Python 常见库

Python 常见库

介绍

标准库

• Python 标准库官网
• os
  • os.name 字符串指示你正在使用的平台。比如对于 Windows，它是’nt’，而对于 Linux/Unix 用户，它是’posix'
  • os.getcwd()函数得到当前工作目录，即当前 Python 脚本工作的目录路径
  • os.getenv()和os.putenv()函数分别用来读取和设置环境变量
  • os.listdir()返回指定目录下的所有文件和目录名
  • os.remove()函数用来删除一个文件
  • os.system()函数用来运行 shell 命令
  • os.popen 函数用来运行 shell 命令，获取内容时可使用 read() 或 readlines() 方法
  • os.stat 执行 stat 信息
    • 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
• six : 专门用来兼容 Python 2 和 Python 3 的库。解决了如 urllib 的部分方法不兼容， str 和 bytes 类型不兼容等问题
• sys
  • sys.argv 程序的入口参数，是一个列表
  • sys.path 装载模块的搜索路径，是一个列表
  • sys.version python 的版本，是一个 string
  • sys.exit(status) 退出程序,是一个函数
  • sys.stdin.buffer.read(<size>) 从 stdin 读取二进制数据
• time
  • time.sleep(n) 休息 n 秒，可以是小数
  • time.time() 返回一个浮点数，从 1970-1-1 00:00:000 到当前绝对时间的秒数，还有 6 位的小数
  • time.localtime(second) 返回一个元组,如果没有 second，就使用 time.time()返回的秒
    • 元组示例：(2009, 8, 2, 20, 40, 3, 6, 214, 0)
  • time.strftime(format) 格式：time.strftime(’%Y-%m-%d %H:%M:%d’ ‘2009-08-02 20:50:02’
  • time.monotonic() 确保计时的单调性，在系统时钟发生复位时它能自动将该事件的时差考虑进去
• math
  • 四舍五入，向下取余：import math; math.floor(39.9)
  • 平方根：import math; math.sqrt(9)
  • x 的 y 次方：import math; math.pow(x, y)
• random
  • 随机数：import random; random.randint(1, 100)
• md5
  • md5.new(arg) arg 要 md5 的内容，返回一个 md5 对象
  • digest() 摘要，返回 16 个字节
  • hexdigest() 16 进制摘要，返回 32 个字节
• base64
  • base64.b64encode
  • base64.b64decode
• hashlib
  • hashlib.md5()
  • hashlib.sha1()
• 字符串与 Python Obj 转化
  • eval 作用：将字符串 str 当成有效的表达式来求值并返回计算结果，可以把 list、tuple、dict 和 string 相互转化，示例：

str1 = "{'a': 1, 'b': 2}"
json1 = eval(str1)
print(type(json1))
print(json1)

• ast 模块帮助 Python 应用程序处理 Python 抽象语法语法树
  • 用来将字符串转化为 Python obj

import ast

str1 = "{'a': 1, 'b': 2}"
json1 = ast.literal_eval(str1)
print(type(json1))
print(json1)

• json.loads() & s.replace() 库
• 正则获取

import re

# 提供的字符串
s = "{'a': 1, 'b': 2}"

# 正则表达式模式，匹配key和value
pattern = r"'([^']+)':\s*('([^']*)'|([^']*))"

# 查找所有匹配项
matches = re.findall(pattern, s)

# 根据匹配结果构建字典
result_dict = {match[0]: match[1] for match in matches}

# 打印结果字典
print(result_dict)

• 自己写 Python 解析

s = "{'a': 1, 'b': 2}"

def string_to_dict(s):
    new_dict = {}

    # Determine key, value pairs
    mappings = s.replace('{', '').replace('}', '').split(',')

    for x in mappings:
        key, value = x.split(':')

        # Automatically convert (key, value) pairs to correct type
        key, value = eval(key), eval(value)

        # Store (key, value) pair
        new_dict[key] = value

    return new_dict


d = string_to_dict(s)

print(d)
print(type(d))

• 从命令行读取
  • raw_input() 函数会把所有的输入当作原始数据（raw data），然后将其放入字符串中
  • key = input("输入字符：") 函数会假设用户输入是合法的 python 表达式
• psutil 用来获取操作系统以及硬件相关的信息，比如：CPU、磁盘、网络、内存等
• shutil module 很方便，是 os 模块的补充
• re 正则提取字符串
  • import re re.match(r'^(\d+)(0*)$', '102300').groups()
  • re.compile(r'^(\d{3})-(\d{3,8})$') 先预编译，然后在 match，提高效率
• configparser 读取 config 或 ini 配置文件
• http 库
  • http.client
• fcntl 文件的加锁与解锁
• heapq Heap queue algorithm 该模块提供了堆队列算法的实现，也称为优先级队列算法。
• operator Standard operators as functions
• site
  • site.getusersitepackages() 获取用户的 python site 路径：~/.local/lib/pythonX.Y/site-packages
  • site.getsitepackages() 返回包含所有全局 site-packages 目录的列表
• string 可打印字符

import string

s = "some\x00string. with\x15 funny characters"
printable = set(string.printable)
''.join([i for i in filter(lambda x: x in printable, s)])

# 'somestring. with funny characters'

• weakref 弱引用

  • Python 的垃圾回收机制会自动回收没有被引用的对象，通过引用计数来标记清除
  • 弱引用不会增加对象的引用数量
  • 弱引用一般使用在缓存应用中
  • 创建弱引用对象：weakref.ref(object[, callback])
  • weakref.proxy(object[, callback]) proxy 相比 ref 获取的对应，可以省去函数调用
  • weakref.WeakKeyDictionary([dict]) 当 key 不在有引用计数时，key-value 自动在字典中删除
  • weakref.WeakValueDictionary([dict]) 当 value 不在有引用计数时，key-value 自动在字典中删除
  • weakref.finalize(object, callback, callparams) 标志原始对象的销毁
  • weakref.getweakrefcount(object) 获取弱引用计数

• 执行脚本

import subprocess
result = subprocess.run("echo \"blah\"", stdout=subprocess.PIPE, stderr=subprocess.PIPE, shell=True)

第三方库

• 解析 html 页面：from HTMLParser import HTMLParser
• 图像处理标准库：PIL：Python Imaging Library
• email
  • Python 对 SMTP 支持有 smtplib 和 email 两个模块，email 负责构造邮件，smtplib 负责发送邮件
  • Python 内置一个 poplib 模块，实现了 POP3 协议，可以直接用来收邮件。要把 POP3 收取的文本变成可以阅读的邮件，还需要用 email 模块提供的各种类来解析原始文本，变成可阅读的邮件对象
• json模块提供的方法和 cPickle 模块类似，都有 dump，dumps，load，loads 方法
• python-socketio
• rq 轻量级的任务队列
• plotly 开源数据可视化框架
• Pillow（PIL）是 Python 图像处理的基础库
• 进度条（Progress Bar）
  • tqdm
  • alive-progress
  • progressbar2
  • progressbar
• pprint 美化输出
• xmlrpc
• Traitlets 允许 Python 自定义类拥有类型检查（@default）、动态计算默认值（@observe）和Change回调（@validate）这三种特性
  • tempfile 创建临时文件和文件夹
  • retrying 提供 @retry() 装饰器
  • curlify 输出 requesty 包的 curl 实现
• serial 与串口通信的模块
• attrs 面向对象编程 OOP
• prettytable 以直观的 ASCII 表格格式显示表格数据，源码
• pycryptodome lib 自成一体的 Python 低级密码原语包

yaml

• old.yaml

data:
  name: "中国"
  cityName: "上海"

• 转化

import yaml


with open('old.yaml', 'r', encoding='utf-8') as f:
  content = yaml.safe_load(f.read())

with open('new.yaml', 'a', encoding='utf-8') as fw:
  yaml.dump(content, fw, allow_unicode=True)  # allow_unicode=True 解决 yaml 中文乱码

requests

• requests.get("http://example.org", proxies={"https": "http://10.10.10.10:1080"})

  • 超时
    • 如 get 可以通过 timeout 字段控制
    • connect and the read timeouts
      • r = requests.get('https://github.com', timeout=(3.05, 27))，参考
    • 还需要考虑因 DNS 解析超时引起的超时情况

• 解决 self-signed certificate in certificate 问题

requests.exceptions.SSLError: HTTPSConnectionPool('host=<domain>', port=443): Max retries exceeded with url: <url> (caused by ...ssl. SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: self-signed certificate in certificate chain ...)

解决方式：

• 查看证书 openssl s_client -connect <domain>:443 -showcerts

• requests.request(xxx, verify=False)

• 使用 truststore

• 将证书添加到 certifi 的certifi/cacert.pem中

import certifi
print(certifi.where())

• 环境变量REQUESTS_CA_BUNDLE 覆盖 Requests 的cert.pem路径

其他

• a=0xffff 十六进制表示
• import types types.StringType
• 判断类型用 type()函数，判断继承类的类型用 isinstance()函数
• type()可以动态创建类，而不需要使用 class 定义的方式，例如：type('Hello', (object,), dict(hello=fn))，通过 type()函数创建的类和直接写 class 是完全一样的，因为 Python 解释器遇到 class 定义时，仅仅是扫描一下 class 定义的语法，然后调用 type()函数创建出 class
• 元类 metaclass：除了使用 type()动态创建类以外，要控制类的创建行为，还可以使用 metaclass
• 序列化在 python 中叫pickling，其他语言中称为：serialization，marshalling
• 通常 class 的实例都有一个__dict__属性，它就是一个 dict，用来存储实例变量
• 大部分 web 应用都是 IO 密集型
• 单进程的异步编程模型称为协程，有了协程的支持，就可以基于事件驱动编写高效的多任务程序
• collections 模块
  • 用 namedtuple 可以很方便地定义一种数据类型，它具备 tuple 的不变性，又可以根据属性来引用，使用十分方便
  • deque 是双向列表，解决了 list 插入和删除低效的问题
  • defaultdict（带默认值的 dict） 当 key 不存在时，不再抛出 KeyError，而是返回一个默认值
  • OrderedDict，有顺序的 dict
  • Counter 实际上是 dict 的一个子类
• itertools模块提供的全部是处理迭代功能的函数，它们的返回值不是 list，而是迭代对象，只有用 for 循环迭代的时候才真正计算
  • groupby 等方法

使用示例

Python 排序

from distutils.version import StrictVersion
# from packaging.version import Version  # 建议使用，Version 重新封装
versions = ["1.1.2", "1.0.0", "1.3.3", "1.0.12", "1.0.2"]
versions.sort(key=StrictVersion)

versions.sort(key=lambda s: list(map(int, s.split('.'))))
versions_list.sort(key=lambda s: [int(u) for u in s.split('.')])

re 正则表达式

• (?P...) 命名组

import re

s = 'abc123de'
pattern = re.compile(r'(?P<abc>\d+)(?P<xyz>\D+)')

m = re.search(pattern, s)
m.group('xyz')
m.group('abc')

pickle 示例

• pickle 是一个持久化模块，支持持久化各种数据，适合于 Python 复杂数据的存贮
• 类似的实现 shelve、cPickle、Json、Protobuf
  • cPickle 模块是 c 语言写的，专门处理序列化
  • cPickle.dumps() dump 成 str，cPickle.dump() dump 到文件中，cPickle.loads() 反序列化 str 成对象，cPickle.load() 从文件中反序列化出对象

import pickle

data = {'str': 'hello world!', 'list': [1, 2, 3, 4]}

# 写示例
with open('data.pickle', 'wb') as f:
  pickle.dump(data, f, -1)

# 读示例
with open('data.pickle', 'rb') as f:
  data2 = pickle.load(f)
  print(data2)

# 复制到变量
obj_bytes = pickle.dumps(data)

json

json 序列化，解决：TypeError: Object of type datetime is not JSON serializable

import json
from datetime import datetime

now = datetime.now()

# set default=str
json_str = json.dumps({'created_at': now}, default=str)

print(json_str)  # '{"created_at": "2023-07-19 17:42:13.501631"}'
print(type(json_str))  # <class 'str'>

• zlib 压缩，参考

import json
import base64
import zlib
obj = [1, 2, 3]
base64.b64encode(zlib.compress(str.encode(json.dumps(obj), 'utf-8'), 6))

zlib.decompress(data, /, wbits=MAX_WBITS, bufsize=DEF_BUF_SIZE)

xmlrpc

• server.py

from xmlrpc.server import SimpleXMLRPCServer

# 创建一个服务器实例
server = SimpleXMLRPCServer(("0.0.0.0", 8000))

def add(args):
    return args[0] + args[1]

# 注册函数到服务器
server.register_function(add)

# 开始监听请求
print("Listening on port 8000...")
server.serve_forever()

• client.py

from xmlrpc.client import ServerProxy

# 创建一个代理对象，连接到服务器
proxy = ServerProxy("http://localhost:8000")

# 调用服务器上的 add 函数
result = proxy.add([2, 3])

# 打印结果
print(result)  # 输出: 5

unicode

\u 开头的 unicode 转中文

# python3
i.encode('utf-8').decode('unicode_escape')  # i = '\u751F\u5316\u5371\u673A'

# python2
i.decode('unicode-escape')

str

d = {
    "name": "xiexianbin",
    "url": "http://www.xiexianbin.cn",
    "page": "18",
    "city": "china",
}

# 获取字典 key 的最大值
max_len = max(map(len, d.keys()))

# 左对齐输出
for k, v in d.items():
    print(k.ljust(max_len), ":", v)

# 右对齐输出
for k, v in d.items():
    print(k.rjust(max_len), ":", v)

# Output
name : xiexianbin
url  : http://www.xiexianbin.cn
page : 18
city : china
name : xiexianbin
 url : http://www.xiexianbin.cn
page : 18
city : china

timeit

timeit 用于测量代码的执行时间

• 基本使用

import timeit
result = timeit.timeit('sorted(range(1000)); print(math.pi)', setup='import math')

• 导入全局命名空间

import timeit
import math

result = timeit.timeit('print(math.pi)', number=5, globals=globals())
print(result)

• 使用 globals 参数自定义命名空间

import timeit

# 创建一个自定义的命名空间
my_globals = {}
exec('import math', my_globals)  # 使用exec在自定义命名空间中执行import语句

# 使用自定义的命名空间
# result = timeit.timeit('print(math.pi)', number=5, globals=my_globals)
result = timeit.repeat('print(math.pi)', repeat=5, number=1000000, globals=my_globals)
print(result)