Jmeter正则表达式提取器-一些常用技巧

Jmeter正则表达式提取器-一些常用技巧以下为网上转载:1、提取全部:^(.*)$2、提取中间某一段:(.*?)或(.+?)3、从中间某处提取到末尾:([^”]+)4、转义:\5、换行:\n6、\d+是来匹配1个或更多连续的数字ps:(.+?)和(.*?)的区别:(.+?)提取1个字符串及以上,不要太贪婪,在找到第一个匹配项后停止;(.*?)提取0个字符串及以上,要取的值是空值的时候可以取得到。例如:“test”:””,如果要取test的值,使用(.+?)匹配不…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

以下为网上转载:

1、提取全部:^(.*)$

2、提取中间某一段:(.*?) 或(.+?)

3、从中间某处提取到末尾:([^”]+)

4、转义:\

5、换行:\n

6、\d+ 是来匹配1个或更多连续的数字

ps:(.+?)  和     (.*?)  的区别:

(.+?)提取1个字符串及以上,不要太贪婪,在找到第一个匹配项后停止;         

(.*?)提取0个字符串及以上,要取的值是空值的时候可以取得到。

例如:“test”:””,如果要取test的值,使用  (.+?) 匹配不到值。使用  (.*?) 则可以取到test的值为空,写法是:  “test”:”(.*?)”。

 正则表达式中有转义符(例如: \  ?),需要进行转义:

例如:id?test\”:”1234″ ,我们想要匹配出1234。一个合适的正则表达式是: id\?test\\”:”(.+?)”

如何提取换行前的内容?可以用“\n”来进行匹配

Jmeter正则表达式提取器-一些常用技巧

Jmeter正则表达式提取器-一些常用技巧

以下引用Jmeter中正则表达式提取器使用详解_小太阳~-CSDN博客_jmeter正则提取器的使用 

Jmeter正则表达式提取器-一些常用技巧

一种不是很常见的情况是有若干个匹配数据,使用正则表达式测试器测试的结果如下

Jmeter正则表达式提取器-一些常用技巧

Jmeter正则表达式提取器-一些常用技巧

若希望取到17这个值,则对应的是第二列第二行($2$, ${javawd_g2}),如果是第三列第四行的数据,则对应的是($3$,${javawd_g4}) 

个人理解(未运行试验),$1$为第一列的值[9,16,46],${javawd_g1}为9,${javawd_g2}为16,${javawd_g,3}为46(此种情况变量javawd设置为$1$ )

$2$为第一列的值[12,17,22],${javawd_g1}为12,${javawd_g2}为17,${javawd_g,3}为22(此种情况变量javawd设置为$2$ )

Jmeter正则表达式提取器-一些常用技巧

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/195270.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • 宽度学习系统(BLS)的原理、变体形式及当前应用(随时更新……)「建议收藏」

    宽度学习系统(BLS)的原理、变体形式及当前应用(随时更新……)「建议收藏」本文将综述宽度学习系统(BLS)和它的几种变体形式,以及它们在不同领域的几种具体应用(随时更新……)

    2022年5月11日
    31
  • Xshell连接虚拟机失败的解决方法

    Xshell连接虚拟机失败的解决方法  最近这一周由于自己的xshell突然连接不到虚拟机,在网上找了很多种方法也没能解决,以至于自己在学习很多知识的时候都没能很好的去验证,去尝试。最后在求助大佬的时候终于将xshell重新连接到了虚拟机!!    以下是我对xshell连接不到虚拟机的几种方法的总结,希望对大家能有帮助:方法一:   1.首先查看利用 ifconfig命令去查看IP地址,如下图:…

    2022年9月22日
    0
  • 深度信念网络(Deep Belief Network)[通俗易懂]

    深度信念网络(DeepBeliefNetwork,DBN)由GeoffreyHinton在2006年提出。它是一种生成模型,通过训练其神经元间的权重,我们可以让整个神经网络按照最大概率来生成训练数据。我们不仅可以使用DBN识别特征、分类数据,还可以用它来生成数据。DBN由多层神经元构成,这些神经元又分为显性神经元和隐性神经元(以下简称显元和隐元)。显元用于接受输入,隐…

    2022年4月12日
    222
  • Linux之lsof命令

    Linux之lsof命令

    2021年10月8日
    47
  • FFM算法 Python实现

    FFM算法 Python实现本算法是CTR中的系列算法之一,具体的原理就不说了。网上其他的博客一大堆。都是互相抄来抄去,写上去之后容易让人误会。因此我只传上代码实现部分。大家做个参考。这里我们的FFM算法是基于Tensorflow实现的。为什么用Tensorflow呢?观察二次项,由于field的引入,Vffm需要计算的参数有nfk个,远多于FM模型的nk个,而且由于每次计算都依赖于乘以的xj的field,所以…

    2022年4月30日
    70
  • 微信小程序实例系列怎么做_小程序制作教程免费

    微信小程序实例系列怎么做_小程序制作教程免费下载微信小程序实现部分高德地图功能的DEMO下载微信小程序实现MUI的部分效果的DEMO下载更多微信小程序实例GITGIT地址https://github.com/Rattenking/WXTUI-DEMOGIT下载gitclonehttps://github.com/Rattenking/WXTUI-DEMO.git常见…

    2025年6月11日
    1

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号