Python 开发者应该知道的 7 个开发库

1. PyQuery (with lxml)

安装方法 pip install pyquery

Python 解析 HTML 时最经常被推荐的是 Beautiful Soup ，而且它的确也表现很好。提供良好的 Python 风格的 API，而且很容易在网上找到相关的资料文档，但是当你需要在短时间内解析大量文档时便会碰到性能的问题，简单，但是真的非常慢。

下图是 08 年的一份性能比较图：

这个图里我们发现 lxml 的性能是如此之好，不过文档就很少，而且使用上相当的笨拙！那么是选择一个使用简单但是速度奇慢的库呢，还是选择一个速度飞快但是用起来巨复杂的库呢？

谁说二者一定要选其一呢，我们要的是用起来方便，速度也一样飞快的 XML/HTML 解析库！

而 PyQuery 就可以同时满足你的易用性和解析速度方面的苛刻要求。

看看下面这几行代码：

1	from pyquery import PyQuery

2	page = PyQuery(some_html)

3

4	last_red_anchor = page('#container > a.red:last')

很简单吧，很像是 jQuery，但它却是 Python。

不过也有一些不足，在使用迭代时需要对文本进行重新封装：

1	for paragraph in page('#container > p'):

2	paragraph = PyQuery(paragraph)

3	text = paragraph.text()

2. dateutil

安装方法：pip install dateutil

处理日期很痛苦，多亏有了 dateutil

01	from dateutil.parser import parse

02

03	>>> parse('Mon, 11 Jul 2011 10:01:56 +0200 (CEST)')

04	datetime.datetime(2011, 7, 11, 10, 1, 56, tzinfo=tzlocal())

05

06	# fuzzy ignores unknown tokens

07

08	>>> s = """Today is 25 of September of 2003, exactly

09	...        at 10:49:41 with timezone -03:00."""

10	>>> parse(s, fuzzy=True)

11	datetime.datetime(2003, 9, 25, 10, 49, 41,

12	tzinfo=tzoffset(None, -10800))

3. fuzzywuzzy

安装方法：pip install fuzzywuzzy

fuzzywuzzy 可以让你对两个字符串进行模糊比较，当你需要处理一些人类产生的数据时，这非常有用。下面代码使用Levenshtein 距离比较方法来匹配用户输入数组和可能的选择。

01	from Levenshtein import distance

02

03	countries = ['Canada', 'Antarctica', 'Togo', ...]

04

05	def choose_least_distant(element, choices):

06	'Return the one element of choices that is most similar to element'

07	return min(choices, key=lambda s: distance(element, s))

08

09	user_input = 'canaderp'

10	choose_least_distant(user_input, countries)

11	>>> 'Canada'

这已经不错了，但还可以做的更好：

1	from fuzzywuzzy import process

2

3	process.extractOne("canaderp", countries)

4	>>> ("Canada", 97)

4. watchdog

安装方法：pip install watchdog

watchdog 是一个用来监控文件系统事件的 Python API和shell实用工具。

5. sh

安装方法：pip install sh

sh 可让你调用任意程序，就好象是一个函数一般：

01	from sh import git, ls, wc

02

03	# checkout master branch

04	git(checkout="master")

05

06	# print(the contents of this directory

07	print(ls("-l"))

08

09	# get the longest line of this file

10	longest_line = wc(__file__, "-L")

6. pattern

安装方法：pip install pattern

Pattern 是 Python 的一个 Web 数据挖掘模块。可用于数据挖掘、自然语言处理、机器学习和网络分析。

7. path.py

安装方法：pip install path.py

当我开始学习 Python 时，os.path 是我最不喜欢的 stdlib 的一部分。尽管在一个目录下创建一组文件很简单。

view sourceprint?

1

import os

2

3	some_dir = '/some_dir'

4	files = []

5

6	for f in os.listdir(some_dir):

7	files.append(os.path.joinpath(some_dir, f))

但 listdir 在 os 而不是 os.path 中。

而有了 path.py ，处理文件路径变得简单：

1	from path import path

2

3	some_dir = path('/some_dir')

4

5	files = some_dir.files()

其他的用法：

01	>>> path('/').owner

02

'root'

03

04	>>> path('a/b/c').splitall()

05	[path(''), 'a', 'b', 'c']

06

07	# overriding __div__

08	>>> path('a') / 'b' / 'c'

09	path('a/b/c')

10

11	>>> path('ab/c').relpathto('ab/d/f')

12	path('../d/f')

是不是要好很多？