csdn最新最牛最细python系列【python高阶：自动化相关技能】 python全栈自动化测试系类4-4_python section()强制转换(2)

2401_84265592

于 2024-04-21 22:10:19 发布

阅读量968

点赞数 26

分类专栏： 2024年程序员学习文章标签： python 自动化开发语言

本文链接：https://blog.csdn.net/2401_84265592/article/details/138047364

版权

2024年程序员学习专栏收录该内容

45 篇文章 0 订阅

订阅专栏

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新软件测试全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注软件测试）

正文

print “Error: unable to fecth data”

关闭数据库连接

db.close()

以上脚本执行结果如下：
fname=Mac, lname=Mohan, age=20, sex=M, income=2000

4、数据库更新操作更新操作用于更新数据表的的数据，以下实例将 test表中的 SEX 字段全部修改为 ‘M’，AGE 字段递增1：

代码如下:

encoding: utf-8

#!/usr/bin/python
import MySQLdb

打开数据库连接

db = MySQLdb.connect(“localhost”,“root”,“361way”,“test” )

使用cursor()方法获取操作游标

cursor = db.cursor()

SQL 更新语句

sql = “UPDATE EMPLOYEE SET AGE = AGE + 1
                          WHERE SEX = ‘%c’” % (‘M’)
try:
   # 执行SQL语句
   cursor.execute(sql)
   # 提交到数据库执行
   db.commit()
except:
   # 发生错误时回滚
   db.rollback()

关闭数据库连接

db.close()

5、执行事务

事务机制可以确保数据一致性。
事务应该具有4个属性：原子性、一致性、隔离性、持久性。这四个属性通常称为ACID特性。
① 原子性（atomicity）。一个事务是一个不可分割的工作单位，事务中包括的诸操作要么都做，要么都不做。
② 一致性（consistency）。事务必须是使数据库从一个一致性状态变到另一个一致性状态。一致性与原子性是密切相关的。
③ 隔离性（isolation）。一个事务的执行不能被其他事务干扰。即一个事务内部的操作及使用的数据对并发的其他事务是隔离的，并发执行的各个事务之间不能互相干扰。
④ 持久性（durability）。持续性也称永久性（permanence），指一个事务一旦提交，它对数据库中数据的改变就应该是永久性的。接下来的其他操作或故障不应该对其有任何影响。

Python DB API 2.0 的事务提供了两个方法 commit 或 rollback。实例：

代码如下:

SQL删除记录语句

sql = “DELETE FROM EMPLOYEE WHERE AGE > ‘%d’” % (20)
try:
   # 执行SQL语句
   cursor.execute(sql)
   # 向数据库提交
   db.commit()
except:
   # 发生错误时回滚
   db.rollback()

对于支持事务的数据库，在Python数据库编程中，当游标建立之时，就自动开始了一个隐形的数据库事务。commit()方法游标的所有更新操作，rollback（）方法回滚当前游标的所有操作。每一个方法都开始了一个新的事务。

【Python中Pyyaml模块的使用】

一、YAML是什么

YAML是专门用来写配置文件的语言，远比JSON格式方便。

YAML语言的设计目标，就是方便人类读写。

YAML是一种比XML和JSON更轻的文件格式，也更简单更强大，它可以通过缩进来表示结构，是不是听起来就和Python很搭？

顾名思义，用语言编写的文件就可以称之为YAML文件。PyYaml是Python的一个专门针对YAML文件操作的模块，使用起来非常简单

安装 pip install pyyaml   # 如果是py2，使用 pip install yaml

二、PyYaml的简单使用

使用起来非常简单，就像json、pickle一样，load、dump就足够我们使用了。

load()示例：返回一个对象

import yaml

yaml_str = """
name: 一条大河
age: 1956
job: Singer
"""

y = yaml.load(yaml_str, Loader=yaml.SafeLoader)
print(y)

运行结果：

{'name': '一条大河', 'age': 1956, 'job': 'Singer'}

load_all()示例：生成一个迭代器

如果string或文件包含几块yaml文档，可以使用yaml.load_all来解析全部的文档。

yaml_test.yaml文件内容：

---
name: qiyu
age: 20岁
---
name: qingqing
age: 19岁

操作yaml文件的test.py文件如下：

import yaml

with open("./yaml_test", 'r', encoding='utf-8') as ymlfile:
    cfg = yaml.load_all(ymlfile, Loader=yaml.SafeLoader)
    for data in cfg:
        print(data)

运行结果：

{'name': 'qiyu', 'age': '20岁'}
{'name': 'qingqing', 'age': '19岁'}

dump()示例：将一个python对象生成为yaml文档

import yaml

json_data = {'name': '一条大河',
             'age': 1956,
             'job': ['Singer','Dancer']}

y = yaml.dump(json_data, default_flow_style=False).encode('utf-8').decode('unicode_escape')
print(y)

运行结果：

age: 1956
job:

Singer
Dancer
name: “一条大河”

使用dump()传入参数，可以直接把内容写入到yaml文件：

import yaml

json_data = {'name': '一条大河',
             'age': 1956,
             'job': ['Singer', 'Dancer']}
with open('./yaml_write.yaml', 'w') as f:
    y = yaml.dump(json_data, f)
    print(y)

写入内容后的yaml_write.yaml：

yaml.dump_all()示例：将多个段输出到一个文件中

import yaml

obj1 = {"name": "river", "age": 2019}
obj2 = ["Lily", 1956]
obj3 = {"gang": "ben", "age": 1963}
obj4 = ["Zhuqiyu", 1994]

with open('./yaml_write_all.yaml', 'w', encoding='utf-8') as f:
    y = yaml.dump([obj1, obj2, obj3, obj4], f)
    print(y)

with open('./yaml_write_all.yaml', 'r') as r:
    y1 = yaml.load(r, Loader=yaml.SafeLoader)
    print(y1)

写入内容后的yaml_write_all.yaml：

为什么写入文件后的格式有的带1个“-”，有的带2个“-”？

为什么yaml文件读出来的的格式是List？

三、YAML的语法规则和数据结构

看完了以上4个简单的示例，现在就来总结下YAML语言的基本语法

****YAML基本语法规则如下：

1、大小写敏感

2、使用缩进表示层级关系

3、缩进时不允许使用Tab键，只允许使用空格。

4、缩进的空格数目不重要，只要相同层级的元素左侧对齐即可

5、# 表示注释，从这个字符一直到行尾，都会被解析器忽略，这个和python的注释一样

6、列表里的项用"-"来代表，字典里的键值对用":"分隔

知道了语法规则，现在来回答下上面的2个问题：

1、带1个“-”表示不同的模块（单个数组或者字典），带2个“-”是因为数组中元素以“-”开始，加上表示不同模块的那一个“-”，呈现出来就是2个“-”

2、因为yaml文件中包含多个模块（多个数组或者字典），读取出来的是这些模块的一个集合

3、有且只有当yaml文件中只有1个字典时，读取出来的数据的类型也是字典

YAML 支持的数据结构有3种：

1、对象：键值对的集合2、数组：一组按次序排列的值，序列（sequence） 或 列表（list）

3、纯量（scalars）：单个的、不可再分的值，如：字符串、布尔值、整数、浮点数、Null、时间、日期

支持数据示例：

yaml_test_data.yaml的内容：

str: "Big River"                           #字符串
int: 1548                                 #整数
float: 3.14                               #浮点数
boolean: true                              #布尔值
None: null                                # 也可以用 ~ 号来表示 null
time: '2019-11-20T08:47:46.576701+00:00'       # 时间，ISO8601 
date: 2019-11-20 16:47:46.576702                # 日期

操作代码：

import yaml
import datetime
import pytz

yaml_data = {
    "str": "Big River",
    "int": 1548,
    "float": 3.14,
    'boolean': True,
    "None": None,
    'time': datetime.datetime.now(tz=pytz.timezone('UTC')).isoformat(),
    'date': datetime.datetime.today()
}

with open('./yaml_test', 'w') as f:
    y = yaml.dump(yaml_data, f)
    print(y)

with open('./yaml_test', 'r') as r:
    y1 = yaml.load(r, Loader=yaml.SafeLoader)
    print(y1)

控制台输出：

其他语法规则

1、如果字符串没有空格或特殊字符，不需要加引号，但如果其中有空格或特殊字符，就需要加引号了

2、引用

& 和 * 用于引用

name: &name SKP
tester: *name

运行结果：

{'name': 'SKP', 'tester': 'SKP'}

3、强制转换

用 !! 实现

str: !!str 3.14
int: !!int "123"

运行结果：

{'int': 123, 'str': '3.14'}

4、分段

在同一个yaml文件中，可以用“—”3个“-”来分段，这样可以将多个文档写在一个文件中

举例见上述load_all()示例

四、python对象生成yaml文档

1、yaml.dump()方法

import yaml
import os

def generate_yaml_doc(yaml_file):
    py_object = {'school': 'zhu',
                 'students': ['a', 'b']}
    file = open(yaml_file, 'w', encoding='utf-8')
    yaml.dump(py_object, file)
    file.close()

current_path = os.path.abspath(".")
yaml_path = os.path.join(current_path, "generate.yaml")
generate_yaml_doc(yaml_path)
"""结果
school: zhu
students:
- a
- b
"""

2、使用ruamel模块中的yaml方法生成标准的yaml文档

import os
from ruamel import yaml     # pip3 install ruamel.yaml

def generate_yaml_doc_ruamel(yaml_file):
    py_object = {'school': 'zhu',
                 'students': ['a', 'b']}
    file = open(yaml_file, 'w', encoding='utf-8')
    yaml.dump(py_object, file, Dumper=yaml.RoundTripDumper)
    file.close()

current_path = os.path.abspath(".")
yaml_path = os.path.join(current_path, "generate.yaml")
generate_yaml_doc_ruamel(yaml_path)
"""结果
school: zhu
students:
- a
- b
"""

使用ruamel模块中的yaml方法读取yaml文档（用法与单独import yaml模块一致）

import os
from ruamel import yaml

def get_yaml_data_ruamel(yaml_file):
    file = open(yaml_file, 'r', encoding='utf-8')
    data = yaml.load(file, Loader=yaml.Loader)
    file.close()
    print(data)

current_path = os.path.abspath(".")
yaml_path = os.path.join(current_path, "generate.yaml")
get_yaml_data_ruamel(yaml_path)

【Python操作excel的几种方式–xlrd、xlwt、openpyxl】

xlrd

xlrd是用来从Excel中读写数据的，但我平常只用它进行读操作，写操作会遇到些问题。用xlrd进行读取比较方便，流程和平常手动操作Excel一样，打开工作簿(Workbook)，选择工作表(sheets)，然后操作单元格(cell)。下面举个例子，例如要打开当前目录下名为”data.xlsx”的Excel文件，选择第一张工作表，然后读取第一行的全部内容并打印出来。Python代码如下：

#打开excel文件
data=xlrd.open_workbook('data.xlsx')     
#获取第一张工作表（通过索引的方式）
table=data.sheets()[0] 
#data_list用来存放数据
data_list=[]    
#将table中第一行的数据读取并添加到data_list中
data_list.extend(table.row_values(0))
#打印出第一行的全部数据
for item in data_list:
    print item

上面的代码中读取一行用table.row_values(number)，类似的读取一列用table.column_values(number)，其中number为行索引，在xlrd中行和列都是从0开始索引的，因此Excel中最左上角的单元格A1是第0行第0列。
xlrd中读取某个单元格用table.cell(row,col)即可，其中row和col分别是单元格对应的行和列。
下面简单归纳一下xlrd的用法

xlrd用法总结

打开Excel工作簿

data=xlrd.open_workbook(filename)

查看工作簿中所有sheet的名称

data.sheet_names()

选择某一个工作表（通过索引或表名称）

#获取第一个工作表
table=data.sheets()[0]

#通过索引获取第一个工作表
table=data.sheet_by_index(0)

#通过表名称选择工作表
table=data.sheet_by_name(u'哈哈')

获取表格的行数和列数

1
2

nrows=table.nrows
ncols=table.ncols

获取整行和整列的值

1
2

table.row_values(number)
table.column_values(number)

通过循环读取表格的所有行

1
2

for rownum in xrange(table.nrows):
    print table.row_values(rownum)

获取单元格的值

cell_A1=table.row(0)[0].value
#或者像下面这样
cell_A1=table.cell(0,0).value
#或者像下面这样通过列索引
cell_A1=table.col(0)[0].value

写操作自己很少用，所以就不归纳了。

xlwt

如果说xlrd不是一个单纯的Reader（如果把xlrd中的后两个字符看成Reader，那么xlwt后两个字符类似看成Writer），那么xlwt就是一个纯粹的Writer了，因为它只能对Excel进行写操作。xlwt和xlrd不光名字像，连很多函数和操作格式也是完全相同。下面简要归纳一下常用操作。

xlwt常用操作

新建一个Excel文件（只能通过新建写入）

data=xlwt.Workbook()

新建一个工作表

table=data.add_sheet('name')

写入数据到A1单元格

table.write(0,0,u'呵呵')

注意：如果对同一个单元格重复操作，会引发overwrite Exception，想要取消该功能，需要在添加工作表时指定为可覆盖，像下面这样

table=data.add_sheet('name',cell_overwrite_ok=True)

保存文件

data.save('test.xls')

这里只能保存扩展名为xls的，xlsx的格式不支持

xlwt支持一定的样式，操作如下

#初始化样式
style=xlwt.XFStyle()

#为样式创建字体
font=xlwt.Font()

#指定字体名字
font.name='Times New Roman'

#字体加粗
font.bold=True

#将该font设定为style的字体
style.font=font

#写入到文件时使用该样式
sheet.write(0,1,'just for test',style)

openpyxl

该模块支持最新版的Excel文件格式，对Excel文件具有响应的读写操作，对此有专门的Reader和Writer两个类，便于对Excel文件的操作。虽然如此，但我一般还是用默认的workbook来进行操作。常用操作归纳如下：

openpyxl常用操作

读取Excel文件

1
2
3

from openpyxl.reader.excel import load_workbook

wb=load_workbook(filename)

显示工作表的索引范围

wb.get_named_ranges()

显示所有工作表的名字

wb.get_sheet_names()

取得第一张表

1
2

sheetnames = wb.get_sheet_names()  
ws = wb.get_sheet_by_name(sheetnames[0])

获取表名

ws.title

获取表的行数

ws.get_highest_row()

获取表的列数

ws.get_highest_column()

单元格的读取，此处和xlrd的读取方式很相近，都是通过行和列的索引来读取

1
2

#读取B1单元格中的内容
ws.cell(0,1).value

当然也支持通过Excel坐标来读取数据，代码如下

1
2

#读取B1单元格中的内容
ws.cell("B1").value

写文件，只有一种操作方式，就是通过坐标。例如要向单元格C1写数据，就要用类似ws.cell(“C1”).value=something这样的方式。
一般推荐的方式是用openpyxl中的Writer类来实现。代码类似下面这样：

from openpyxl.workbook import Workbook 
 
#ExcelWriter,里面封装好了对Excel的写操作
from openpyxl.writer.excel import ExcelWriter  

#get_column_letter函数将数字转换为相应的字母，如1-->A,2-->B  
from openpyxl.cell import get_column_letter  

#新建一个workbook  
wb = Workbook()  

#新建一个excelWriter  
ew = ExcelWriter(workbook = wb)  

#设置文件输出路径与名称  
dest_filename = r'empty_book.xlsx'  

#第一个sheet是ws  
ws = wb.worksheets[0]  

#设置ws的名称  
ws.title = "range names"

#向某个单元格中写入数据
ws.cell("C1").value=u'哈哈'

#最后保存文件
ew.save(filename=dest_filename)

向某个单元格内写文件时要先知道它对应的行数和列数，这里注意行数是从1开始计数的，而列则是从字母A开始，因此第一行第一列是A1，这实际上是采用坐标方式操作Excel。例如，想向表格的第三行第一列插入一个数值1.2，用xlwt写就是table.write(2,0,1.2),因为xlwt中行列索引都从0开始；而如果用openpyxl写就是ws.cell(“A3”).value=1.2。一般对于一个较大的列数，需要通过get_column_letter函数得到相应的字符，然后再调用cell函数写入。
下面是我之前写的一个代码的一部分，可以用来演示将多位数组保存到Excel文件中。为了体现多维数组，这里用到了numpy，另外这里为了简化过程，没有用ExcelWriter。代码如下：

#coding:utf-8

from openpyxl import Workbook
from openpyxl.cell import get_column_letter

import numpy as np
#生成一个对角阵
a=np.diag([1,2,3,4,5])

#新建一个工作簿
wb=Workbook()
#使用当前激活的工作表（默认就是Excel中的第一张表）
ws=wb.active
#下面是对a的遍历，注意cell中行和列从1开始，a中索引从0开始。
for row in xrange(1,a.shape[0]+1):
    for col in xrange(1,a.shape[1]+1):
        col_letter=get_column_letter(col)
        ws.cell('%s%s'%(col_letter,row)).value=a[row-1,col-1]
wb.save('test.xlsx')

暂时介绍这么多，基本够用了。

总结

读取Excel时，选择openpyxl和xlrd差别不大，都能满足要求
写入少量数据且存为xls格式文件时，用xlwt更方便
写入大量数据（超过xls格式限制）或者必须存为xlsx格式文件时，就要用openpyxl了。

除以上几个模块外，还有Win32com等模块，但没有用过，就不说了。

【Python(八) 正则表达式与JSON】

一、初识正则表达式

正则表达式是一个特殊的字符序列，一个字符串是否与我们所设定的这样的字符序列，相匹配

快速检索文本、实现替换文本的操作

json（xml）轻量级 web 数据交换格式

import re

a='C|C++|Java|C#||Python|Javascript'
 
r= re.findall('Python',a)
print(r)

if len(r) > 0:
    print('字符串中包含Python')
else:
    print('No')

['Python']
字符串中包含Python

二、元字符与普通字符

import re

a='C0C++7Java8C#9Python6Javascript'

r= re.findall('\d',a)
print(r)

b=''
for x in a:
    try:
        int(x)
        b +=x+','
    except :
        pass

print(b)

结果：
['0', '7', '8', '9', '6']
0,7,8,9,6,

‘Python’ 普通字符 ‘\d’ 元字符

三、字符集

import re

#找出中间一个字符不是C 和F的 单词
s = 'abc, acc, adc, aec, afc, ahc'

r = re.findall('a[^cf]c', s)  #[a-z] [cf]
print(r)

结果：
['abc', 'adc', 'aec', 'ahc']

四、概括字符集

#\d 数字  \D 字母
#\w  数字和字母 =[a-zA-Z0-9_]  \W 
#\s  空白字符  \S
a='python 11\t11java&678p\nh\rp'

r = re.findall('\s', a)
print(r)


结果：
[' ', '\t', '\n', '\r']

五、数量词

a='python 1111java&678php'

r = re.findall('[a-z]{3,6}', a)
print(r)

结果：
['python', 'java', 'php']

六、贪婪与非贪婪

a='python 1111java&678php'

r = re.findall('[a-z]{3,6}?', a)
#贪婪 与 非贪婪 ?

print(r)

结果：
['pyt', 'hon', 'jav', 'php']

七、匹配0次1次或者无限多次

# * 匹配0次或者无限多次
# + 匹配1次或者无限多次
# ? 匹配0次或者1次

a='pytho0python1pythonn2pythonw'

r = re.findall('python*', a)

print(r)

结果：
['pytho', 'python', 'pythonn', 'python']

八、边界匹配符

qq = '12345678'
# 4~8 
r =  re.findall('^\d{4,8}$', qq)
print(r)

a = '123456789'
# 4~8  ^规则$ ^开头 $结尾
e =  re.findall('^\d{4,8}$', a)
print(e)

结果：
['12345678']
[]

九、组

# () 组 

a = 'pythonpythonpythonpythonpython'
# 
r =  re.findall('(python){3}', a)
print(r)

结果：
['python']  代表存在一组（pythonpythonpython） 这样的数据

十、匹配模式参数

# I | S 忽略大小写 | 匹配所有字符

lanuage = 'PythonC#\nJavaPHP'

r = re.findall('c#.{1}', lanuage,re.I | re.S)

print(r)


结果：
['C#\n']

十一、re.sub正则替换

搜索替换

def convert(value):
    matched = value.group()
    # print(value) <_sre.SRE_Match object; span=(6, 8), match='C#'>
    return '!!'+matched+'!!'


lanuage = 'PythonC#JavaC#PHPC#'

# r = re.sub('C#', 'GO', lanuage, 1) 返回结果： PythonGOJavaC#PHPC#
# s=lanuage.replace('C#', 'GO')
r = re.sub('C#', convert, lanuage)  #传入参数
print(r)

结果：
Python!!C#!!Java!!C#!!PHP!!C#!!

十二、把函数作为参数传递

def convert(value):
    matched = value.group() #拿到对象的值
    # print(value) <_sre.SRE_Match object; span=(6, 8), match='C#'>
    if int(matched) >=6 :
        return '9'
    else:
        return '0'

lanuage = 'A8C3721D86'

r = re.sub('\d', convert, lanuage)
print(r)

#
A9C0900D99

十三、search与match函数

s = 'A8C3721D86'
# None 从开头开始匹配 假如没有找到相应的匹配结果 返回None 只匹配一次
r = re.match('\d', s) 
print(r) #None

#搜索这个字符串 一旦找到第一个满足匹配的结果就返回 只匹配一次
r1 = re.search('\d', s)
print(r1) #<_sre.SRE_Match object; span=(1, 2), match='8'>
print(r1.group()) #8
print(r1.span()) # (1, 2)

r2 = re.findall('\d', s)
print(r2)  #['8', '3', '7', '2', '1', '8', '6']

十四、group分组

#提取life 和python 之间的值
s = 'life is short,i use python'
#None
r = re.search('life.*python', s)
print(r.group()) #life is short,i use python group(组号)

r = re.search('life(.*)python', s)
print(r.group(0)) #life is short,i use python group(组号)
print(r.group(1)) # is short,i use

#group(0)  一种特殊情况 匹配正则表达式完整的结果

r = re.findall('life(.*)python', s)
print(r) #[' is short,i use ']

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注软件测试）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
anuage.replace(‘C#’, ‘GO’)
r = re.sub(‘C#’, convert, lanuage) #传入参数
print®

结果：
Python!!C#!!Java!!C#!!PHP!!C#!!



### 十二、把函数作为参数传递

def convert(value):
matched = value.group() #拿到对象的值
# print(value) <_sre.SRE_Match object; span=(6, 8), match=‘C#’>
if int(matched) >=6 :
return ‘9’
else:
return ‘0’

lanuage = ‘A8C3721D86’

r = re.sub(‘\d’, convert, lanuage)
print®

A9C0900D99



### 十三、search与match函数

s = ‘A8C3721D86’

None 从开头开始匹配假如没有找到相应的匹配结果返回None 只匹配一次

r = re.match(‘\d’, s)
print® #None

#搜索这个字符串一旦找到第一个满足匹配的结果就返回只匹配一次
r1 = re.search(‘\d’, s)
print(r1) #<_sre.SRE_Match object; span=(1, 2), match=‘8’>
print(r1.group()) #8
print(r1.span()) # (1, 2)

r2 = re.findall(‘\d’, s)
print(r2) #[‘8’, ‘3’, ‘7’, ‘2’, ‘1’, ‘8’, ‘6’]



### 十四、group分组

#提取life 和python 之间的值
s = ‘life is short,i use python’
#None
r = re.search(‘life.*python’, s)
print(r.group()) #life is short,i use python group(组号)

r = re.search(‘life(.*)python’, s)
print(r.group(0)) #life is short,i use python group(组号)
print(r.group(1)) # is short,i use

#group(0) 一种特殊情况匹配正则表达式完整的结果

r = re.findall(‘life(.*)python’, s)
print® #[’ is short,i use ']






**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注软件测试）**
[外链图片转存中...(img-C0ZhWkUu-1713708604662)]

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

2401_84265592

关注

26
点赞
踩
23

收藏

觉得还不错? 一键收藏
0
评论
csdn最新最牛最细python系列【python高阶：自动化相关技能】 python全栈自动化测试系类4-4_python section()强制转换(2)

读取Excel时，选择openpyxl和xlrd差别不大，都能满足要求写入少量数据且存为xls格式文件时，用xlwt更方便写入大量数据（超过xls格式限制）或者必须存为xlsx格式文件时，就要用openpyxl了。除以上几个模块外，还有Win32com等模块，但没有用过，就不说了。
复制链接

扫一扫