zoukankan      html  css  js  c++  java
  • 常用模块

    一,什么是模块?

       常见的场景:一个模块就是一个包含了python定义和声明的文件,文件名就是模块名字加上.py的后缀。

       但其实import加载的模块分为四个通用类别: 

      1 使用python编写的代码(.py文件)

      2 已被编译为共享库或DLL的C或C++扩展

      3 包好一组模块的包

      4 使用C编写并链接到python解释器的内置模块

    为何要使用模块?

       如果你退出python解释器然后重新进入,那么你之前定义的函数或者变量都将丢失,因此我们通常将程序写到文件中以便永久保存下来,需要时就通过python test.py方式去执行,此时test.py被称为脚本script。

        随着程序的发展,功能越来越多,为了方便管理,我们通常将程序分成一个个的文件,这样做程序的结构更清晰,方便管理。这时我们不仅仅可以把这些文件当做脚本去执行,还可以把他们当做模块来导入到其他的模块中,实现了功能的重复利用,

    二,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.

     1 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?
     2 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。
     3 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典放到文件中。
     4 你一定会问,将字典转换成一个字符串很简单,就是str(dic)就可以办到了,为什么我们还要学习序列化模块呢?
     5 没错序列化的过程就是从dic 变成str(dic)的过程。现在你可以通过str(dic),将一个名为dic的字典转换成一个字符串,
     6 但是你要怎么把一个字符串转换成字典呢?
     7 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_dic传给eval,就会得到一个返回的字典类型了。
     8 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。
     9 BUT!强大的函数有代价。安全性是其最大的缺点。
    10 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。
    11 而使用eval就要担这个风险。
    12 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)
    13 
    14 为什么要有序列化模块

    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。

    2.1 json模块

    Json模块提供了四个功能:dumps、dump、loads、load

     1 import json
     2 dic = {'k1':'v1','k2':'v2','k3':'v3'}
     3 str_dic = json.dumps(dic)  #序列化:将一个字典转换成一个字符串
     4 print(type(str_dic),str_dic)  #<class 'str'> {"k3": "v3", "k1": "v1", "k2": "v2"}
     5 #注意,json转换完的字符串类型的字典中的字符串是由""表示的
     6 
     7 dic2 = json.loads(str_dic)  #反序列化:将一个字符串格式的字典转换成一个字典
     8 #注意,要用json的loads功能处理的字符串类型的字典中的字符串必须由""表示
     9 print(type(dic2),dic2)  #<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
    10 
    11 
    12 list_dic = [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}]
    13 str_dic = json.dumps(list_dic) #也可以处理嵌套的数据类型 
    14 print(type(str_dic),str_dic) #<class 'str'> [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}]
    15 list_dic2 = json.loads(str_dic)
    16 print(type(list_dic2),list_dic2) #<class 'list'> [1, ['a', 'b', 'c'], 3, {'k1': 'v1', 'k2': 'v2'}]
    17 
    18 loads和dumps
    19 
    20 dumps loads
     1 import json
     2 f = open('json_file','w')
     3 dic = {'k1':'v1','k2':'v2','k3':'v3'}
     4 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
     5 f.close()
     6 
     7 f = open('json_file')
     8 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
     9 f.close()
    10 print(type(dic2),dic2)
    11 
    12 dump load
     1 Serialize obj to a JSON formatted str.(字符串表示的json对象) 
     2 Skipkeys:默认值是False,如果dict的keys内的数据不是python的基本类型(str,unicode,int,long,float,bool,None),设置为False时,就会报TypeError的错误。此时设置成True,则会跳过这类key 
     3 ensure_ascii:,当它为True的时候,所有非ASCII码字符显示为uXXXX序列,只需在dump时将ensure_ascii设置为False即可,此时存入json的中文即可正常显示。) 
     4 If check_circular is false, then the circular reference check for container types will be skipped and a circular reference will result in an OverflowError (or worse). 
     5 If allow_nan is false, then it will be a ValueError to serialize out of range float values (nan, inf, -inf) in strict compliance of the JSON specification, instead of using the JavaScript equivalents (NaN, Infinity, -Infinity). 
     6 indent:应该是一个非负的整型,如果是0就是顶格分行显示,如果为空就是一行最紧凑显示,否则会换行且按照indent的数值显示前面的空白分行显示,这样打印出来的json数据也叫pretty-printed json 
     7 separators:分隔符,实际上是(item_separator, dict_separator)的一个元组,默认的就是(‘,’,’:’);这表示dictionary内keys之间用“,”隔开,而KEY和value之间用“:”隔开。 
     8 default(obj) is a function that should return a serializable version of obj or raise TypeError. The default simply raises TypeError. 
     9 sort_keys:将数据根据keys的值进行排序。 
    10 To use a custom JSONEncoder subclass (e.g. one that overrides the .default() method to serialize additional types), specify it with the cls kwarg; otherwise JSONEncoder is used.
    11 
    12 其他参数说明
    1 import json
    2 data = {'username':['李华','二愣子'],'sex':'male','age':16}
    3 json_dic2 = json.dumps(data,sort_keys=True,indent=2,separators=(',',':'),ensure_ascii=False)
    4 print(json_dic2)

    2.2 pickle模块

    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

     1 import pickle
     2 dic = {'k1':'v1','k2':'v2','k3':'v3'}
     3 str_dic = pickle.dumps(dic)
     4 print(str_dic)  #一串二进制内容
     5 
     6 dic2 = pickle.loads(str_dic)
     7 print(dic2)    #字典
     8 
     9 import time
    10 struct_time  = time.localtime(1000000000)
    11 print(struct_time)
    12 f = open('pickle_file','wb')
    13 pickle.dump(struct_time,f)
    14 f.close()
    15 
    16 f = open('pickle_file','rb')
    17 struct_time2 = pickle.load(f)
    18 print(struct_time2.tm_year)
    19 
    20 pickle

    这时候机智的你又要说了,既然pickle如此强大,为什么还要学json呢?
    这里我们要说明一下,json是一种所有的语言都可以识别的数据结构。
    如果我们将一个字典或者序列化成了一个json存在文件里,那么java代码或者js代码也可以拿来用。
    但是如果我们用pickle进行序列化,其他语言就不能读懂这是什么了~
    所以,如果你序列化的内容是列表或者字典,我们非常推荐你使用json模块
    但如果出于某种原因你不得不序列化其他的数据类型,而未来你还会用python对这个数据进行反序列化的话,那么就可以使用pickle

    2.3 shelve模块

    shelve也是python提供给我们的序列化工具,比pickle用起来更简单一些。
    shelve只提供给我们一个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()

    import shelve
    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)

    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

    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。
     1 import shelve
     2 f1 = shelve.open('shelve_file')
     3 print(f1['key'])
     4 f1['key']['new_value'] = 'this was not here before'
     5 f1.close()
     6 
     7 f2 = shelve.open('shelve_file', writeback=True)
     8 print(f2['key'])
     9 f2['key']['new_value'] = 'this was not here before'
    10 f2.close()
    11 
    12 设置writeback

    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,shelf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。

    三,hashlib模块

    算法介绍

    Python的hashlib提供了常见的摘要算法,如MD5,SHA1等等。

    什么是摘要算法呢?摘要算法又称哈希算法、散列算法。它通过一个函数,把任意长度的数据转换为一个长度固定的数据串(通常用16进制的字符串表示)。

    摘要算法就是通过摘要函数f()对任意长度的数据data计算出固定长度的摘要digest,目的是为了发现原始数据是否被人篡改过。

    摘要算法之所以能指出数据是否被篡改过,就是因为摘要函数是一个单向函数,计算f(data)很容易,但通过digest反推data却非常困难。而且,对原始数据做一个bit的修改,都会导致计算出的摘要完全不同。

    我们以常见的摘要算法MD5为例,计算出一个字符串的MD5值:

    1 import hashlib
    2  
    3 md5 = hashlib.md5()
    4 md5.update('how to use md5 in python hashlib?')
    5 print md5.hexdigest()
    6 
    7 计算结果如下:
    8 d26a53750bc40b38b65a520292f69306

    如果数据量很大,可以分块多次调用update(),最后计算的结果是一样的:

    MD5是最常见的摘要算法,速度很快,生成结果是固定的128 bit字节,通常用一个32位的16进制字符串表示。另一种常见的摘要算法是SHA1,调用SHA1和调用MD5完全类似:

    SHA1的结果是160 bit字节,通常用一个40位的16进制字符串表示。比SHA1更安全的算法是SHA256和SHA512,不过越安全的算法越慢,而且摘要长度更长。

    四,configparser模块

    该模块适用于配置文件的格式与windows ini文件类似,可以包含一个或多个节(section),每个节可以有多个参数(键=值)。

      1 """
      2 Django settings for webwx project.
      3 
      4 Generated by 'django-admin startproject' using Django 1.10.3.
      5 
      6 For more information on this file, see
      7 https://docs.djangoproject.com/en/1.10/topics/settings/
      8 
      9 For the full list of settings and their values, see
     10 https://docs.djangoproject.com/en/1.10/ref/settings/
     11 """
     12 
     13 import os
     14 
     15 # Build paths inside the project like this: os.path.join(BASE_DIR, ...)
     16 BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
     17 
     18 
     19 # Quick-start development settings - unsuitable for production
     20 # See https://docs.djangoproject.com/en/1.10/howto/deployment/checklist/
     21 
     22 # SECURITY WARNING: keep the secret key used in production secret!
     23 SECRET_KEY = 'mpn^n-s-&+ckg_)gl4sp^@8=89us&@*^r1c_81#x-5+$)rf8=3'
     24 
     25 # SECURITY WARNING: don't run with debug turned on in production!
     26 DEBUG = True
     27 
     28 ALLOWED_HOSTS = []
     29 
     30 
     31 # Application definition
     32 
     33 INSTALLED_APPS = [
     34     'django.contrib.admin',
     35     'django.contrib.auth',
     36     'django.contrib.contenttypes',
     37     'django.contrib.sessions',
     38     'django.contrib.messages',
     39     'django.contrib.staticfiles',
     40     'web',
     41 ]
     42 
     43 MIDDLEWARE = [
     44     'django.middleware.security.SecurityMiddleware',
     45     'django.contrib.sessions.middleware.SessionMiddleware',
     46     'django.middleware.common.CommonMiddleware',
     47     # 'django.middleware.csrf.CsrfViewMiddleware',
     48     'django.contrib.auth.middleware.AuthenticationMiddleware',
     49     'django.contrib.messages.middleware.MessageMiddleware',
     50     'django.middleware.clickjacking.XFrameOptionsMiddleware',
     51 ]
     52 
     53 ROOT_URLCONF = 'webwx.urls'
     54 
     55 TEMPLATES = [
     56     {
     57         'BACKEND': 'django.template.backends.django.DjangoTemplates',
     58         'DIRS': [os.path.join(BASE_DIR, 'templates')]
     59         ,
     60         'APP_DIRS': True,
     61         'OPTIONS': {
     62             'context_processors': [
     63                 'django.template.context_processors.debug',
     64                 'django.template.context_processors.request',
     65                 'django.contrib.auth.context_processors.auth',
     66                 'django.contrib.messages.context_processors.messages',
     67             ],
     68         },
     69     },
     70 ]
     71 
     72 WSGI_APPLICATION = 'webwx.wsgi.application'
     73 
     74 
     75 # Database
     76 # https://docs.djangoproject.com/en/1.10/ref/settings/#databases
     77 
     78 DATABASES = {
     79     'default': {
     80         'ENGINE': 'django.db.backends.sqlite3',
     81         'NAME': os.path.join(BASE_DIR, 'db.sqlite3'),
     82     }
     83 }
     84 
     85 
     86 # Password validation
     87 # https://docs.djangoproject.com/en/1.10/ref/settings/#auth-password-validators
     88 
     89 AUTH_PASSWORD_VALIDATORS = [
     90     {
     91         'NAME': 'django.contrib.auth.password_validation.UserAttributeSimilarityValidator',
     92     },
     93     {
     94         'NAME': 'django.contrib.auth.password_validation.MinimumLengthValidator',
     95     },
     96     {
     97         'NAME': 'django.contrib.auth.password_validation.CommonPasswordValidator',
     98     },
     99     {
    100         'NAME': 'django.contrib.auth.password_validation.NumericPasswordValidator',
    101     },
    102 ]
    103 
    104 
    105 # Internationalization
    106 # https://docs.djangoproject.com/en/1.10/topics/i18n/
    107 
    108 LANGUAGE_CODE = 'en-us'
    109 
    110 TIME_ZONE = 'UTC'
    111 
    112 USE_I18N = True
    113 
    114 USE_L10N = True
    115 
    116 USE_TZ = True
    117 
    118 
    119 # Static files (CSS, JavaScript, Images)
    120 # https://docs.djangoproject.com/en/1.10/howto/static-files/
    121 
    122 STATIC_URL = '/static/'
    123 STATICFILES_DIRS = (
    124     os.path.join(BASE_DIR,'static'),
    125 )
    126 
    127 Django的配置文件举例

    五,logging模块

    1 import logging  
    2 logging.debug('debug message')  
    3 logging.info('info message')  
    4 logging.warning('warning message')  
    5 logging.error('error message')  
    6 logging.critical('critical message')

    默认情况下Python的logging模块将日志打印到了标准输出中,且只显示了大于等于WARNING级别的日志,这说明默认的日志级别设置为WARNING(日志级别等级CRITICAL > ERROR > WARNING > INFO > DEBUG),默认的日志格式为日志级别:Logger名称:用户输出消息。

    灵活配置日志级别,日志格式,输出位置:

     1 logging  日志
     2 记录.花钱的,(淘宝)败家的,
     3 访问的记录,
     4 员工信息,debug等等都需要日志.
     5 
     6 1,被动触发: 与异常处理配合.访问记录.
     7 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.
     8 
     9 低配版 low版
    10 import logging
    11 logging.basicConfig(level=logging.INFO,
    12                     format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s',
    13                     filename='low版logging.log'
    14                     )
    15 msg = 'cpu 正常,硬盘参数...,流量的max:..最小值:.....'
    16 logging.info(msg)
    17 日志的信息:不能写入文件与显示 同时进行.
    1 高配版
    2 第一版:只输入文件中.
    3 import logging
    4 logger = logging.getLogger() # 创建logger对象.
    5 fh = logging.FileHandler('高配版logging.log',encoding='utf-8')  # 创建文件句柄
    1 # 吸星大法
    2 logger.addHandler(fh)
    3 
    4 logging.debug('debug message')
    5 logging.info('info message')
    6 logging.warning('warning message')
    7 logging.error('error message')
    8 logging.critical('critical message')
    1 # 第二版:文件和屏幕都存在.
    2 import logging
    3 logger = logging.getLogger() # 创建logger对象.
    4 fh = logging.FileHandler('高配版logging.log',encoding='utf-8')  # 创建文件句柄
    5 sh = logging.StreamHandler()  #产生了一个屏幕句柄
     1 # 吸星大法
     2 logger.addHandler(fh)  #添加文件句柄
     3 logger.addHandler(sh)  #添加屏幕句柄
     4 
     5 
     6 logging.debug('debug message')
     7 logging.info('info message')
     8 logging.warning('warning message')
     9 logging.error('error message')
    10 logging.critical('critical message')                                                        
    1 # 第三版:文件和屏幕都存在的基础上 设置显示格式.
    2 import logging
    3 logger = logging.getLogger() # 创建logger对象.
    4 fh = logging.FileHandler('高配版logging.log',encoding='utf-8')  # 创建文件句柄
    5 sh = logging.StreamHandler()  #产生了一个屏幕句柄
    6 formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
     1 # # 吸星大法
     2 logger.addHandler(fh)  #添加文件句柄
     3 logger.addHandler(sh)  #添加屏幕句柄
     4 sh.setFormatter(formatter)  # 设置屏幕格式
     5 fh.setFormatter(formatter)  # 设置文件的格式  (这两个按照需求可以单独设置)
     6 
     7 
     8 logging.debug('debug message')
     9 logging.info('info message')
    10 logging.warning('warning message')
    11 logging.error('error message')
    12 logging.critical('critical message')
    13 
    14 #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.
    15 import logging
    16 logger = logging.getLogger() # 创建logger对象.
    17 fh = logging.FileHandler('高配版logging.log',encoding='utf-8')  # 创建文件句柄
    18 sh = logging.StreamHandler()  #产生了一个屏幕句柄
    19 formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
    20 # logger.setLevel(logging.DEBUG)
    21 #如果你对logger对象设置日志等级.那么文件和屏幕都设置了.
    22 #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.
    23 
    24 # # 吸星大法
    25 logger.addHandler(fh)  #添加文件句柄
    26 logger.addHandler(sh)  #添加屏幕句柄
    27 sh.setFormatter(formatter)  # 设置屏幕格式
    28 fh.setFormatter(formatter)  # 设置文件的格式  (这两个按照需求可以单独设置)
    29 fh.setLevel(logging.DEBUG)
    30 
    31 logging.debug('debug message')
    32 logging.info('info message')
    33 logging.warning('warning message')
    34 logging.error('error message')
    35 logging.critical('critical message')
    认真做一件事,并将之完全学会掌握为止!
  • 相关阅读:
    [在Windows上使用Unix工具]MKS
    [MySQL]导入导出
    《Excel与VBA程序设计》写作计划
    由Google Map API想开去
    《Excel与VBA程序设计》第七章
    转载:东拉西扯:产业链
    Google ToolBar 3.0 Beta试用
    UI和界面可用性设计
    《Excel与VBA程序设计》第一章
    关于通过COM自动化调用Excel的效率问题
  • 原文地址:https://www.cnblogs.com/wr13640959765/p/9277462.html
Copyright © 2011-2022 走看看