ".env"
settings = Settings()
```
---
## API 路由实现
### 核心接口
```python
# routers/api.py
from fastapi import APIRouter, BackgroundTasks, UploadFile, File
router = APIRouter()
# 接口1获取Token
@router.post("/account/common/getToken")
async def get_token(request: GetTokenRequest):
error_code = ErrorSimulator.detect_error_marker(request.projectNo)
if error_code:
return ErrorSimulator.build_error_response(error_code)
return token_service.create_token(request)
# 接口2上传文件
@router.post("/watson/api/project/remoteUploadSplitFile")
async def upload_file(
background_tasks: BackgroundTasks,
groupId: int = Form(...),
file: UploadFile = File(...)
):
return file_service.upload_file(groupId, file, background_tasks)
# 接口3拉取行内流水
@router.post("/watson/api/project/getJZFileOrZjrcuFile")
async def fetch_inner_flow(request: FetchInnerFlowRequest):
error_code = ErrorSimulator.detect_error_marker(request.customerNo)
if error_code:
return ErrorSimulator.build_error_response(error_code)
return file_service.fetch_inner_flow(request)
# 接口4检查解析状态
@router.post("/watson/api/project/upload/getpendings")
async def check_parse_status(request: CheckParseStatusRequest):
return file_service.check_parse_status(request.groupId, request.inprogressList)
# 接口5删除文件
@router.post("/watson/api/project/batchDeleteUploadFile")
async def delete_files(request: dict):
return file_service.delete_files(
request.get("groupId"),
request.get("logIds"),
request.get("userId")
)
# 接口6获取银行流水
@router.post("/watson/api/project/getBSByLogId")
async def get_bank_statement(request: GetBankStatementRequest):
return statement_service.get_bank_statement(request)
```
### 主应用
```python
# main.py
from fastapi import FastAPI
from routers import api
app = FastAPI(
title="流水分析Mock服务",
description="模拟流水分析平台的7个核心接口",
version="1.0.0",
docs_url="/docs",
redoc_url="/redoc"
)
app.include_router(api.router, tags=["流水分析接口"])
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000)
```
---
## 测试和使用说明
### 启动服务
```bash
# 安装依赖
pip install -r requirements.txt
# 启动服务
python main.py
# 或使用uvicorn启动支持热重载
uvicorn main:app --reload --host 0.0.0.0 --port 8000
```
### 访问API文档
- **Swagger UI:** http://localhost:8000/docs
- **ReDoc:** http://localhost:8000/redoc
### 测试示例
#### 1. 正常流程测试
```python
import requests
# 获取Token
response = requests.post(
"http://localhost:8000/account/common/getToken",
json={
"projectNo": "test_project_001",
"entityName": "测试企业",
"userId": "902001",
"userName": "902001",
"orgCode": "902000"
}
)
result = response.json()
token = result["data"]["token"]
project_id = result["data"]["projectId"]
# 上传文件
files = {"file": ("test.csv", open("test.csv", "rb"), "text/csv")}
response = requests.post(
"http://localhost:8000/watson/api/project/remoteUploadSplitFile",
files=files,
data={"groupId": project_id},
headers={"X-Xencio-Client-Id": "26e5b9239853436b85c623f4b7a6d0e6"}
)
log_id = response.json()["data"]["uploadLogList"][0]["logId"]
# 轮询检查解析状态
import time
for i in range(10):
response = requests.post(
"http://localhost:8000/watson/api/project/upload/getpendings",
json={"groupId": project_id, "inprogressList": str(log_id)},
headers={"X-Xencio-Client-Id": "26e5b9239853436b85c623f4b7a6d0e6"}
)
result = response.json()
if not result["data"]["parsing"]:
print("解析完成")
break
time.sleep(1)
# 获取银行流水
response = requests.post(
"http://localhost:8000/watson/api/project/getBSByLogId",
json={
"groupId": project_id,
"logId": log_id,
"pageNow": 1,
"pageSize": 10
},
headers={"X-Xencio-Client-Id": "26e5b9239853436b85c623f4b7a6d0e6"}
)
```
#### 2. 错误场景测试
```python
# 触发 40101 错误appId错误
response = requests.post(
"http://localhost:8000/account/common/getToken",
json={
"projectNo": "test_project_error_40101", # 包含错误标记
"entityName": "测试企业",
"userId": "902001",
"userName": "902001",
"orgCode": "902000"
}
)
# 返回: {"code": "40101", "message": "appId错误", ...}
# 触发 501014 错误(无行内流水文件)
response = requests.post(
"http://localhost:8000/watson/api/project/getJZFileOrZjrcuFile",
json={
"groupId": 1,
"customerNo": "test_error_501014", # 包含错误标记
"dataChannelCode": "ZJRCU",
"requestDateId": 20260302,
"dataStartDateId": 20260201,
"dataEndDateId": 20260228,
"uploadUserId": 902001
}
)
# 返回: {"code": "501014", "message": "无行内流水文件", ...}
```
### 配置修改
- 修改 `config/responses/` 下的JSON文件可以自定义响应数据
- 修改 `config/settings.py` 可以调整延迟时间、端口等配置
- 支持 `.env` 文件覆盖配置
---
## 依赖清单
```txt
# requirements.txt
fastapi==0.104.1
uvicorn[standard]==0.24.0
pydantic==2.5.0
python-multipart==0.0.6
```
---
## 使用场景
### A. 开发阶段测试
在业务代码开发过程中,修改配置文件 `application-dev.yml`,将 `lsfx.api.base-url` 改为 `http://localhost:8000`启动Mock服务器后业务代码即可连接Mock服务进行测试。
### B. 完全替换测试
直接使用 Mock 服务器进行接口测试,验证业务逻辑的正确性。生产环境切换到真实服务。
### C. CI/CD 集成
在持续集成流程中使用 Mock 服务器,自动化测试接口调用逻辑。
---
## 扩展性考虑
### 后续可能的增强功能
1. **数据持久化** - 如需保留历史记录可集成SQLite
2. **更复杂的场景模拟** - 支持配置文件定义多个场景
3. **请求日志记录** - 记录所有请求用于调试
4. **Web管理界面** - 可视化管理Mock数据和状态
5. **Docker部署** - 提供Dockerfile方便部署
当前设计已满足核心需求,保持简洁实用。
---
## 总结
这是一个**配置驱动、轻量级、易于使用**的 Mock 服务器设计,核心特点:
**完整性** - 覆盖所有7个核心接口
**真实性** - 模拟文件解析延迟等真实场景
**灵活性** - 配置文件驱动,错误场景可触发
**易用性** - 自动API文档零配置启动
**可维护** - 代码结构清晰与Java项目对应
满足您的Mock测试需求提升开发和测试效率。

View File

@@ -0,0 +1,737 @@
# 流水分析 Mock 服务器 - 实施计划
**创建日期**: 2026-03-02
**状态**: 待执行
**预计完成时间**: 2-3 天
---
## 项目目标
开发一个基于 Python + FastAPI 的 Mock 服务器,用于模拟流水分析平台的 7 个核心接口,支持:
- 配置文件驱动的响应数据
- 文件上传解析延迟模拟4秒
- 错误场景触发机制(通过 error_XXXX 标记)
- 自动生成的 Swagger API 文档
---
## 技术栈
| 技术 | 版本 | 用途 |
|------|------|------|
| Python | 3.11+ | 编程语言 |
| FastAPI | 0.104.1 | Web框架 |
| Pydantic | 2.5.0 | 数据验证 |
| Uvicorn | 0.24.0 | ASGI服务器 |
| pytest | latest | 测试框架 |
---
## 实施任务列表
### Task 1: 项目初始化和基础设置
**状态**: ⏳ 待开始
**预计时间**: 1 小时
**阻塞任务**: 无
**目标**: 创建项目目录结构、配置文件和依赖管理
**实施步骤**:
1. 创建项目根目录 `lsfx-mock-server/`
2. 创建目录结构:
```
lsfx-mock-server/
├── config/
│ └── responses/
├── models/
├── services/
├── routers/
├── utils/
└── tests/
```
3. 创建 `requirements.txt`:
```txt
fastapi==0.104.1
uvicorn[standard]==0.24.0
pydantic==2.5.0
python-multipart==0.0.6
pytest>=7.0.0
pytest-cov>=4.0.0
httpx>=0.25.0
```
4. 创建 `config/settings.py`:
- 使用 Pydantic BaseSettings
- 支持环境变量覆盖(.env 文件)
- 配置项APP_NAME, HOST, PORT, DEBUG, PARSE_DELAY_SECONDS
5. 创建 4 个 JSON 响应模板文件:
- `config/responses/token.json` - Token 响应模板
- `config/responses/upload.json` - 上传文件响应模板
- `config/responses/parse_status.json` - 解析状态响应模板
- `config/responses/bank_statement.json` - 银行流水响应模板
- 每个模板包含占位符(如 {project_id}, {log_id}
**验证标准**:
- ✅ 虚拟环境创建并激活
- ✅ 依赖安装成功(无错误)
- ✅ 配置文件能正确导入(`from config.settings import settings`
- ✅ JSON 模板文件格式正确(使用 `json.load()` 验证)
- ✅ settings 能读取环境变量
**提交检查点**:
```bash
git add requirements.txt config/
git commit -m "feat(mock): initialize project structure and configuration"
```
---
### Task 2: 实现数据模型层
**状态**: ⏳ 待开始(等待 Task 1
**预计时间**: 1.5 小时
**阻塞任务**: Task 1
**目标**: 创建所有请求和响应的 Pydantic 模型类
**实施步骤**:
1. 创建 `models/__init__.py`(空文件)
2. 创建 `models/request.py`:
- 定义 6 个请求模型:
- GetTokenRequest10+ 字段,可选字段有默认值)
- UploadFileRequest通过 Form 数据接收)
- FetchInnerFlowRequest7 个必填字段)
- CheckParseStatusRequest2 个字段)
- DeleteFilesRequest3 个字段)
- GetBankStatementRequest4 个字段)
- 所有字段添加 Field 描述(用于 Swagger
- 可选字段使用 `Optional[Type] = default_value`
3. 创建 `models/response.py`:
- 定义嵌套数据模型:
- TokenData5 个字段)
- UploadLogItem15+ 字段)
- BankStatementItem30+ 字段)
- PendingItem15+ 字段)
- 定义 6 个响应模型:
- GetTokenResponse
- UploadFileResponse
- FetchInnerFlowResponse
- CheckParseStatusResponse
- DeleteFilesResponse
- GetBankStatementResponse
- 所有响应模型包含通用字段code, message, status, successResponse
**验证标准**:
- ✅ 所有模型类能正确实例化
- ✅ 可选字段默认值正确
- ✅ Pydantic 验证功能正常(类型错误会抛出 ValidationError
- ✅ 模型序列化为 JSON 正确(`model.model_dump_json()`
- ✅ Swagger 自动文档显示所有字段和描述
**提交检查点**:
```bash
git add models/
git commit -m "feat(models): implement Pydantic request and response models"
```
---
### Task 3: 实现工具类
**状态**: ⏳ 待开始(可与 Task 2 并行)
**预计时间**: 1 小时
**阻塞任务**: 无
**目标**: 实现错误检测和响应构建工具
**实施步骤**:
1. 创建 `utils/__init__.py`
2. 创建 `utils/error_simulator.py`:
```python
class ErrorSimulator:
ERROR_CODES = {
"40101": {"code": "40101", "message": "appId错误"},
"40102": {"code": "40102", "message": "appSecretCode错误"},
"40104": {"code": "40104", "message": "可使用项目次数为0"},
"40105": {"code": "40105", "message": "只读模式下无法新建项目"},
"40106": {"code": "40106", "message": "错误的分析类型"},
"40107": {"code": "40107", "message": "当前系统不支持的分析类型"},
"40108": {"code": "40108", "message": "当前用户所属行社无权限"},
"501014": {"code": "501014", "message": "无行内流水文件"},
}
@staticmethod
def detect_error_marker(value: str) -> Optional[str]:
"""检测 error_XXXX 模式"""
import re
if not value:
return None
pattern = r'error_(\d+)'
match = re.search(pattern, value)
return match.group(1) if match else None
@staticmethod
def build_error_response(error_code: str) -> Dict:
"""构建错误响应"""
if error_code in ErrorSimulator.ERROR_CODES:
error_info = ErrorSimulator.ERROR_CODES[error_code]
return {
"code": error_info["code"],
"message": error_info["message"],
"status": error_info["code"],
"successResponse": False
}
return None
```
3. 创建 `utils/response_builder.py`:
```python
import json
from pathlib import Path
from typing import Dict, Any
class ResponseBuilder:
TEMPLATE_DIR = Path(__file__).parent.parent / "config" / "responses"
@staticmethod
def load_template(template_name: str) -> Dict:
"""加载 JSON 模板"""
file_path = ResponseBuilder.TEMPLATE_DIR / f"{template_name}.json"
with open(file_path, 'r', encoding='utf-8') as f:
return json.load(f)
@staticmethod
def replace_placeholders(template: Dict, **kwargs) -> Dict:
"""递归替换占位符"""
def replace_value(value):
if isinstance(value, str):
for key, val in kwargs.items():
placeholder = f"{{{key}}}"
if placeholder in value:
return value.replace(placeholder, str(val))
return value
elif isinstance(value, dict):
return {k: replace_value(v) for k, v in value.items()}
elif isinstance(value, list):
return [replace_value(item) for item in value]
return value
return replace_value(template)
@staticmethod
def build_success_response(template_name: str, **kwargs) -> Dict:
"""构建成功响应"""
template = ResponseBuilder.load_template(template_name)
return ResponseBuilder.replace_placeholders(
template["success_response"],
**kwargs
)
```
**验证标准**:
- ✅ ErrorSimulator.detect_error_marker() 能正确识别错误标记
- ✅ ErrorSimulator.build_error_response() 返回正确的错误响应
- ✅ ResponseBuilder 能正确加载 JSON 模板
- ✅ 占位符替换功能正常(支持嵌套字典和列表)
- ✅ 所有 8 个错误码都有对应响应
**提交检查点**:
```bash
git add utils/
git commit -m "feat(utils): implement error simulator and response builder"
```
---
### Task 4: 实现服务层
**状态**: ⏳ 待开始(等待 Task 1, 2, 3
**预计时间**: 2 小时
**阻塞任务**: Task 1, Task 2, Task 3
**目标**: 实现核心业务服务类
**实施步骤**:
1. 创建 `services/__init__.py`
2. 创建 `services/token_service.py`:
```python
class TokenService:
def __init__(self):
self.project_counter = 0
self.tokens = {} # projectId -> token_data
def create_token(self, request: GetTokenRequest) -> Dict:
self.project_counter += 1
project_id = self.project_counter
token = f"mock_token_{project_id}"
return ResponseBuilder.build_success_response(
"token",
project_id=project_id,
project_no=request.projectNo,
entity_name=request.entityName
)
```
3. 创建 `services/file_service.py`:
```python
from fastapi import BackgroundTasks
import time
from uuid import uuid4
class FileService:
def __init__(self):
self.file_records = {} # logId -> record
self.parsing_status = {} # logId -> is_parsing
self.log_counter = 0
async def upload_file(self, group_id: int, file, background_tasks: BackgroundTasks) -> Dict:
self.log_counter += 1
log_id = self.log_counter
# 立即存储记录
self.file_records[log_id] = {
"logId": log_id,
"groupId": group_id,
"status": -5,
"uploadStatusDesc": "parsing",
"uploadFileName": file.filename,
"fileSize": file.size,
# ... 其他字段
}
self.parsing_status[log_id] = True
# 启动后台任务
background_tasks.add_task(
self._simulate_parsing,
log_id,
settings.PARSE_DELAY_SECONDS
)
return ResponseBuilder.build_success_response(
"upload",
log_id=log_id
)
def _simulate_parsing(self, log_id: int, delay_seconds: int):
"""后台任务:模拟解析"""
time.sleep(delay_seconds)
if log_id in self.file_records:
self.file_records[log_id]["uploadStatusDesc"] = "data.wait.confirm.newaccount"
self.parsing_status[log_id] = False
def check_parse_status(self, group_id: int, inprogress_list: str) -> Dict:
"""检查解析状态"""
log_ids = [int(x.strip()) for x in inprogress_list.split(",")]
is_parsing = any(
self.parsing_status.get(log_id, False)
for log_id in log_ids
)
pending_list = [
self.file_records[log_id]
for log_id in log_ids
if log_id in self.file_records
]
return {
"code": "200",
"data": {
"parsing": is_parsing,
"pendingList": pending_list
},
"status": "200",
"successResponse": True
}
def delete_files(self, group_id: int, log_ids: List[int], user_id: int) -> Dict:
"""删除文件"""
for log_id in log_ids:
self.file_records.pop(log_id, None)
self.parsing_status.pop(log_id, None)
return {
"code": "200",
"data": {"message": "delete.files.success"},
"status": "200",
"successResponse": True
}
def fetch_inner_flow(self, request: FetchInnerFlowRequest) -> Dict:
"""拉取行内流水(模拟无数据)"""
return {
"code": "200",
"data": {
"code": "501014",
"message": "无行内流水文件"
},
"status": "200",
"successResponse": True
}
```
4. 创建 `services/statement_service.py`:
```python
class StatementService:
def get_bank_statement(self, request: GetBankStatementRequest) -> Dict:
# 加载模板
template = ResponseBuilder.load_template("bank_statement")
statements = template["success_response"]["data"]["bankStatementList"]
# 模拟分页
start = (request.pageNow - 1) * request.pageSize
end = start + request.pageSize
page_data = statements[start:end]
return {
"code": "200",
"data": {
"bankStatementList": page_data,
"totalCount": len(statements)
},
"status": "200",
"successResponse": True
}
```
**验证标准**:
- ✅ TokenService 能创建唯一 token
- ✅ FileService.upload_file() 返回正确状态
- ✅ 后台任务执行后,解析状态从 True 变为 False
- ✅ check_parse_status() 正确返回 parsing 状态
- ✅ StatementService 支持分页功能
- ✅ 所有方法返回正确格式
**提交检查点**:
```bash
git add services/
git commit -m "feat(services): implement token, file, and statement services"
```
---
### Task 5: 实现 API 路由
**状态**: ⏳ 待开始(等待 Task 2, 3, 4
**预计时间**: 1.5 小时
**阻塞任务**: Task 1, Task 2, Task 3, Task 4
**目标**: 实现所有 6 个 API 接口路由
**实施步骤**:
1. 创建 `routers/__init__.py`
2. 创建 `routers/api.py`:
```python
from fastapi import APIRouter, BackgroundTasks, UploadFile, File, Form
from models.request import *
from models.response import *
from services.token_service import TokenService
from services.file_service import FileService
from services.statement_service import StatementService
from utils.error_simulator import ErrorSimulator
router = APIRouter()
token_service = TokenService()
file_service = FileService()
statement_service = StatementService()
@router.post("/account/common/getToken")
async def get_token(request: GetTokenRequest):
"""获取Token"""
error_code = ErrorSimulator.detect_error_marker(request.projectNo)
if error_code:
return ErrorSimulator.build_error_response(error_code)
return token_service.create_token(request)
@router.post("/watson/api/project/remoteUploadSplitFile")
async def upload_file(
background_tasks: BackgroundTasks,
groupId: int = Form(...),
file: UploadFile = File(...)
):
"""上传文件"""
return await file_service.upload_file(groupId, file, background_tasks)
@router.post("/watson/api/project/getJZFileOrZjrcuFile")
async def fetch_inner_flow(request: FetchInnerFlowRequest):
"""拉取行内流水"""
error_code = ErrorSimulator.detect_error_marker(request.customerNo)
if error_code:
return ErrorSimulator.build_error_response(error_code)
return file_service.fetch_inner_flow(request)
@router.post("/watson/api/project/upload/getpendings")
async def check_parse_status(request: CheckParseStatusRequest):
"""检查文件解析状态"""
return file_service.check_parse_status(request.groupId, request.inprogressList)
@router.post("/watson/api/project/batchDeleteUploadFile")
async def delete_files(
groupId: int,
logIds: List[int],
userId: int
):
"""删除文件"""
return file_service.delete_files(groupId, logIds, userId)
@router.post("/watson/api/project/getBSByLogId")
async def get_bank_statement(request: GetBankStatementRequest):
"""获取银行流水"""
return statement_service.get_bank_statement(request)
```
**验证标准**:
- ✅ 所有 6 个接口在 Swagger UI 中可见
- ✅ 每个接口能正常响应
- ✅ 错误标记功能正常(包含 error_XXXX 的参数触发错误)
- ✅ 文件上传接口能接收文件
- ✅ 所有接口有正确的 Swagger 描述
- ✅ 响应格式符合文档要求
**提交检查点**:
```bash
git add routers/
git commit -m "feat(routers): implement all 6 API endpoints"
```
---
### Task 6: 实现主应用
**状态**: ⏳ 待开始(等待 Task 1, 4, 5
**预计时间**: 0.5 小时
**阻塞任务**: Task 1, Task 4, Task 5
**目标**: 实现 FastAPI 应用主入口
**实施步骤**:
1. 创建 `main.py`:
```python
from fastapi import FastAPI
from routers import api
from config.settings import settings
app = FastAPI(
title=settings.APP_NAME,
description="模拟流水分析平台的7个核心接口",
version="1.0.0",
docs_url="/docs",
redoc_url="/redoc"
)
app.include_router(api.router, tags=["流水分析接口"])
@app.get("/health")
async def health_check():
return {"status": "healthy", "service": settings.APP_NAME}
if __name__ == "__main__":
import uvicorn
uvicorn.run(
app,
host=settings.HOST,
port=settings.PORT,
log_level="debug" if settings.DEBUG else "info"
)
```
**验证标准**:
- ✅ 应用能启动:`python main.py`
- ✅ 访问 http://localhost:8000/docs 显示 Swagger UI
- ✅ 访问 http://localhost:8000/redoc 显示 ReDoc
- ✅ 健康检查端点返回正确响应
- ✅ 所有接口在文档中可见
**提交检查点**:
```bash
git add main.py
git commit -m "feat(main): implement FastAPI application entry point"
```
---
### Task 7: 编写测试套件
**状态**: ⏳ 待开始(等待 Task 1-6
**预计时间**: 2 小时
**阻塞任务**: Task 1, Task 2, Task 3, Task 4, Task 5, Task 6
**目标**: 创建完整的测试套件
**实施步骤**:
1. 创建 `tests/conftest.py`:
```python
import pytest
from fastapi.testclient import TestClient
from main import app
@pytest.fixture
def client():
return TestClient(app)
```
2. 创建 `tests/test_models.py` - 测试所有数据模型
3. 创建 `tests/test_utils.py` - 测试工具类
4. 创建 `tests/test_services.py` - 测试服务类
5. 创建 `tests/test_api.py` - 测试 API 端点
**验证标准**:
- ✅ 运行 `pytest tests/ -v` 所有测试通过
- ✅ 代码覆盖率 > 80%
- ✅ 所有错误场景有测试
- ✅ 生成 HTML 覆盖率报告
**提交检查点**:
```bash
git add tests/
git commit -m "test: add comprehensive test suite"
```
---
### Task 8: 编写文档和部署配置
**状态**: ⏳ 待开始(等待 Task 1-7
**预计时间**: 1 小时
**阻塞任务**: Task 1-7
**目标**: 创建项目文档和部署说明
**实施步骤**:
1. 创建 `README.md`(包含安装、使用、测试说明)
2. 创建 `.env.example`
3. 创建 `Dockerfile`
4. 创建 `docker-compose.yml`
**验证标准**:
- ✅ README 中所有命令可执行
- ✅ Docker 镜像构建成功
- ✅ Docker Compose 启动成功
**提交检查点**:
```bash
git add README.md .env.example Dockerfile docker-compose.yml
git commit -m "docs: add README and deployment configuration"
```
---
### Task 9: 创建集成测试
**状态**: ⏳ 待开始(等待 Task 8
**预计时间**: 1 小时
**阻塞任务**: Task 8
**目标**: 创建端到端集成测试脚本
**实施步骤**:
1. 创建 `tests/integration/test_full_workflow.py`
2. 实现完整的接口调用流程测试
3. 添加错误场景测试
**验证标准**:
- ✅ 集成测试通过
- ✅ 完整流程测试成功
- ✅ 错误场景测试成功
**提交检查点**:
```bash
git add tests/integration/
git commit -m "test: add integration tests for full workflow"
```
---
### Task 10: 代码审查和提交
**状态**: ⏳ 待开始(等待 Task 1-9
**预计时间**: 1 小时
**阻塞任务**: Task 1-9
**目标**: 代码审查、优化和 Git 提交
**审查清单**:
1. **代码质量**
- ✅ 所有代码符合 PEP 8
- ✅ 类型提示完整
- ✅ 无硬编码配置
- ✅ 注释充分
2. **安全性**
- ✅ 输入验证完整Pydantic
- ✅ 无注入风险
3. **测试覆盖**
- ✅ 单元测试覆盖率 > 80%
- ✅ 集成测试通过
**验证标准**:
- ✅ 所有测试通过
- ✅ 代码覆盖率报告生成
- ✅ 手动测试所有接口
- ✅ README 验证完成
**最终提交**:
```bash
git add .
git commit -m "feat(lsfx-mock): complete lsfx mock server implementation"
git push origin feature/lsfx-mock-server
```
---
## 开发注意事项
### 环境要求
- Python 3.11+
- 虚拟环境venv
- 端口 8000 可用
### 开发流程
1. 每完成一个任务,立即提交代码
2. 运行相关测试确保功能正确
3. 更新任务状态
4. 开始下一个任务
### 测试策略
- **单元测试**: 每个模块独立测试
- **集成测试**: 完整流程测试
- **手动测试**: 使用 Swagger UI 验证接口
### 代码规范
- 遵循 PEP 8
- 使用类型提示
- 函数和类添加文档字符串
- 保持代码简洁YAGNI, DRY
---
## 预期成果
1. ✅ 完整的 Mock 服务器,模拟 7 个核心接口
2. ✅ 配置文件驱动的响应数据
3. ✅ 文件解析延迟模拟
4. ✅ 错误场景触发机制
5. ✅ 自动生成的 API 文档
6. ✅ 完整的测试套件(覆盖率 > 80%
7. ✅ 清晰的 README 和部署文档
8. ✅ Docker 部署支持
---
## 风险和缓解
| 风险 | 影响 | 缓解措施 |
|------|------|----------|
| FastAPI 框架不熟悉 | 延期 | 变更预计时间到 3-4 天 |
| 异步任务调试困难 | 中等 | 添加详细日志,分步测试 |
| 响应格式与真实接口不符 | 高 | 严格对照接口文档,多次验证 |
---
## 后续优化方向
1. 添加数据库持久化SQLite
2. 实现更复杂的场景模拟
3. 添加请求日志记录
4. 创建 Web 管理界面
5. 支持 WebSocket 实时通知
---
**预计总开发时间**: 10-12 小时
**建议开发模式**: 按顺序执行,每完成一个任务立即测试验证

File diff suppressed because it is too large Load Diff