Python常用模块（collections、 time、 random、 os 、sys、序列化模块）

一、 collections 模块

python中的扩展数据类型

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

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：

#可命名元组
from collections import namedtuple
Point = namedtuple("point",["x","y","z"]) #参数中的“point”只是一个名字，["x","y","z"]元组里有几个元素就有几个参数
p1 = Point(1,2,3)
p2 = Point(3,2,1)
print(p1.x,p1.y,p1.z)
print(p2.x,p2.y,p2.z)
print(p1,p2)
#####
1 2 3
3 2 1
point(x=1, y=2, z=3) point(x=3, y=2, z=1)

#花色和数字
Card = namedtuple("card",["suits","number"])
c1 = Card("红桃",2)
print(c1.suits,c1.number)
print(c1)
######
红桃 2
card(suits='红桃', number=2)

#类似的，如果要用坐标和半径表示一个圆，也可以用namedtuple定义：
Circle = namedtuple("circle",["x","y","r"]) # #namedtuple('名称', [属性list]):
c = Circle(1,2,5)
print(c)
######
circle(x=1, y=2, r=5)

2.deque

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：（堆栈：先进后出   队列：先进先出FIFO）

#队列
import queue
q = queue.Queue() #创建一个队列
q.put(6)
q.put(7)
q.put(8)
print(q) # <queue.Queue object at 0x000001D5560650F0>
print(q.get()) # 6 先进先出
print(q.get()) # 7
print(q.get()) # 8
print(q.qsize()) # q.size()返回序列里面的元素个数，取了三次取完了 0
print(q.get()) #取完了，一直在这等着： 阻塞

from collections import deque
dq=deque(["a","b","c"])
dq.append("x")
dq.appendleft("y")
print(dq)    #结果：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。

from collections import deque
dq = deque([1,2])
dq.append('a')   # 从后面放数据  [1,2,'a']
dq.appendleft('b') # 从前面放数据 ['b',1,2,'a']
dq.insert(2,3)    #['b',1,3,2,'a']     #2为索引，3为数字
print(dq.pop())      # "a"从后面取数据
print(dq.pop())      # 2 从后面取数据
print(dq.popleft())  # "b" 从前面取数据
print(dq)          #deque([1, 3])

3.Counter

计数器，主要用来计数

from collections import Counter
c=Counter("abhdsfifhabaacsdfgsfa")
print(c)
#结果：Counter({'a': 5, 'f': 4, 's': 3, 'b': 2, 'd': 2, 'h': 2, 'i': 1, 'c': 1, 'g': 1})
#跟踪值出现的次数

4.OrderedDict

有序字典

使用dict时，Key是无序的。如果想要保持key的顺序，就用OrderedDict。（在一般情况下，通过字典的key取value值比列表要快，但字典比列表占内存）

#dict中的Key是无序的
d=dict([("a","1"),("b",2),("c",3)])
print(d)   #结果：{'c': 3, 'b': 2, 'a': '1'}
# dict中的Key是无序的

#OrderedDict的Key是有序的
from collections import OrderedDict
od=OrderedDict([("a","1"),("b","2"),("c","3")])
print(od)   #OrderedDict([('a', '1'), ('b', '2'), ('c', '3')])
print(od["a"]) # a #OrderedDict的Key是有序的，即使有序也是一个字典，不能用索引，只能用键值对
for k in od:
    print(k) # a ,b,c

from collections import OrderedDict
od=OrderedDict()
od["z"]=1
od["y"]=2
od["x"]=3
print(od.keys()) #结果：odict_keys(['z', 'y', 'x'])
#按照插入的key的顺序返回

#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}
values = [11, 22, 33,44,55,66,77,88,99,90]
my_dict = {}
for value in  values:
    if value>66:
        if 'k1' in my_dict.keys():
            my_dict['k1'].append(value)
        else:
            my_dict['k1'] = [value]
    else:
        if 'k2' in my_dict.keys():
            my_dict['k2'].append(value)
        else:
            my_dict['k2'] = [value]

print(my_dict) # {'k2': [11, 22, 33, 44, 55, 66], 'k1': [77, 88, 99, 90]}

#defaultdict字典解决方法
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)
print(my_dict)
##
defaultdict(<class 'list'>, {'k2': [11, 22, 33, 44, 55, 66], 'k1': [77, 88, 99, 90]})

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'

二、time模块

和时间有关系的我们就要用到时间模块。在使用模块之前，应该首先导入这个模块。

#常用方法
1.time.sleep(secs)
(线程)推迟指定的时间运行。单位为秒。
2.time.time()
获取当前时间戳

表示时间的三种方式

在Python中，通常有这三种方式来表示时间：时间戳、元组(struct_time)、格式化的时间字符串：

(1)时间戳(timestamp) ：通常来说，时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量。我们运行“type(time.time())”，返回的是float类型。

(2)格式化的时间字符串(Format String)： ‘1999-12-06’

python中时间日期格式化符号：

%y 两位数的年份表示（00-99）
%Y 四位数的年份表示（000-9999）
%m 月份（01-12）
%d 月内中的一天（0-31）
%H 24小时制小时数（0-23）
%I 12小时制小时数（01-12）
%M 分钟数（00=59）
%S 秒（00-59）
%a 本地简化星期名称
%A 本地完整星期名称
%b 本地简化的月份名称
%B 本地完整的月份名称
%c 本地相应的日期表示和时间表示
%j 年内的一天（001-366）
%p 本地A.M.或P.M.的等价符
%U 一年中的星期数（00-53）星期天为星期的开始
%w 星期（0-6），星期天为星期的开始
%W 一年中的星期数（00-53）星期一为星期的开始
%x 本地相应的日期表示
%X 本地相应的时间表示
%Z 当前时区的名称
%% %号本身

(3)元组(struct_time) ：struct_time元组共有9个元素共九个元素:(年，月，日，时，分，秒，一年中第几周，一年中第几天等）

 首先，我们先导入time模块，来认识一下python中表示时间的几种格式：

#导入时间模块
>>>import time

#时间戳
>>>time.time()
1500875844.800804

#时间字符串
>>>time.strftime("%Y-%m-%d %X")
'2017-07-24 13:54:37'
>>>time.strftime("%Y-%m-%d %H-%M-%S")
'2017-07-24 13-55-04'

#时间元组:localtime将一个时间戳转换为当前时区的struct_time
time.localtime()
time.struct_time(tm_year=2017, tm_mon=7, tm_mday=24,
　　　　　　　　　　tm_hour=13, tm_min=59, tm_sec=37, 
                 tm_wday=0, tm_yday=205, tm_isdst=0)

小结：时间戳是计算机能够识别的时间；时间字符串是人能够看懂的时间；元组则是用来操作时间的

几种格式之间的转换

#结构化时间-->字符串时间
#time.strftime("格式定义","结构化时间") 结构化时间参数若不传，则显示当前时间
>>>time.strftime("%Y-%m-%d %X")
'2017-07-24 14:55:36'
>>>time.strftime("%Y-%m-%d",time.localtime(1500000000))
'2017-07-14'

#字符串时间-->结构化时间
#time.strptime(时间字符串,字符串对应格式)
>>>time.strptime("2017-03-16","%Y-%m-%d")
time.struct_time(tm_year=2017, tm_mon=3, tm_mday=16, tm_hour=0, tm_min=0, tm_sec=0, tm_wday=3, tm_yday=75, tm_isdst=-1)
>>>time.strptime("07/24/2017","%m/%d/%Y")
time.struct_time(tm_year=2017, tm_mon=7, tm_mday=24, tm_hour=0, tm_min=0, tm_sec=0, tm_wday=0, tm_yday=205, tm_isdst=-1)

 

#结构化时间 --> %a %b %d %H:%M:%S %Y串
#time.asctime(结构化时间) 如果不传参数，直接返回当前时间的格式化串
>>>time.asctime(time.localtime(1500000000))
'Fri Jul 14 10:40:00 2017'
>>>time.asctime()
'Mon Jul 24 15:18:33 2017'

#时间戳 --> %a %b %d %H:%M:%S %Y串
#time.ctime(时间戳) 如果不传参数，直接返回当前时间的格式化串
>>>time.ctime()
'Mon Jul 24 15:19:07 2017'
>>>time.ctime(1500000000)
'Fri Jul 14 10:40:00 2017

#####
import time
true_time=time.mktime(time.strptime('2017-09-11 08:30:00','%Y-%m-%d %H:%M:%S'))
time_now=time.mktime(time.strptime('2017-09-12 11:00:00','%Y-%m-%d %H:%M:%S'))
dif_time=time_now-true_time
struct_time=time.gmtime(dif_time)
print('过去了%d年%d月%d天%d小时%d分钟%d秒'%(struct_time.tm_year-1970,struct_time.tm_mon-1,
                                       struct_time.tm_mday-1,struct_time.tm_hour,
                                       struct_time.tm_min,struct_time.tm_sec))

计算时间差

三、random模块

random库是生成随机数的Python标准库（随着Python解释器自带的库，不需要安装，直接使用import导入）。其实计算机无法产生随机数，只能产生伪随机数，采用梅森旋转算法，产生伪随机序列，序列中的每个元素就是随机数。原理如下：

#随机数种子：seed() 初始化给定的随机数种子，默认为当前的系统时间；(利用随机数种子产生确定的随机数)
>>>random.seed(10) #产生种子10对应的序列（如果给了种子，产生随机数就是相同的，这样有必要再现随机数的话可以复现程序运行的过程）

>>> import random
#随机小数
>>> random.random()      # 大于等于0且小于1.0之间的小数
0.7664338663654585
>>> random.uniform(1,3) #大于1小于3的小数
1.6270147180533838

## random.getrandbits(k) ##生成一个K比特长的随机整数
>>> random.getrandbits(16) 
　　28107

random.uniform(a,b) #生成一个[a,b]间的随机小数
>>>random.uniform(1,10)
　　7.122389422847517 #Python表示的浮点数是小数点后有16位

#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


#随机选择一个元素返回
>>> 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,原序列不变
[[4, 5], '23']


#打乱列表顺序，原序列改变

#random.shuffle()
s = [1,2,3,4,5,6,7,8,9,10];random.shuffle(s);print(s) #几条语句可以写在一行用"；"隔开
#[5, 10, 1, 8, 6, 7, 4, 9, 2, 3]

>>> 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]

练习：生成随机验证码

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())

生成验证码

 四、 OS模块

　　OS库是和操作系统相关的库：

　　

os.makedirs('dirname1/dirname2')    可生成多层递归目录
os.removedirs('dirname1')    若目录为空，则删除，并递归到上一级目录，如若也为空，则删除，依此类推
os.mkdir('dirname')    生成单级目录；相当于shell中mkdir dirname
os.rmdir('dirname')    删除单级空目录，若目录不为空则无法删除，报错；相当于shell中rmdir dirname
os.listdir('dirname')    列出指定目录下的所有文件和子目录，包括隐藏文件，并以列表方式打印
os.remove()  删除一个文件
os.rename("oldname","newname")  重命名文件/目录
os.stat('path/filename')  获取文件/目录信息

os.curdir 　#返回当前目录 打印输出“.”，一个"." 表示当前目录
os.pardir　 #获取当前目录的父目录字符串：“..”表示上一层目录

os.getlogin() #获取当前登录的用户名称
os.cpu_count() #返回当前系统CPU的数量
os.urandom(n) #产生n个字节长度的随机字符串（通常用于与操作系统相关的加解密运算中）

os.sep 输出操作系统特定的路径分隔符， Win下为 ""; Linux 下为“/”

os.linesep  输出当前平台使用的行终止符，win下为"	
",Linux下为"
"

os.system("bash command") 运行shell命令，直接显示 
os.getcwd() 获取当前工作目录，即当前python脚本工作的目录路径
os.chdir("dirname") 改变当前脚本工作目录；相当于shell下cd

os.pathsep    输出用于分割文件路径的字符串 win下为;,Linux下为:
os.name    输出字符串指示当前使用平台。win->'nt'; Linux->'posix'
os.popen("bash command).read()  运行shell命令，获取执行结果
os.environ  获取系统环境变量

os.path子库（操作和处理文件路径）

os.path.abspath(path) 返回path规范化的绝对路径（返回path在当前系统的绝对路径）

os.path.normpath(path) 归一化path表示形式，统一用“”分隔路径

os.path.relpath(path) 返回当前程序与文件之间的相对路径

os.path.split(path) 将path分割成目录和文件名二元组返回 

os.path.dirname(path) 返回path的目录的名字。其实就是os.path.split(path)的第一个元素 
os.path.basename(path) 返回path最后的文件名。如何path以／或结尾，那么就会返回空值。即os.path.split(path)的第二个元素
os.path.exists(path)  如果path存在，返回True；如果path不存在，返回False
os.path.isabs(path)  如果path是绝对路径，返回True
os.path.isfile(path)  如果path是一个存在的文件，返回True。否则返回False
os.path.isdir(path)  如果path是一个存在的目录，则返回True。否则返回False
os.path.join(path1[, path2[, ...]])  将多个路径组合后返回，第一个绝对路径之前的参数将被忽略
os.path.getatime(path)  返回path所指向的文件或者目录的最后访问时间
os.path.getmtime(path)  返回path所指向的文件或者目录的最后修改时间
os.path.getsize(path)  返回path的大小
*******************************************
os.system(command):OS库的进程管理，使用编写的Python程序调用外部的程序；
以下是Python程序调用Windows环境下的计算器程序：

注意：os.stat('path/filename')  获取文件/目录信息的结构说明:

stat 结构:
st_mode: inode 保护模式
st_ino: inode 节点号。
st_dev: inode 驻留的设备。
st_nlink: inode 的链接数。
st_uid: 所有者的用户ID。
st_gid: 所有者的组ID。
st_size: 普通文件以字节为单位的大小；包含等待某些特殊文件的数据。
st_atime: 上次访问的时间。
st_mtime: 最后一次修改的时间。
st_ctime: 由操作系统报告的"ctime"。在某些系统上（如Unix）是最新的元数据更改的时间，在其它系统上（如Windows）是创建时间（详细信息参见平台的文档）。

OS模块属性：

os.sep    输出操作系统特定的路径分隔符，win下为"\",Linux下为"/"
os.linesep    输出当前平台使用的行终止符，win下为"
",Linux下为"
"
os.pathsep    输出用于分割文件路径的字符串 win下为;,Linux下为:
os.name    输出字符串指示当前使用平台。win->'nt'; Linux->'posix'

五、sys模块

　　sys模块是与python解释器交互的一个接口.

sys.argv           命令行参数List，第一个元素是程序本身路径（在执行脚本之前，向脚本传递参数，这些参数传递到sys.argv里面了）
sys.exit(n)        退出程序，正常退出时exit(0),错误退出sys.exit(1)
sys.version        获取Python解释程序的版本信息
sys.path           返回模块的搜索路径，初始化时使用PYTHONPATH环境变量的值
sys.platform       返回操作系统平台名称

#异常处理和status

import sys
try:
    sys.exit(1)
except SystemExit as e:
    print(e) 

六、序列化模块

　　什么叫序列化——将原本的字典、列表等内容转换成一个字符串的过程就叫做序列化。（序列化就是转向一个字符串的过程，序列指的就是字符串；主要用在网络传输和数据存储的场景）

　　思考：为什么要序列化？

比如，我们在python代码中计算的一个数据需要给另外一段程序使用，那我们怎么给？
现在我们能想到的方法就是存在文件里，然后另一个python程序再从文件里读出来。
但是我们都知道，对于文件来说是没有字典这个概念的，所以我们只能将数据转换成字符串放到文件中。
你一定会问，将字典转换成一个字符串很简单，就是str(dict)就可以办到了，为什么我们还要学习序列化模块呢？
没错序列化的过程就是从dic 变成str(dict)的过程。现在你可以通过str(dict)，将一个名为dic的字典转换成一个字符串，
但是你要怎么把一个字符串转换成字典呢？
聪明的你肯定想到了eval()，如果我们将一个字符串类型的字典str_dict传给eval，就会得到一个返回的字典类型了。
eval()函数十分强大，但是eval是做什么的？e官方demo解释为：将字符串str当成有效的表达式来求值并返回计算结果。
ＢＵＴ！强大的函数有代价。安全性是其最大的缺点。
想象一下，如果我们从文件中读出的不是一个数据结构，而是一句"删除文件"类似的破坏性语句，那么后果实在不堪设设想。
而使用eval就要担这个风险。
所以，我们并不推荐用eval方法来进行反序列化操作(将str转换成python中的数据结构)

序列化的目的

1、以某种存储形式使自定义对象持久化；

2、将对象从一个地方传递到另一个地方。

3、使程序更具维护性

json：通用的序列化格式（存在弊端，只有很少的一部分数据类型可以通过json转换成字符串）

pickle：所有的数据类型都可以转换成字符串形式，但是序列化的内容只有python能理解，部分反序列化时依赖python代码。

shelve:序列化句柄，使用句柄直接操作，比较方便。

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Json：模块提供了四个功能：dumps、dump、loads、load

#dumps：序列化方法 ；#loads:反序列化方法（dumps/loads 是对内存中的数据进行序列化，序列化完成后数据还在内存中）

#要点一：
import json
dic = {"k":"v"}
print(type(dic),dic)#<class 'dict'> {'k': 'v'}
str_d = json.dumps(dic)
print(type(str_d),str_d)#<class 'str'> {"k": "v"}；json 本身是单引号，但是内部使用的字符串元素都为双引号
dic_d = json.loads(str_d) #反序列化
print(type(dic_d),dic_d) #<class 'dict'> {'k': 'v'}

##json能够序列化的的数据类型有：数字、字符串、列表、字典、元组（元组经过序列化后生成列表）

import json
tu = (1,2,3,4,5)
str_u = json.dumps(tu)
print(type(str_u),str_u)
tup_u = json.loads(str_u)
print(type(tup_u),tup_u)
#####
<class 'str'> [1, 2, 3, 4, 5]
<class 'list'> [1, 2, 3, 4, 5]

# dump load 是和文件相关的操作（往文件里写）

import json
f = open('json_file','w')
dic = {'k1':'v1','k2':'v2','k3':'v3'}
json.dump(dic,f)  #dump方法接收一个文件句柄，直接将字典转换成json字符串写入文件
f.close()

f = open('json_file')
dic2 = json.load(f)  #load方法接收一个文件句柄，直接将文件中的json字符串转换成数据结构返回
f.close()
print(type(dic2),dic2)#<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}

#ensure_ascii 关键字参数
import json
f = open('file','w',encoding='utf-8')
json.dump({'国籍':'中国'},f)
ret = json.dumps({'国籍':'中国'})
f.write(ret+'
')
json.dump({'国籍':'美国'},f,ensure_ascii=False)
ret = json.dumps({'国籍':'美国'},ensure_ascii=False)
f.write(ret+'
')
f.close()

import json
dic = {"国籍":"美国"}
f = open("json_file","w",encoding="utf-8")
json.dump(dic,f)
f.close()

f = open("json_file","r",encoding="utf-8")
res = json.load(f)
f.close()
print(res)#{'国籍': '美国'}

# 在用json 的dump和load向文件中写和读时，必须是一次性写（写可以是多次写）和一次性读（必须是一次性读）

#怎样做到分次往文件里写，分次从文件中读
import json
lst = [{"k1":"111"},{"k2":"222"},{"k3":"333"}]
f = open("json_file","w",encoding="utf-8")
for dct in lst:
    str_dic = json.dumps(dct)
    f.write(str_dic+"
")
f.close()

f = open("json_file","r",encoding="utf-8")
L = []
for line in f:
    dic = json.loads(line.strip())
    L.append(dic)
    print(L)
f.close()
##################
[{'k1': '111'}, {'k2': '222'}, {'k3': '333'}]

json & pickle 模块：

Pickle

Pickle模块提供了四个功能:dumps,dump,loads,load

优点：所有的python中的数据类型都可以转化为字符串形式

缺点：pickle序列化的内容只有python能理解，且部分反序列化依赖python代码

用于序列化的两个模块

• json，用于字符串 和 python数据类型间进行转换
• pickle，用于python特有的类型 和 python的数据类型间进行转换

pickle模块提供了四个功能：dumps、dump(序列化，存）、loads（反序列化，读）、load  （不仅可以序列化字典，列表...可以把python中任意的数据类型序列化

import pickle
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = pickle.dumps(dic)
print(str_dic)  #一串二进制内容

dic2 = pickle.loads(str_dic)
print(dic2)    #字典

import time
struct_time  = time.localtime(1000000000)
print(struct_time)
f = open('pickle_file','wb')
pickle.dump(struct_time,f)
f.close()

f = open('pickle_file','rb')
struct_time2 = pickle.load(f)
print(struct_time2.tm_year)
f.close()
#pickle可以分次写和读

Shelve：

Shelve提供了open方法，是用key来访问的，使用起来和字典类似。

import shelve
f = shelve.open('shelve_file')
f['key'] = {'int':10, 'float':9.5, 'string':'Sample data'}  #直接对文件句柄操作，就可以存入数据
f.close()

f1 = shelve.open('shelve_file')
existing = f1['key']  #取出数据的时候也只需要直接用key获取即可，但是如果key不存在会报错
f1.close()
print(existing)
###############
{'int': 10, 'float': 9.5, 'string': 'Sample data'}

shelve这个模块有个限制，它不支持多个应用同一时间往同一个DB进行写操作。所以当我们知道我们的应用如果只进行读操作，

我们可以让shelve通过只读方式打开DB.

#shelve 只读
import shelve
f = shelve.open('shelve_file', flag='r')
existing = f['key']
f.close()
print(existing

###################
由于shelve在默认情况下是不会记录待持久化对象的任何修改的，所以我们在shelve.open()时候需要修改默认参数，
否则对象的修改不会保存。

import shelve
f1 = shelve.open('shelve_file')
print(f1['key'])
f1['key']['new_value'] = 'this was not here before'
f1.close()

f2 = shelve.open('shelve_file', writeback=True) #修改可以感知到
print(f2['key'])
f2.close()

#####
{'int': 10, 'float': 9.5, 'string': 'Sample data', 'new_value': 'this was not here before'}
######
writeback方式有优点也有缺点。优点是减少了我们出错的概率，并且让对象的持久化对用户更加的透明了；但这种方式并不是所有的情况下都需要，
首先，使用writeback以后，shelve在open()的时候会增加额外的内存消耗，并且当DB在close()的时候会将缓存中的每一个对象都写入到DB，
这也会带来额外的等待时间。因为shelve没有办法知道缓存中哪些对象修改了，哪些对象没有修改，因此所有的对象都会被写入。