python loger对象配置 collections random模块

 logging  日志
#记录.花钱的,(淘宝)败家的,
# 访问的记录,
# 员工信息,debug等等都需要日志.

# 1,被动触发: 与异常处理配合.访问记录.
#2, 主动触发:检测运维人员输入的指令,检测服务器的重要信息,访问记录.等等.

低配版 low版
# import logging
# logging.basicConfig(level=logging.INFO,
#                     format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s',
#                     filename='low版logging.log'
#                     )
# msg = 'cpu 正常,硬盘参数...,流量的max:..最小值:.....'
# logging.info(msg)
# 日志的信息:不能写入文件与显示 同时进行.

　　

logging库提供了多个组件：Logger、Handler、Filter、Formatter。Logger对象提供应用程序可直接使用的接口，Handler发送日志到适当的目的地，Filter提供了过滤日志信息的方法，Formatter指定日志显示格式。另外，可以通过：logger.setLevel(logging.Debug)设置级别,当然，也可以通过

fh.setLevel(logging.Debug)单对文件流设置某个级别。

# 高配版
# 第一版:只输入文件中.
# import logging
# logger = logging.getLogger() # 创建logger对象.
# fh = logging.FileHandler('高配版logging.log',encoding='utf-8')  # 创建文件句柄
#
# # 吸星大法
# logger.addHandler(fh)
#
# logging.debug('debug message')
# logging.info('info message')
# logging.warning('warning message')
# logging.error('error message')
# logging.critical('critical message')

# 第二版:文件和屏幕都存在.
# import logging
# logger = logging.getLogger() # 创建logger对象.
# fh = logging.FileHandler('高配版logging.log',encoding='utf-8')  # 创建文件句柄
# sh = logging.StreamHandler()  #产生了一个屏幕句柄
#
# # 吸星大法
# logger.addHandler(fh)  #添加文件句柄
# logger.addHandler(sh)  #添加屏幕句柄
#
#
# logging.debug('debug message')
# logging.info('info message')
# logging.warning('warning message')
# logging.error('error message')
# logging.critical('critical message')

# 第三版:文件和屏幕都存在的基础上 设置显示格式.
# import logging
# logger = logging.getLogger() # 创建logger对象.
# fh = logging.FileHandler('高配版logging.log',encoding='utf-8')  # 创建文件句柄
# sh = logging.StreamHandler()  #产生了一个屏幕句柄
# formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
#
#
# # 吸星大法
# logger.addHandler(fh)  #添加文件句柄
# logger.addHandler(sh)  #添加屏幕句柄
# sh.setFormatter(formatter)  # 设置屏幕格式
# fh.setFormatter(formatter)  # 设置文件的格式  (这两个按照需求可以单独设置)
#
#
# logging.debug('debug message')
# logging.info('info message')
# logging.warning('warning message')
# logging.error('error message')
# logging.critical('critical message')

#第四版 文件和屏幕都存在的基础上 设置显示格式.并且设置日志水平.
# import logging
# logger = logging.getLogger() # 创建logger对象.
# fh = logging.FileHandler('高配版logging.log',encoding='utf-8')  # 创建文件句柄
# sh = logging.StreamHandler()  #产生了一个屏幕句柄
# formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
# # logger.setLevel(logging.DEBUG)
# #如果你对logger对象设置日志等级.那么文件和屏幕都设置了.
# #总开关 默认从warning开始,如果想设置分开关:必须要从他更高级:(ERROR,critical)从这来个开始.
#
# # 吸星大法
# logger.addHandler(fh)  #添加文件句柄
# logger.addHandler(sh)  #添加屏幕句柄
# sh.setFormatter(formatter)  # 设置屏幕格式
# fh.setFormatter(formatter)  # 设置文件的格式  (这两个按照需求可以单独设置)
# fh.setLevel(logging.DEBUG)
#
# logging.debug('debug message')
# logging.info('info message')
# logging.warning('warning message')
# logging.error('error message')
# logging.critical('critical message')

　　collections

在内置数据类型（dict、list、set、tuple）的基础上，

collections模块还提供了几个额外的数据类型：

Counter、deque、defaultdict、namedtuple和OrderedDict等。

1.namedtuple: 生成可以使用名字来访问元素内容的tuple

2.deque: 双端队列，可以快速的从另外一侧追加和推出对象

3.Counter: 计数器，主要用来计数

4.OrderedDict: 有序字典

5.defaultdict: 带有默认值的字典

 

namedtuple

我们知道tuple可以表示不变集合，例如，一个点的二维坐标就可以表示成：

>>> p = (1, 2)

但是，看到(1, 2)，很难看出这个tuple是用来表示一个坐标的。

这时，namedtuple就派上了用场：

>>> from collections import namedtuple
>>> Point = namedtuple('Point', ['x', 'y'])
>>> p = Point(1, 2)
>>> p.x
>>> p.y

　　类似的，如果要用坐标和半径表示一个圆，也可以用namedtuple定义：

#namedtuple('名称', [属性list]):
Circle = namedtuple('Circle', ['x', 'y', 'r'])

　

OrderedDict  字典有序,3.6版已经有序,应用于之前的版本

 from collections import OrderedDict
# # od = OrderedDict()
# # od['name'] = 'alex'
# # od['age'] = '1000'
# # od['sex'] = '男'
# # print(od)
# 装逼版:
# d = dict([('a', 1), ('b', 2), ('c', 3)])
# print(d)
# from collections import OrderedDict
# od1 = OrderedDict([('a', 1), ('c', 3), ('b', 2),])
# print(od1)
# l1 = [11,22,33,44,55,77,88,99,90]
# dic = {}
# for i in l1:
#     if i > 66:
#         if 'key1' not in dic:
#             dic['key1'] = []
#         dic['key1'].append(i)
#     else:
#         if 'key2' not in dic:
#             dic['key2'] = []
#         dic['key2'].append(i)
# print(dic)

　　

　

deque  双向队列

#deque 双向队列
# from collections import deque
# q = deque(['a','b','c','d','e'])
# print(q)
# q.append(666)  #添加最右边
# q.append(777)
# q.appendleft(111)  #从最左边添加
# q.appendleft(222)
# q.pop()  # 从右边删除
# q.popleft() # 从左边删除
# q.popleft()
# print(q)
# queue队列 原则:先进先出.fifo
# 栈: 先进后出.

　　

使用list存储数据时，按索引访问元素很快，但是插入和删除元素就很慢了，

因为list是线性存储，数据量大的时候，插入和删除效率很低。

deque是为了高效实现插入和删除操作的双向列表，适合用于队列和栈：

>>> from collections import deque
>>> q = deque(['a', 'b', 'c'])
>>> q.append('x')
>>> q.appendleft('y')
>>> q
deque(['y', 'a', 'b', 'c', 'x'])

　　deque除了实现list的append()和pop()外，还支持appendleft()和popleft()，

这样就可以非常高效地往头部添加或删除元素

OrderedDict

使用dict时，Key是无序的。在对dict做迭代时，我们无法确定Key的顺序。

如果要保持Key的顺序，可以用OrderedDict：

>>> from collections import OrderedDict
>>> d = dict([('a', 1), ('b', 2), ('c', 3)])
>>> d # dict的Key是无序的
{'a': 1, 'c': 3, 'b': 2}
>>> od = OrderedDict([('a', 1), ('b', 2), ('c', 3)])
>>> od # OrderedDict的Key是有序的
OrderedDict([('a', 1), ('b', 2), ('c', 3)])

　　注意，OrderedDict的Key会按照插入的顺序排列，不是Key本身排序：

>>> od = OrderedDict()
>>> od['z'] = 1
>>> od['y'] = 2
>>> od['x'] = 3
>>> od.keys() # 按照插入的Key的顺序返回
['z', 'y', 'x']

　　

defaultdict 

有如下值集合 [11,22,33,44,55,66,77,88,99,90...]，将所有大于 66 的值保存至字典的第一个key中，将小于 66 的值保存至第二个key的值中。

即： {'k1': 大于66 , 'k2': 小于66}

 

li = [11,22,33,44,55,77,88,99,90]
result = {}
for row in li:
    if row > 66:
        if 'key1' not in result:
            result['key1'] = []
        result['key1'].append(row)
    else:
        if 'key2' not in result:
            result['key2'] = []
        result['key2'].append(row)
print(result)

原生字典的解决方法

　　

from collections import defaultdict

values = [11, 22, 33,44,55,66,77,88,99,90]

my_dict = defaultdict(list)

for value in  values:
    if value>66:
        my_dict['k1'].append(value)
    else:
        my_dict['k2'].append(value)

defaultdict字典解决方法

　　使用dict时，如果引用的Key不存在，就会抛出KeyError。如果希望key不存在时，返回一个默认值，就可以用defaultdict：

>>> from collections import defaultdict
>>> dd = defaultdict(lambda: 'N/A')
>>> dd['key1'] = 'abc'
>>> dd['key1'] # key1存在
'abc'
>>> dd['key2'] # key2不存在，返回默认值
'N/A'

例2

例2

　　

ic1 = {}  #--->  dic1={1:5,2:5,3:5.....20:5}

# for i in range(1,21):
#     dic1[i] = 5
# print(dic1)

# dic1 = {x:5 for x in range(1,21)}

# dic1 = dict.fromkeys(range(1,21),5)


# dic1 = defaultdict(lambda :5)
# for i in range(1,21):
#     dic1[i]
# print(dic1)
from collections import Counter
c = Counter('abcdeabcdabcabafkjdslajlkfd')
print(c)

　　

Counter

Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型，以字典的键值对形式存储，其中元素作为key，其计数作为value。计数值可以是任意的Interger（包括0和负数）。Counter类和其他语言的bags或multisets很相似。

c = Counter('abcdeabcdabcaba')
print c
输出：Counter({'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1})

　　

random模块

>>> import random
#随机小数
>>> random.random()      # 大于0且小于1之间的小数
0.7664338663654585
>>> random.uniform(1,3) #大于1小于3的小数
1.6270147180533838
#恒富：发红包

#随机整数
>>> random.randint(1,5)  # 大于等于1且小于等于5之间的整数
>>> random.randrange(1,10,2) # 大于等于1且小于10之间的奇数


#随机选择一个返回
>>> random.choice([1,'23',[4,5]])  # #1或者23或者[4,5]
#随机选择多个返回，返回的个数为函数的第二个参数
>>> random.sample([1,'23',[4,5]],2) # #列表元素任意2个组合
[[4, 5], '23']


#打乱列表顺序
>>> item=[1,3,5,7,9]
>>> random.shuffle(item) # 打乱次序
>>> item
[5, 1, 3, 7, 9]
>>> random.shuffle(item)
>>> item
[5, 9, 7, 1, 3]

　　

import random

def v_code():

    code = ''
    for i in range(5):

        num=random.randint(0,9)
        alf=chr(random.randint(65,90))
        add=random.choice([num,alf])
        code="".join([code,str(add)])

    return code

print(v_code())

生成随机验证码