Jmeter--控制器--详解,2024年最新系统学Python从零开始

简介: Jmeter--控制器--详解,2024年最新系统学Python从零开始

正文

事务控制器

循环控制器

仅一次控制器

吞吐量控制器


首先,项目地址:免费天气API接口|天气预报接口|全球天气API接口|气象预警|空气质量

需要自己注册,免费适用接口,学习够了。在下文中注意appid&appsecret,这两者自己注册后系统会给到。接下来正文:

正则表达式

=====

这个相信大家比较熟悉了,不管写代码还是用工具,多多少少都会接触到一些,本篇首先就来说说这个:线程组》》添加》》后置处理器》》正则表达式提取

值得注意的是,这里只是告诉你添加到路径,在不同需要的地方添加正则提取器方法大同小异。

我们先添加一个HTTP请求:

再添加一个查看结果树,以及聚合报告。提前先全部加上。请求看看结果:

你们输出是unicode的编码的,所以这里可以通过一些转码直接转成,或者直接搜搜Unicode转码,复制进去转码即可。这里我用了其他的方法。

jmeter中找到这个文件,把这里修改了,然后在HTTP请求中添加一个BeanShell 监听器即可。监听器中我们复制如下代码进去再次请求就是中文了:

String s=new String(prev.getResponseData(),“UTF-8”);
char aChar;
int len= s.length();
StringBuffer outBuffer=new StringBuffer(len);
for(int x =0; x 
aChar= s.charAt(x++);
if(aChar==‘\’){
aChar= s.charAt(x++);
if(aChar==‘u’){
int value =0;
for(int i=0;i<4;i++){
aChar= s.charAt(x++);
switch(aChar){
case’0’:
case’1’:
case’2’:
case’3’:
case’4’:
case’5’:
case’6’:
case’7’:
case’8’:
case’9’:
value=(value <<4)+aChar-‘0’;
break;
case’a’:
case’b’:
case’c’:
case’d’:
case’e’:
case’f’:
value=(value <<4)+10+aChar-‘a’;
break;
case’A’:
case’B’:
case’C’:
case’D’:
case’E’:
case’F’:
value=(value <<4)+10+aChar-‘A’;
break;
default:
throw new IllegalArgumentException(
“Malformed \uxxxx encoding.”);}}
outBuffer.append((char) value);}else{
if(aChar==‘t’)
aChar=‘\t’;
else if(aChar==‘r’)
aChar=‘\r’;
else if(aChar==‘n’)
aChar=‘\n’;
else if(aChar==‘f’)
aChar=‘\f’;
outBuffer.append(aChar);}}else
outBuffer.append(aChar);}
prev.setResponseData(outBuffer.toString());

废话就到这,接下来我们提取其中的city对应的值:线程组》》添加》》后置处理器》》正则表达式提取

根据你的请求来,这里值得注意的是正则表达会根据你响应的内容不同而提取不到内容,这里指定提取city对应的值深圳。各有用处,如果你想根据不同的响应内容提取不同的城市请查阅本篇:Jmeter–【作为测试你必须知道】高级应用–断言、变量的使用+报告输出_清欢无别事-CSDN博客_jmeter断言中使用变量

这里在正则在接下的讲解中会起到一定的作用。正则解析:

():括起来的部分就是要提取的。

.:匹配任何字符串。

+:一次或多次。

?:不要太贪婪,在找到第一个匹配项后停止。

而我此处的city之前的值就是告诉它去这个指定的值往后的值,直到,结束,这期间取到的值就是“深圳”了。

模板:用KaTeX parse error: Can't use function '′inmathmodeatposition28:…式中有多个正则表达式,则可以是' in math mode at position 28: …式中有多个正则表达式,则可以是̲23$等等,表示解析到的第几个值给token。如:1 11表示解析到的第1个值。

匹配数字:0代表随机取值,1代表全部取值,通常情况下填0

那么问题来了我怎么看到提取的值呢,我们有一个Java请求可以帮到我们:线程组》》添加》》取样器》》Java请求



相关文章
|
8天前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
128 55
|
29天前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品安全追溯系统的深度学习模型
使用Python实现智能食品安全追溯系统的深度学习模型
60 4
|
18天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
106 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
19天前
|
机器学习/深度学习 算法 前端开发
基于Python深度学习的果蔬识别系统实现
果蔬识别系统,主要开发语言为Python,基于TensorFlow搭建ResNet卷积神经网络算法模型,通过对12种常见的果蔬('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜')图像数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django框架搭建Web网页端可视化操作界面,以下为项目实现介绍。
32 4
基于Python深度学习的果蔬识别系统实现
|
2月前
|
机器学习/深度学习 传感器 存储
使用 Python 实现智能地震预警系统
使用 Python 实现智能地震预警系统
138 61
|
1月前
|
弹性计算 数据管理 数据库
从零开始构建员工管理系统:Python与SQLite3的完美结合
本文介绍如何使用Python和Tkinter构建一个图形界面的员工管理系统(EMS)。系统包括数据库设计、核心功能实现和图形用户界面创建。主要功能有查询、添加、删除员工信息及统计员工数量。通过本文,你将学会如何结合SQLite数据库进行数据管理,并使用Tkinter创建友好的用户界面。
61 2
从零开始构建员工管理系统:Python与SQLite3的完美结合
|
1月前
|
Python
Python之音乐专辑管理系统
音乐专辑管理系统是一款用于管理和维护音乐专辑信息的应用程序,支持添加、删除、修改和查询专辑详情(如专辑名、艺术家、发行日期及曲目列表)。系统运行需Python 3.x环境,硬件要求较低,适合个人及小型团队使用。
51 4
|
1月前
|
Python
Python实现摇号系统
本文介绍了如何使用Python构建一个简单的摇号系统,包括用户输入、随机抽取、结果展示和日志记录等功能。通过导入`random`、`datetime`和`logging`模块,实现了从参与者名单中随机抽取中奖者,并记录每次摇号的结果,方便后续查看和审计。完整代码示例提供了从功能实现到主程序调用的全过程。
35 2
|
1月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
79 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
1月前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
89 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型