在Word中，如何在文本数字混排的表格中提取自己想要的数值呢？以便计算数值。这时候，可能很多人会使用复制、粘贴的方法一个个地提取出来？NO,NO,NO......这里给大家推荐1个技巧：Word查找和替换功能。

比如说，快速提取下表中的纯数字。

word快速提取纯数字

下面之所以介绍这两个方法，主要是因为它足够智能，针对的是没有规律的文本数字混排非常实用，希望大家看完之后都能在实际工作中运用起来。

具体操作方法如下：

第一步：首先将内容复制到Word文档，点击【开始】-【编辑】-【替换】按钮，或按【Ctrl+H】打开“查找和替换”对话框。

word快速提取纯数字

第二步：在“查找内容”文本框中输入[!0-9]，在替换为文本框中不要输入内容。

word快速提取纯数字

第三步：点击”更多“按钮，勾选”使用通配符“复选框。

word快速提取纯数字

第四步：点击”全部替换“按钮，即可删除表格中的文本，保留数值，从而提取出数据。

word快速提取纯数字

除此之外，我们还可以利用Excel来快速提取数值。EXCEL本身就是专注于数据处理的工具，因此快速的处理大量的数据是 EXCEL 的精髓。而在 EXCEL 中，我认为最快速地提取法就是：【Ctrl+E】快速填充，真的超级方便。

具体操作方法如下：

第一步：首先，将Word表格数据复制到Excel表格中。

word快速提取纯数字

第二步：然后在一个或两个单元格输入你想要提取的数字，按【Enter】键确认。然后按【Ctrl+E】键就可以快速将剩下的数据按照第一个数据的规律，自动提取了。

word快速提取纯数字

技巧提示：【Ctrl+E】键的真正作用就是：按照一定的规律批量填充数据。但需注意的是：此方法在使用时有版本限制，目前仅支持在Office 2013版以上才能操作噢~~~

总结：通过上述两种方法，就能在文本数字混排的表格中提取自己想要的数字，以便于进行数据的汇总计算。

在性能测试方面，重用响应数据至关重要。几乎(如果不是全部！)负载测试场景假设您：

从先前的响应中提取有趣的方面，并在下一个请求中重用它们(也称为相关)

确保实际响应符合预期(又称断言)

因此，如果您是性能测试工程师，那么了解如何实现此关联和断言逻辑非常重要。幸运的是，BlazeMeter的知识库和JMeter博客已经有一些关于如何做到这一点的精彩文章。请查看以下内容：

这些都是基于文本的响应的好方法。但是，如果你需要从二进制文件中提取某些内容呢？例如，如果您需要验证作为HTTP请求采样器响应的Microsoft Word文档的内容，该怎么办？

这正是我将要在本文中解决的那种挑战。我将引导您完成查看和获取不同文档类型内容的过程，包括Microsoft Office，OpenOffice，ZIP存档和多媒体文件。

如何查看二进制文件的内容

在开始之前，请确保您知道如何使用JMeter的View Results Tree Listener- 因为它对请求和响应详细信息的可视化和检查非常有用。如果您不熟悉它，请查看本文：如何调试Apache JMeter脚本

现在让我们从一个非常基本的Microsoft Excel兼容电子表格开始。我拿了一个3.6KB的Microsoft Office Excel工作表。

如您所见，我们有一个文件test.xlsx，其中一个工作表标记为“Sheet1”。在单元格A1中，我们有字符串foo，在单元格B1中，我们有字符串条。

现在是时候使用'查看结果树监听器'来了解JMeter如何看待它。

我使用本地Apache Tomcat应用程序服务器获取“test.xlsx”文件，但JMeter的HTTP Request采样器也可以从本地文件系统中获取文件。只需在“协议”字段中输入“文件”，并在“路径”字段中提供完整路径(如下面的屏幕截图所示)。

以下是“查看结果树监听器”中“采样器结果”选项卡的外观：

这表明JMeter识别MIME类型(“application / vnd.openxmlformats-officedocument.spreadsheetml.sheet”)并报告正确的响应体大小为3656字节。

现在让我们看看“响应数据”选项卡：

这显示了ZIP存档的文本表示 - 由于其二进制特性而无法读取。

“查看结果树监听器”为您提供了有关如何显示响应数据的一些选项。它可以解析HTML，XML，JSON，提供Regex，CSS和XPath测试功能，还可以显示来自不同文档类型的内容(要做到这一点，你需要在drop中将默认选项“Text”更改为“Document” - 在左上角)

让我们切换到“文档”选项

现在我们可以看到JMeter的CLASSPATH中缺少“tika-app.jar”。要启用基于非文本的响应解析，您需要从Apache Tika下载页面下载tika-app - * .jar并将其放入JMeter安装的/ lib文件夹中。Asterisk(*)代表这个版本。最新的一个应该没问题但是如果它不起作用，在JMeter的/ lib文件夹中查找tika-core - * .jar和tika-parsers - * .jar文件并下载相关的tika-app.jar。

这里有些例子：

JMeter 2.12附带了tika-core-1.6.jar和tika-parsers-1.6.jar。因此，如果您使用的是JMeter 2.12，那么下载tika-app-1.6.jar是值得的

JMeter 2.13附带了tika-core-1.7.jar和tika-parsers-1.7.jar。在这种情况下，你需要tika-app-1.7.jar

话虽如此，我建议尽可能使用最新的JMeter版本，因为它将包含错误修复，性能改进和新功能。

将tika-app - * .jar添加到/ lib文件夹后，重启所有正在运行的JMeter实例实例非常重要，因为拾取外部.jar文件的过程不是动态的。这也适用于JMeter插件，JUnit测试等。

因此，让我们看看响应如何将tika-app.jar添加到JMeter的类路径中

现在我们可以看到工作表的标题以及A1和B1单元格的值。

如何访问二进制文件的内容

有时仅仅“看到”内容是不够的。如果您需要对提取的数据执行某些操作，例如将其用作下一个请求的参数或验证实际响应是否包含“foo”字符串，该怎么办？

让我们看看我们是否可以使用正则表达式提取器从Excel文档中获取内容。首先，让我们将整个响应保存到JMeter变量中。

如何将采样器响应保存到JMeter变量中

在这里，我将向您展示如何构造匹配整个响应的正则表达式。

请查看JMeter用户手册的正则表达式部分。在这里，我们可以识别元和控制字符，以开发一个匹配响应中所有内容的正则表达式：

() = grouping

(?s) = single line modifier

^ = line start

. = wild-card character

* = repetition

因此，将返回整个响应的正则表达式应如下所示：

(?s)(^.*)

并且整个Regular Expression Extractor Post Processor应如下所示：

现在我们想看到“响应”变量值。让我们在HTTP请求和视图结果树监听器之间添加一个Debug Sampler，然后再次运行测试。

这有点令人失望！:(

显然，正则表达式提取器不适用于已解析的响应，它只返回二进制文件内容，该内容不是非常有用或有用。但是如果JMeter显示Excel文件内容，则应该可以获得它。让我们更深入一点，看看JMeter的View Results Tree Listener如何显示Excel文件内容。

这里是：org.apache.jmeter.util.Document.String getTextFromDocument(byte [] document)。正如它在此处所述，您使用Apache Tika将多种文档(包括odt，ods，odp，doc(x)，xls(x)，ppt(x)，pdf，mp3，mp4等)转换为文本。

将以下代码插入Beanshell的后处理器的“脚本”区域

importorg.apache.jmeter.util.Document;

String converted=Document.getTextFromDocument(data);

vars.put("response", converted);

View Code

哪里：

第1行 - 导入以解析Document类

第2行 - 调用getTextFromDocument方法

data - 这是一个预定义的Beanshell变量，它将父采样器响应保存为字节数组

将结果存储到转换的字符串对象中

创建JMeter变量响应并为其分配已转换字符串的值

有关Beanshell脚本域的更多信息以及更多有用的提示和技巧，请参阅如何使用BeanShell：JMeter最喜欢的内置组件指南。

现在让我们重试请求，看看这次是怎么回事。

如您所见，您现在可以将整个文件内容称为：$ {response} JMeter Variable。更重要的是：您可以将后处理器和断言应用于它。

如何解析二进制文件

最后，让我们看一下如何以更智能的方式处理二进制文件。我已经介绍了如何将二进制文件内容转换为JMeter变量，现在我将介绍如何访问单个元素。

让我们以示例Excel文件为例，从A1和B1单元格中提取值。

Apache Tika二进制文件包括几个能够处理文档文件类型，多媒体文件，存档等的库。它使用Apache POIAPI for Microsoft文件类型，因此我们需要使用Apache POI类来提取单元格内容来自Excel文档(请参阅有关使用Spreadsheets获取代码示例的POI快速指南以及有关如何执行此操作的更多信息)。

所以我们示例中的代码如下所示：

importorg.apache.jmeter.threads.JMeterVariables;importorg.apache.poi.ss.usermodel.Cell;importorg.apache.poi.ss.usermodel.Row;importorg.apache.poi.ss.usermodel.Sheet;importorg.apache.poi.ss.usermodel.Workbook;importorg.apache.poi.xssf.usermodel.XSSFWorkbook;

InputStream in= newByteArrayInputStream(data);

Workbook wb= newXSSFWorkbook(in);

in.close();

Sheet sheet1= wb.getSheet("Sheet1");

Row row= sheet1.getRow(0);

Cell a1= row.getCell(0);

Cell b1= row.getCell(1);

vars.put("A1", a1.getStringCellValue());

vars.put("B1", b1.getStringCellValue());

View Code

这意味着我们的Beanshell PostProcessor将如下所示：

让我们再次运行测试，并在Debug Sampler中查看A1和B1的变量值

如您所见，有两个变量(不包括预定义的变量)

A1=foo

B1=bar

$ {A1}和$ {B1}可用作参数，后处理器的目标，断言等。

而已！！现在我们知道如何使用JMeter和Tika从Excel文档中提取数据。

这只是Apache Tika 300多种格式中的一种 - 但我认为我不能在一篇博文中涵盖所有这些格式！如果您使用的是Excel之外的其他内容，请查看Tika支持的格式页面以确定实现库和类。然后阅读文档以了解如何正确提取它。

大家好，今天有一个公务员的小伙伴委托我给他帮个忙，大概是有这样一份Word(由于涉及文件私密所以文中的具体内容已做修改)

一共有近2600条类似格式的表格细栏，每个栏目包括的信息有：

• 日期

• 发文单位

• 文号

• 标题

• 签收栏

需要提取其中加粗的这三项内容到Excel表格中存储，表格样式如下：

也就是需要将收文时间、文件标题、文号填到指定位置，同时需要将时间修改为标准格式，如果是完全手动复制和修改时间，依照一个条目10s的时间计算，一分钟可以完成6条，那么最快也需要：

而这类格式规整的文件整理非常适合用Python来执行，好的那么接下来请Python出场，必要的信息我在代码中以注释信息呈现。

首先使用Python将Word文件导入

# 导入需要的库docx
from docx import Document

# 指定文件存放的路径
path = r'C:\Users\word.docx' 

# 读取文件
document = Document(path)

# 读取word中的所有表格
tables = document.tables

再把问题逐个划分，首先尝试获取第一张表第一个文件条目的三个所需信息

# 获取第一张表
table0 = tables[0]

仔细观察可以发现一个文件条目占据了3行，所以对表格全部行循环迭代时可以设步长为3

注意观察表格，按照row和cell把所需内容解析清楚

# 在全局放一个变量用来计数填序号
n = 0
for i in range(0, len(table0.rows) + 1, 3):
    # 日期
    date = table0.cell(i, 1).text
    # 标题
    title = table0.cell(i + 1, 1).text.strip()
    # 文号
    dfn = tables[j].cell(i, 3).text.strip()
    print(n, date, tite, dfn)

接下来需要解决的是，时间我们获取的是 2/1 这种 日/月的形式。我们需要转化成 YYYY-MM-DD格式，而这利用到datetime包的strptime和strftime函数：

• strptime: 解析字符串中蕴含的时间

• strftime: 转化成所需的时间格式

import datetime

n = 0
for i in range(0, len(table0.rows) + 1, 3):
    # 日期
    date = table0.cell(i, 1).text
    # 有的条目时间是空的，这里不做过多判别
    if '/' in date:
        date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d')
    else:
        date = '-'
    # 标题
    title = table0.cell(i + 1, 1).text.strip()
    # 文号
    dfn = tables[j].cell(i, 3).text.strip()
    print(n, date, tite, dfn)

这样一张表的内容解析就完成了，注意这里用的是table[0]即第一张表，遍历所有的表加一个嵌套循环就可以，另外也可以捕获异常增加程序灵活性

n = 0
for j in range(len(tables)):
    for i in range(0, len(tables[j].rows)+1, 3):
        try:
            # 日期
            date = tables[j].cell(i, 1).text
            if '/' in date:
                date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d')
            else:
                date = '-'
            # 标题
            title = tables[j].cell(i + 1, 1).text.strip()
            # 文号
            dfn = tables[j].cell(i, 3).text.strip()
            n += 1
            print(n, date, title, dfn)
        except Exception as error:
            # 捕获异常，也可以用log写到日志里方便查看和管理
            print(error)
            continue

信息解析和获取完成就可以导出了，用到的包是openpyxl

from openpyxl import Workbook

# 实例化
wb = Workbook()
# 获取当前sheet
sheet = wb.active
# 设立表头
header = ['序号', '收文时间', '办文编号', '文件标题', '文号', '备注']
sheet.append(header)

在最内层解析循环的末尾加上如下代码即可

row = [n, date, ' ', title, dfn, ' ']
sheet.append(row)

线程的最后记得保存

wb.save(r'C:\Users\20200420.xlsx')

运行时间在10分钟左右，大概离开了一会程序就执行结束了

最后附上完整代码，代码很简单，理清思路最重要

from docx import Document
import datetime
from openpyxl import Workbook

wb = Workbook()
sheet = wb.active
header = ['序号', '收文时间', '办文编号', '文件标题', '文号', '备注']
sheet.append(header)


path = r'C:\Users\word.docx'
document = Document(path)
tables = document.tables

n = 0
for j in range(len(tables)):
    for i in range(0, len(tables[j].rows)+1, 3):
        try:
            # 日期
            date = tables[j].cell(i, 1).text
            if '/' in date:
                date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d')
            else:
                date = '-'
            # 标题
            title = tables[j].cell(i + 1, 1).text.strip()
            # 文号
            dfn = tables[j].cell(i, 3).text.strip()
            n += 1
            print(n, date, title, dfn)
            row = [n, date, ' ', title, dfn, ' ']
            sheet.append(row)
        except Exception as error:
            # 捕获异常，也可以用log写到日志里方便查看和管理
            print(error)
            continue

wb.save(r'C:\Users\20200420.xlsx')

先有收获，再点在看！