常用模块
为何使用模块?
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
常用模块
collections模块
在内置数据类型(dict, list, set, tuple)的基础上,collection模块提供了几个额外的数据类型; Counter, deque, defaultdict, namedtuple, OrderedDict
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
表示牌的花色和数字，也可以用namedtuple定义
1 Card = namedtuple('card', ['suits', 'num'])
2 c1 = Card('红桃', 2)
3 print(c1) # card(suits= '红桃', num = 2)
# nametupled('名称', [属性list])
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：
1 import queue
2 q = queue.Queue()
3 q.put(10) # 加数据
4 q.put(5)
5 print(q.qsize()) # 查看队列总个数
6 print(q) # <queue.Queue object at 0x00F922F0>
7 print(q.get()) # 查看数 先进先出
8 print(q.get())
9 # print(q.get()) # 值取完没有值就一直等待 阻塞
deque双端操作
1 from collections import deque
2 dq = deque([1, 2])
3 dq.append('a') # 从后面放数据 [1,2,'a']
4 dq.appendleft('b') # 从前面放数据 ['b',1,2,'a']
5 dq.insert(1,3) # ['b',3,1,2,'a']
6 print(dq.pop()) # 从后面取数据
7 print(dq.popleft()) # 从前面取数据
8 print(dq) # deque([3, 1, 2])
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：
1 from collections import OrderedDict
2
3 d =dict([('a', 1), ('b', 2), ('c', 3)])
4 print(d) # dict的key是无序的 {'a': 1, 'b': 2, 'c': 3}
5 od = OrderedDict([('a', 1), ('b', 2), ('c', 3)])
6 print(od) # OrderedDict的key是有序的
7 # OrderedDict([('a', 1), ('b', 2), ('c', 3)])
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}
1 values = [11, 22, 33, 44, 55, 66, 77, 88, 99, 90]
2 my_dict = {'k1': [], 'k2': []}
3 for value in values:
4 if value>66:
5 my_dict['k1'].append(value)
6 elif value<66:
7 my_dict['k2'].append(value)
8 print(my_dict) # {'k1': [77, 88, 99, 90], 'k2': [11, 22, 33, 44, 55]}
1 from collections import defaultdict
2 values = [11, 22, 33, 44, 55, 66, 77, 88, 99, 90]
3 my_dict = defaultdict(list)
4 for value in values:
5 if value > 66:
6 my_dict['k1'].append(value)
7 else:
8 my_dict['k2'].append(value)
9 print(my_dict)
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
Counter r
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）。
1 from collections import Counter
2 c = Counter('abcajnckjscsaa')
3 print(c) # Counter({'a': 4, 'c': 3, 'j': 2, 's': 2, 'b': 1, 'n': 1, 'k': 1})
时间模块
# 常用模块
1. time.time() 获取当前的时间戳
2. time.sleep(secs) (线程)推迟指定的时间运行.单位是秒
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 给人看的
%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） 结构化时间：计算用的
使用:
# 导入时间模块
import time
# 时间戳
print(time.time()) # 1581041973.3598251
# 时间字符串
print(time.strftime('%Y-%m-%d %X')) # 2020-02-07 10:19:33
#时间元组:localtime将一个时间戳转换为当前时区的struct_time
print(time.localtime())
print(time.localtime().tm_year # 2020
# 时间戳和结构化时间
t = time.time()
print(time.localtime(t)) # Timestamp --> struct_time
print(time.gmtime(t)) # Timestamp --> struct_time
print(time.mktime(time.localtime())) # struct_time --> Timestamp
print(time.strftime('%m/%d/%y %H:%M:%S', time.localtime(3000000000))) # struct_time --> Format string
# 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
print(time.asctime(time.localtime(15000000000))) # Mon May 1 10:40:00 2445
print(time.asctime()) # Fri Feb 7 10:19:33 2020
from datetime import datetime
d = datetime.strptime('2019/9/30', '%Y/%m/%d')
print(d) # 2019-09-30 00:00:00
e = datetime.strptime('2019年9月20日星期六', '%Y年%m月%d日星期六')
print(e) # 2019-09-30 00:00:00
f = datetime.strptime('2019年9月20日星期六8时42分24秒', '%Y年%m月%d日星期六%H时%M分%S秒')
print(f) # 2019-09-20 08:42:24
random模块
import random
print(random.random()) # 大于0且小于1之间的小数
print(random.uniform(1, 3)) # 大于1小于3的小数
# 随机整数
print(random.randint(1, 5)) # 大于等于1且小于等于5之间的整数
print(random.randrange(1, 10, 2)) # 大于等于1且小于等于10之间的奇数
# 随机选一个返回
print(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
print(random.sample([1, '23', [4, 5]], 2)) # 列表元素任意2个组合
# 打乱列表顺序
item = [1, 3, 5, 7, 9]
random.shuffle(item) # 打乱次序
print(item)
1 import random
2 def s_code():
3 code=' '
4 for i in range(5):
5
6 num = random.randint(0, 9) # 大于等于0且小于等于9
7 alf = chr(random.randint(65, 90))
8 add = random.choice([num, alf])
9 code = ' '.join([code, str(add)])
10
11 return code
12 print(s_code)
os模块
import os
print(os.getcwd()) # 获取当前工作目录
print(os.curdir) # 返回当前目录
print(os.pardir) # 返回当前目录的父目录字符串名
print(os.sep)
print(os.environ) # 获取环境变量
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
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
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。
str -> 数据结构 ： 反序列化
数据结构 -> str ：序列化
json
json模块提供了四个功能:dumps、dump、 loads、 load
import json
dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
str_dic = json.dumps(dic) # 序列化：将一个字典转换成一个字符串
print(type(str_dic),str_dic) #<class 'str'> {"k3": "v3", "k1": "v1", "k2": "v2"}
#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
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
#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
print(type(dic2),dic2) #<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'
list_dic = [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}]
str_dic = json.dumps(list_dic) #也可以处理嵌套的数据类型
print(type(str_dic),str_dic) #<class 'str'> [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}]
list_dic2 = json.loads(str_dic)
print(type(list_dic2),list_dic2) #<class 'list'> [1, ['a', 'b', 'c'], 3, {'k1': 'v1', 'k2': 'v2'}]
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)
pickle
1. 所有的python中的数据类型都可以转化成字符串形式
2. pickle序列化的内容只有python能理解
3. 且部分反序列化依赖代码
shelve
1. 序列化句柄
2. 使用句柄直接操作，操作简单
hashlib模块
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）
import hashlib # 提供摘要算法的模块
md5 = hashlib.md5()
md5.update(b'alex3714')
print(md5.hexdigest())
# 不管算法多么不同，摘要的功能始终不变
# 对于相同的字符串使用同一个算法进行摘要，得到的值总是不变的
# 使用不同算法对相同字符串进行摘要，得到的值应该不同
# 不管使用什么算法，hashlib的方式永远不变
sha = hashlib.sha1()
sha.update(b'alex3714')
print(sha.hexdigest())
# sha 算法随着算法复杂度的增加 摘要的时间成本空间成本都会增加
# 摘要算法
# 密码的密文存储
# 文件的一致性验证
# 在下载的时候 检查我们下载的文件和远程服务器上的文件是否一致
# 两台机器上的两个文件 你想检查这两个文件是否相等
# ------------------------------------
# 模拟用户注册
# 用户输入用户名
# 用户输入密码
# 明文的密码进行摘要 拿到一个密文的密码 写到文件里
# 用户登录
import hashlib
usr = input('username:')
pwd = input('passward:')
with open('userinfo') as f:
for line in f:
user, passwd, role = line.split('|')
md5 = hashlib.md5()
md5.update(bytes(pwd, encoding='utf-8'))
md5_pwd = md5.hexdigest()
if user == usr and md5_pwd == passwd:
print('登陆成功')
else:
print('登陆失败')
# 加盐
# import hashlib # 提供摘要算法的模块
# md5 = hashlib.md5(bytes('salt', encoding='utf-8'))
# md5.update(b'123456')
# print(md5.hexdigest())
# 动态加盐
# 用户名 密码
# 使用用户名的一部分或者 直接使用整个用户名作为盐
import hashlib # 提供摘要算法的模块
md5 = hashlib.md5(bytes('salt', encoding='utf-8')+b'abc')
md5.update(b'123456')
print(md5.hexdigest())
浙公网安备 33010602011771号