zoukankan      html  css  js  c++  java
  • 常用的自定义Python函数

    常用的自定义Python函数

    1、时间戳转为日期字串,精确到ms。单位s

    def timestamp2datems(timestamp):
        '''
        时间戳转为日期字串,精确到ms。单位s
        :param timestamp:时间戳
        :return:日期字串
        '''
        local_time = time.localtime(timestamp)
        # data_head = time.strftime("%Y-%m-%d %H:%M:%S", local_time)
        data_head = time.strftime("%Y-%m-%d_%H-%M-%S", local_time)
        data_secs = (timestamp - int(timestamp)) * 1000
        dt_ms = "%s.%03d" % (data_head, data_secs)
        # print(dt_ms)
        return dt_ms
    

      

    2、文件大小bit转为人类易读大小bit、KB、MB

    def bit2humanView(bit_val):
        '''
        文件大小bit转为人类易读大小bit、KB、MB
        :param bit_val:字节数值
        :return:人类易读大小和单位
        '''
        is2kb = int(bit_val / 1042)  # 转换为kb取整
        is2mb = int(bit_val / 1024 / 1024)  # 转为mb取整
        is2gb = int(bit_val / 1024 / 1024 / 1024)  # 转为gb取整
        if is2gb is not 0:
            gb_val = bit_val / 1024 / 1024 / 1024
            return "%.2f GB" % gb_val
        if is2mb is not 0:
            mb_val = bit_val / 1024 / 1024
            return "%.2f MB" % mb_val
        if is2kb is not 0:
            kb_val = bit_val / 1024
            return "%.2f KB" % kb_val
        return "%s bit" % bit_val
    

      

    3、 明文str转为base64密文

    def str2base64(pwd_decode_str):
        '''
        明文str转为base64密文
        :param pwd_decode_str: 明文str
        :return: base64密文
        '''
        base64_encrypt = base64.b64encode(pwd_decode_str.encode('utf-8'))
        pwd_encode_str = str(base64_encrypt, 'utf-8')
        return pwd_encode_str
    

      

    4、base64密文转为明文str

    def base642str(pwd_encode_str):
        '''
        base64密文转为明文str
        :param pwd_encode_str: base64密文
        :return: 明文str
        '''
        base64_decrypt = base64.b64decode(pwd_encode_str.encode('utf-8'))
        pwd_decode_str = str(base64_decrypt, 'utf-8')
        return pwd_decode_str
    

      

  • 相关阅读:
    Oracle 提示 用户在线,无法删除的清理方法
    拉格朗日乘子法和KKT条件
    主题模型及其在文本情感分析中的应用
    spring-data-elasticsearch整合elasticsearch
    自然数的K次幂的数列求和
    SVM 简要推导过程
    机器学习中导数最优化方法(基础篇)
    漫谈:机器学习中距离和相似性度量方法
    A geometric interpretation of the covariance matrix
    数据挖掘算法之协同过滤算法
  • 原文地址:https://www.cnblogs.com/andy9468/p/9676769.html
Copyright © 2011-2022 走看看