1. 问题背景与场景还原

上周压测一个订单查询接口时，遇到个头疼的问题：用CSV文件批量导入测试数据，当数据包含&、=这类特殊符号时，接口直接返回400错误。查日志发现是JSON解析失败——这些符号在HTTP请求中被错误地转义了。这种问题在测试包含用户输入内容的接口时特别常见，比如商品评价、聊天消息等场景。

2. 问题根因分析

2.1 CSV与JSON的编码冲突

根本原因是CSV文件的字段分隔符（逗号）与JSON特殊字符的冲突。当Jmeter读取CSV时：

1. 默认将"&"识别为参数连接符
2. "="被当作键值分隔符
3. 双引号引发字段截断

2.2 HTTP请求处理流程

异常产生的完整链路：

CSV文件 → Jmeter解析 → HTTP请求构建 → 服务端接收 → JSON解析失败

3. 解决方案实操

3.1 方案一：CSV预处理（推荐）

在CSV文件层面解决问题最彻底：

1. 用文本编辑器将CSV转为UTF-8编码
2. 特殊字段用双引号包裹：

   id,content 1,"包含&符号的消息" 2,"带=号的内容"

3. 在Jmeter的CSV Data Set Config中设置：
   • Delimiter：保持逗号
   • Allow quoted data：True
   • Recycle on EOF：True

3.2 方案二：Jmeter参数转义

在HTTP请求采样器中：

1. 勾选"Encode?"复选框
2. 在BeanShell PreProcessor中添加转义代码：

   vars.put("escapedParam", URLEncoder.encode(vars.get("rawParam"), "UTF-8"));

3.3 方案三：后端兼容处理

如果可修改服务端代码：

// Spring Boot示例 @PostMapping("/api") public Response handle(@RequestBody String rawJson) { String decoded = URLDecoder.decode(rawJson, StandardCharsets.UTF_8); return service.process(JSON.parse(decoded)); }

4. 完整测试流程演示

4.1 测试环境搭建

1. 创建测试CSV文件：

   case_id,payload 1,{"text":"正常内容"} 2,{"text":"特殊&符号"} 3,{"text":"带=号内容"}

2. 线程组配置：

   • Number of Threads: 5
   • Ramp-up: 1
   • Loop Count: Forever

4.2 关键组件配置

1. CSV Data Set Config：

   • Filename: /path/to/testdata.csv
   • Variable Names: case_id,payload
   • Delimiter: ,
   • Recycle on EOF: True

2. HTTP Request：

   • Method: POST
   • Path: /api/order
   • Body Data: ${payload}

4.3 结果验证

使用View Results Tree检查：

• 正常case应返回200
• 错误case检查响应数据中的转义情况

5. 避坑指南

5.1 编码问题三重保险

1. 文件保存时确认编码为UTF-8无BOM
2. Jmeter的bin/jmeter.properties中设置：

   sampleresult.default.encoding=UTF-8

3. HTTP请求头添加：

   Content-Type: application/json;charset=UTF-8

5.2 特殊字符处理清单

需要特别注意的字符：

5.3 调试技巧

1. 在PreProcessor中打印变量值：

   log.info("Raw payload: " + vars.get("payload"));

2. 使用__urlencode函数：

   ${__urlencode(${payload})}

6. 性能优化建议

1. 大文件处理：

   • 将CSV拆分为多个1MB以内的小文件
   • 使用__StringFromFile函数动态加载

2. 内存管理：

   # 修改jmeter.bat set HEAP=-Xms2g -Xmx4g set NEW=-XX:NewSize=512m -XX:MaxNewSize=512m

3. 分布式测试时：

   • 将CSV放在共享存储
   • 使用__machineName区分不同压测机

7. 扩展应用场景

这种方案同样适用于：

1. 批量测试含富文本的内容
2. 多语言字符集测试
3. 安全性测试（XSS注入检测）
4. 物联网设备上报的特殊字符数据

我在实际测试中遇到过微信昵称包含emoji的case，用这套方法完美解决了问题。关键是要在测试设计阶段就考虑各种边界情况，提前做好数据清洗方案。