在前后端分离开发、测试驱动及微服务架构生成符合真实业务规则的复合Mock数据，是为了提升效率。

一、为什么需要符合业务规则的Mock数据？

简单的随机数据（如 “user1”, “2024-01-01”）在复杂业务情形下会暴露弊端：测试包括不全、前端思路失效、验收体验失真。符合业务规则的Mock数据，作用是：

提升测试有效性：模拟真实、极端的业务情形（如超长用户名、特定日期格式的交易），发现深层Bug。

开发联调：前后端在数据语义方面而不是仅接口格式方面达成一致，减少后期返工。

文档和演示：API文档展示真实数据样例，产品演示更加有说服力。

二、Apifox 复合数据拼接技巧

以下通过四个方面，创建Mock数据工厂。

技巧 1：使用@引用和自定义脚本进行动态思路拼接

这是实现复杂业务规则最重要、最灵活的手段。你可以使用JavaScript编写自定义脚本，动态生成数据。

示例：生成符合中国个人信息规则的复合数据

假设需要生成包含姓名、身份证号、出生日期和性别的完整个人信息。

javascript

// 在Apifox的“高级Mock”或“自定义脚本”区域编写

function getRandomFromArray(arr) {

    return arr[Math.floor(Math.random() * arr.length)];

}

const mockData = {

    // 1. 从内置或自定义数据池中随机选取

    "name": "@cname", // 使用内置函数生成中文名

    "mobile": "@phone", // 生成随机手机号

    // 2. 动态计算关联字段：身份证号包含出生日期和性别码

    "idNumber": (function() {

        // 随机生成出生日期 (1980-01-01 到 2005-12-31)

        const start = new Date(1980, 0, 1).getTime();

        const end = new Date(2005, 11, 31).getTime();

        const randomDate = new Date(start + Math.random() * (end - start));

        const year = randomDate.getFullYear();

        const month = (randomDate.getMonth() + 1).toString().padStart(2, '0');

        const day = randomDate.getDate().toString().padStart(2, '0');

        // 生成前17位（示例简化，实际规则更复杂）

        const basePart = '110105' + year + month + day; // 110105为示例地区码

        const sexCode = Math.random() > 0.5 ? '1' : '0'; // 1为男，0为女

        const serial = Math.floor(Math.random() * 100).toString().padStart(2, '0');

        const first17 = basePart + serial + sexCode;

        // 计算检查位（简化版，仅用于Mock）

        const checkCode = 'X';

        return first17 + checkCode;

    })(),

    // 3. 根据身份证号，派生出性别和出生日期字段

    "gender": function() {

        // 从上述idNumber中提取倒数第二位奇偶判断性别

        const sexDigit = parseInt(this.idNumber.charAt(16));

        return sexDigit % 2 === 1 ? '男' : '女';

    },

    "birthDate": function() {

        // 从上述idNumber中提取出生日期部分

        const dateStr = this.idNumber.substring(6, 14);

        return `${dateStr.substring(0,4)}-${dateStr.substring(4,6)}-${dateStr.substring(6,8)}`;

    },

    // 4. 生成具有业务含义的地址

    "address": "@province@city@county @street",

    // 5. 生成特定状态下的订单描述

    "orderStatus": getRandomFromArray(['待支付', '已发货', '已完成', '已取消']),

    "orderAmount": (Math.random() * 1000).toFixed(2)

};

// 最后返回脚本函数

function mock(context) {

    // 可以在这里根据请求参数动态调整返回数据

    const { query, path, method } = context;

    if (query.status) {

        mockData.orderStatus = query.status; // 根据查询参数动态设置状态

    }

    return mockData;

}

技巧 2：用高级Mock语法实现条件判断和正则约束

在字段的Mock规则输入框中，可以直接使用高级语法。

javascript

// 1. 条件判断：根据用户类型返回不一样级

"userLevel": "@integer(1, 5)", // 基础用法：1-5随机数

"userLevel": "@pick([1, 2, 3, 4, 5])", // 从数组中选取

// 更智能的规则：消费金额高的用户更可能是高等级（概率模拟）

"userLevel": "@integer(1, 100) > 80 ? 5 : (@integer(1, 100) > 60 ? 4 : 3)",

// 2. 正则表达式：生成符合特定格式的字符串

"internalEmployeeId": /^Z[0-9]{3,5}-(DEV|TEST|PROD)$/, // 生成如 Z12345-DEV 的ID

"projectCode": /^PROJ-(20[2-3][0-9])(0[1-9]|1[0-2])(0[1-9]|[12][0-9]|3[01])-[A-Z]{3}$/,

// 生成如 PROJ-20240515-FIN 的代码

// 3. 函数组合：生成带有特定前缀的随机数据

"contractNumber": "CT" + "@datetime('yyyyMMdd')" + "@string('upper', 5)", // CT20240515ABCDE

"taxRate": "@float(0.01, 0.15, 2)", // 生成两位小数的税率

技巧 3：数据联动和变量传递

在复杂的API场景中，一个接口的响应可能是另一个接口的请求参数。Apifox的“变量传递”和“数据库”功能可以完美解决。

场景：创建用户后返回 userId，后续查询、更新操作都需要此ID。

操作：

在创建用户接口的测试tab中，使用提取变量功能，通过JSON Path或正则表达式从响应体中提取 userId，并保存为全局/环境变量（如 USER_ID）。

在查询用户详情接口的途径参数或请求体中，直接使用 {{USER_ID}} 进行引用。

这样，在接口用例或自动化测试场景中，就能实现跨接口的、动态的、符合业务思路的数据流转。

技巧 4：创建可复用的自定义数据池

对于行业特定的数据（如药品名、股票代码、行政区域），可以建立专属数据池，实现团队共享和统一维护。

操作：在Apifox项目中，进入设置 -> 自定义数据池。

定义：创建名为 chinese_medicines 的数据池，内容为 ["当归", "黄芪", "枸杞", "人参", "茯苓"]。

使用：在Mock规则中填写 @chinese_medicines，即可随机从该池中选取数据，保证数据在业务上的合理性和多样性。

三、Mock数据工作流

定义数据：在Apifox的数据模型中，先确定定义每个字段的类型、格式、示例和Mock规则。

分层创建Mock思路：

基础字段：直接使用 @ 语法。

关联字段：使用自定义脚本实现重要业务思路。

动态字段：利用高级Mock语法（条件、正则）进行微调。

环境和变量：为开发、测试、预发布等不同环境设置不同的Mock数据规则（如测试环境Mock支付总是成功，预发布环境Mock各种失败案例）。

自动化测试：在Apifox的“自动化测试”模块中，将精心设计的Mock接口作为测试用例的前置步骤或数据准备阶段，保证每次测试都有稳定、符合预期的测试数据。

四、Apifox的辅助

Mock：开启后，Apifox会根据字段名（如 name, email）和类型，自动一致并生成更合理的Mock数据，大幅降低初始配置成本。

响应：根据请求参数、Header或Body内容的不同，返回完全不同的Mock数据，用于模拟复杂的业务分支。