Python17个常用内置模块总结
2019-11-21 23:54 清风软件测试开发 阅读(1973) 评论(0) 编辑 收藏 举报Python17个常用内置模块总结
1、getpass
2、os
3、sys
4、subprocess
5、hashlib
6、json
7、pickle
8、shutil
9、time
10、datetime
11、re
12、random
13、configparser
14、traceback
15、yaml
16、itertools
17、logging
1、getpass模块详解 pwd = getpass.getpass("请输入密码：") #输入密码不可见 yh = getpass.getuser() #显示当前登录系统用户名; 2、os模块 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.curdir #返回当前目录: ('.') os.pardir #获取当前目录的父目录字符串名：('..') 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.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"\t\n",Linux下为"\n" os.pathsep #输出用于分割文件路径的字符串 os.name #输出字符串指示当前使用平台。win->'nt'; Linux->'posix' os.system("bash command") #运行shell命令，直接显示 os.environ #获取系统环境变量 os.path.abspath(path) #返回path规范化的绝对路径 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。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存取时间 os.path.getmtime(path) #返回path所指向的文件或者目录的最后修改时间 3、sys模块 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) sys.version #获取Python解释程序的版本信息 sys.maxint #最大的Int值 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 sys.stdout.write('please:') val = sys.stdin.readline()[:-1] 4、subprocess模块 执行系统命令 os.system commands.* --废弃，3.x中被移除 result = commands.getoutput('cmd') 以上执行shell命令的相关的模块和函数的功能均在 subprocess 模块中实现，并提供了更丰富的功能。 call 执行命令，返回状态码 ret = subprocess.call(["ls", "-l"], shell=False) ret = subprocess.call("ls -l", shell=True) shell = True ，允许 shell 命令是字符串形式 check_call 执行命令，如果执行状态码是 0 ，则返回0，否则抛异常 subprocess.check_call(["ls", "-l"]) subprocess.check_call("exit 1", shell=True) check_output（此下两条命令在2.6执行失败，要是2.7应该才可以） 执行命令，如果状态码是 0 ，则返回执行结果，否则抛异常 subprocess.check_output(["echo", "Hello World!"]) subprocess.check_output("exit 1", shell=True) subprocess.Popen(...) 用于执行复杂的系统命令 参数： args： #shell命令，可以是字符串或者序列类型（如：list，元组） bufsize： #指定缓冲。0 无缓冲,1 行缓冲,其他 缓冲区大小,负值 系统缓冲 stdin, stdout, stderr： #分别表示程序的标准输入、输出、错误句柄 preexec_fn： #只在Unix平台下有效，用于指定一个可执行对象（callable object），它将在子进程运行之前被调用 close_sfs： #在windows平台下，如果close_fds被设置为True，则新创建的子进程将不会继承父进程的输入、输出、错误管道。所以不能将close_fds设置为True同时重定向子进程的标准输入、输出与错误(stdin, stdout, stderr)。 shell： #同上 cwd： #用于设置子进程的当前目录 env： #用于指定子进程的环境变量。如果env = None，子进程的环境变量将从父进程中继承。 universal_newlines： #不同系统的换行符不同，True -> 同意使用 \n startupinfo与createionflags #只在windows下有效 将被传递给底层的CreateProcess()函数，用于设置子进程的一些属性，如：主窗口的外观，进程的优先级等等 import subprocess ret1 = subprocess.Popen(["mkdir","t1"]) ret2 = subprocess.Popen("mkdir t2", shell=True) 5、hashlib模块 用于加密相关的操作，代替了md5模块和sha模块，主要提供 SHA1, SHA224, SHA256, SHA384, SHA512 ，MD5 算法 import hashlib # ######## md5 ######## hash = hashlib.md5() hash.update('admin') print hash.hexdigest() # ######## sha1 ######## hash = hashlib.sha1() hash.update('admin') print hash.hexdigest() # ######## sha256 ######## hash = hashlib.sha256() hash.update('admin') print hash.hexdigest() # ######## sha384 ######## hash = hashlib.sha384() hash.update('admin') print hash.hexdigest() # ######## sha512 ######## hash = hashlib.sha512() hash.update('admin') print hash.hexdigest() 以上加密算法虽然依然非常厉害，但时候存在缺陷，即：通过撞库可以反解。所以，有必要对加密算法中添加自定义key再来做加密。 import hashlib # ######## md5 ######## hash = hashlib.md5('898oaFs09f') hash.update('admin') print hash.hexdigest() 还不够吊？python 还有一个 hmac 模块，它内部对我们创建 key 和 内容 再进行处理然后再加密 import hmac h = hmac.new('wueiqi') h.update('hellowo') print h.hexdigest() 6,7、json 和 pickle 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 Json模块提供了四个功能：dumps、dump、loads、load pickle模块提供了四个功能：dumps、dump、loads、load pickle >>> import pickle >>> data = {'k1' : 123, 'k2' : 'hello'} >>> p_str = pickle.dumps(data) #序列化 >>> print p_str >>> loadsed = pickle.loads(p_str) #反序列化 >>> print loadsed 序列化到文件 >>> li = ['wsyht',11,22,'ok','yes'] >>> pickle.dump(li,open('test.txt','w')) #序列化到文件 >>> pickle.load(open('test.txt')) #从文件反序列化出来 json >>> import json >>> data = {'k1':123,'k2':'abc'} >>> str = json.dumps(data) >>> stt= json.loads(str) 序列化到文件 >>> li = ['wsyht',11,22,'ok','yes'] >>> json.dump(li,open('test.txt','w')) #序列化到文件 >>> json.load(open('test.txt')) #从文件反序化出来 8、shutil模块 shutil.make_archive(base_name, format,...) 创建压缩包并返回文件路径，例如：zip、tar base_name： 压缩包的文件名，也可以是压缩包的路径。只是文件名时，则保存至当前目录，否则保存至指定路径， 如：www =>保存至当前路径 如：/Users/wupeiqi/www =>保存至/Users/wupeiqi/ format： 压缩包种类，“zip”, “tar”, “bztar”，“gztar” root_dir： 要压缩的文件夹路径（默认当前目录） owner： 用户，默认当前用户 group： 组，默认当前组 logger： 用于记录日志，通常是logging.Logger对象 #将 /Users/wupeiqi/Downloads/test 下的文件打包放置当前程序目录 import shutil ret = shutil.make_archive("wwwwwwwwww", 'gztar', root_dir='/Users/wupeiqi/Downloads/test') #将 /mnt下的文件打包放置 /tmp目录 import shutil ret = shutil.make_archive("/tmp/www", 'gztar', root_dir='/mnt') #2.6用不了，2.7或许可以 类似于高级API，而且主要强大之处在于其对文件的复制与删除操作更是比较支持好。 相关API介绍 copyfile(src, dst) 从源src复制到dst中去。当然前提是目标地址是具备可写权限。抛出的异常信息为 IOException. 如果当前的dst已存在的话就会被覆盖掉。 copyfile( src, dst) 从源src复制到dst中去。当然前提是目标地址是具备可写权限。抛出的异常信息为IOException. 如果当前的dst已存在的话就会被覆盖掉 copymode( src, dst) 只是会复制其权限其他的东西是不会被复制的 copystat( src, dst) 复制权限、最后访问时间、最后修改时间 copy( src, dst) 复制一个文件到一个文件或一个目录 copy2( src, dst) 在copy上的基础上再复制文件最后访问时间与修改时间也复制过来了，类似于cp –p的东西 copy2( src, dst) 如果两个位置的文件系统是一样的话相当于是rename操作，只是改名；如果是不在相同的文件系统的话就是做move操作 copytree(olddir,newdir,True/Flase) 把olddir拷贝一份newdir，如果第3个参数是True，则复制目录时将保持文件夹下的符号连接，如果第3个参数是False，则将在复制的目录下生成物理副本来替代符号连接 shutil.rmtree("te") 删除一个目录 import shutil shutil.copyfile('f:/temp.txt', 'f:/os.txt') #复制文件 shutil.copytree('f:/temp', 'f:/os') #复制目录 # ######## zip的用法 ######## shutil 对压缩包的处理是调用 ZipFile 和 TarFile 两个模块来进行的，详细： import zipfile # 压缩 z = zipfile.ZipFile('laxi.zip', 'w') z.write('a.log') #压缩包写入a.log z.write('data.data') #写入data文件 z.close() # 解压 z = zipfile.ZipFile('laxi.zip', 'r') z.extractall() z.close() 9、time模块 三种表示主式： 1、时间戳 1970年1月1日后的秒 2、元组包含了：年、日、星期等...time.struct_time 3、格式化的字符串 2014-11-11 11:11 print time.time() #时间戳形式存在 print time.time() print time.mktime(time.localtime()) #print (time.localtime())此为元组形式，这一整句意思是把元组形式转化成时间戳形式 #元组形式存在 print time.gmtime() #可加时间戳参数 print time.localtime() #可加时间戳参数 print time.strptime('2014-11-11','%Y-%m-%d') #字符串形式转换成元组形式 #字符串形式存在 print time.strftime('%Y-%m-%d') #默认当前时间，必须记住，工作中用得最多 print time.strftime('%Y-%m-%d',time.localtime()) #默认当前时间 print time.asctime() print time.asctime(time.localtime()) print time.ctime(time.time()) 时间的三种表示方式演示 >>> import time >>> print time.time() 1469014348.5 #秒，时间戳的方式 >>> print time.gmtime() time.struct_time(tm_year=2016, tm_mon=7, tm_mday=20, tm_hour=11, tm_min=25, tm_sec=53, tm_wday=2, tm_yday=202, tm_isdst=0) >>> print time.strftime('%Y-%m-%d %H:%M:%S') 2016-07-20 19:36:16 10、datetime模块 import datetime ''' datetime.date：表示日期的类。常用的属性有year, month, day datetime.time：表示时间的类。常用的属性有hour, minute, second, microsecond datetime.datetime：表示日期时间 datetime.timedelta：表示时间间隔，即两个时间点之间的长度 timedelta([days[, seconds[, microseconds[, milliseconds[, minutes[, hours[, weeks]]]]]]]) strftime("%Y-%m-%d") ''' import datetime print datetime.datetime.now() print datetime.datetime.now() - datetime.timedelta(days=5) 11、re模块 compile match search findall group groups 正则表达式常用格式： 字符：\d \w \t . 次数：* + ? {m} {m,n} 示例： #!#/usr/bin/env python #coding:utf-8 import re result1 = re.match('\d+', '1afsfweasfcxvsfd123') #在你给的字符串起始位置去匹配,\d从数字开始找，+表示一个到多个 if result1: #当result1等于True的时候，就是匹配，如果匹配就输出里面的内容 print result1.group() #用group方法把他匹配的内容输出出来 else: print 'nothing' result2 = re.search('\d+', 'alsfj3af') #在整个内容里面去匹配，\d从数字开始找，+表示一个到多个 if result2: print result2.group() #用group方法把他匹配的内容输出出来 result3 = re.findall('\d+', 'asfaf11sf22lj33') #只要匹配全都拿出来 print result3 com = re.compile('\d+') print com.findall('asfaf11sf22lj33') result5 = re.search('(\d+)\w*(\d+)','aasflsjfa12aaljsf22lj13bb') print result5.group() #所有匹配内容输出 print result5.groups() #只把括号\d，也就是组里面的内容输出 result6 = re.search('a{3,5}','aaaaaa') #匹配3到5次的aaaaa输出出来 print result6.group() 总结： match：只在第一个字符串开始找，如果没有匹配，则不再继续找，如果第一个字符串中有，则只输出第一个 searh: 在所有内容里找，直到找到为止，但只输出找到的第一个 findall：把所有找到的匹配的内容，都通过列表的形式打印出来 compile: 编译之后再去匹配，这样可以加快匹配的速度 group: 把他匹配的内容输出出来 groups：分组 匹配的字符： \d：表示数字的意思 \w: 代表下划线，字母，数字 \t：制表符，除了回车以外的所有字符 匹配的次数： * 大于等于0，0到多个 + 大于等于1，1个到多个 ? 0或1 {m} 次数，如a{6}，出现6次a的进行匹配 {m,n} 如a{3,7} 出现3到7次的就进行匹配 例子1： 法1 >>> ip = '12.23.84.dsfa.23s.3234~lsjfw+23sfaf192.168.32.43_w342d~@#9436' >>> import re >>> re.findall('[0-9]{1,3}',ip) ['12', '23', '84', '23', '323', '4', '23', '192', '168', '32', '43', '342', '943', '6'] >>> re.findall('[0-9]{1,3}\.[0-9]{1,3}',ip) ['12.23', '192.168', '32.43'] >>> re.findall('[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}',ip) ['12.23.84', '192.168.32'] >>> re.findall('[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}',ip) ['192.168.32.43'] 法2: >>> re.findall('(\d+)',ip) ['12', '23', '84', '23', '3234', '23', '192', '168', '32', '43', '342', '9436'] >>> re.findall('(\.+\d+){1,3}',ip) ['.84', '.23', '.3234', '.43'] >>> re.findall('(?:\.+\d+){1,3}',ip) #?:表示匹配括号的那一组数据，必须连着 ['.23.84', '.23', '.3234', '.168.32.43'] >>> re.findall('[0-9]{1,3}(?:\.+\d+){3}',ip) ['192.168.32.43'] 法3： >>> re.findall('(?:\d+\.+){3}\d{1,3}',ip) ['192.168.32.43'] 法4： >>> re.findall('(?:\d{1,3}\.){3}\d{1,3}',ip) ['192.168.32.43'] 12、random模块 import random print random.random() print random.randint(1,2) print random.randrange(1,10) 随机验证码实例： import random checkcode = '' for i in range(4): current = random.randrange(0,4) if current != i: temp = chr(random.randint(65,90)) else: temp = random.randint(0,9) checkcode += str(temp) print checkcode 13、ConfigParser模块 用于对特定的配置进行操作，当前模块的名称在 python 3.x 版本中变更为 configparser。 1.读取配置文件 -read(filename) 直接读取ini文件内容 -sections() 得到所有的section，并以列表的形式返回 -options(section) 得到该section的所有option -items(section) 得到该section的所有键值对 -get(section,option) 得到section中option的值，返回为string类型 -getint(section,option) 得到section中option的值，返回为int类型 2.写入配置文件 -add_section(section) 添加一个新的section -set( section, option, value) 对section中的option进行设置 需要调用write将内容写入配置文件。 [root@test1 mnt]# cat data.txt [sec_a] a_key1 = 20 a_key2 = 10 [sec_b] b_key1 = 121 b_key2 = b_value2 b_key3 = $r b_key4 = 127.0.0.1 >>> import ConfigParser >>> cf = ConfigParser.ConfigParser() >>> cf.read("data.txt") ['data.txt'] >>> secs = cf.sections() #获得所有区域 >>> print 'sections:', secs sections: ['sec_b', 'sec_a'] >>> opts = cf.options("sec_a") >>> print 'options:', opts options: ['a_key1', 'a_key2'] >>> >>> for sn in secs: ... print cf.options(sn) #打印出每个区域的所有属性 ... ['b_key4', 'b_key1', 'b_key2', 'b_key3'] ['a_key1', 'a_key2'] >>> str_val = cf.get("sec_a", "a_key1") >>> int_val = cf.getint("sec_a", "a_key2") >>> print "value for sec_a's a_key1:", str_val value for sec_a's a_key1: 20 >>> print "value for sec_a's a_key2:", int_val value for sec_a's a_key2: 10 >>> cf.set("sec_b", "b_key3", "new-$r") >>> cf.set("sec_b", "b_newkey", "new-value") >>> cf.add_section('a_new_section') >>> cf.set('a_new_section', 'new_key', 'new_value') >>> cf.write(open("data.txt", "w")) >>> cf.has_section('a_new_section') #判断存不存在[sec_a] True >>> cf.remove_section('sec_a') #删除[sec_a] True >>> cf.has_section('a_section') #判断存不存在[sec_a] False >>> cf.write(open("data.txt", "w")) 14、traceback模块 [root@test1 mnt]# cat test.py #!/usr/bin/env python #coding:utf-8 import traceback try: 1/0 except Exception,e: #print e traceback.print_exc(file=open('tb.txt','w+')) else: print 'success' 15、yaml模块的使用 yaml在python上的具体实现：PyYaml 将yaml写成配置脚本test.yaml ,以下介绍如何读写yaml配置。 使用python的yaml库PyYAML。http://pyyaml.org/ 安装到python lib下后就可以正常使用了。 #加载yaml import yaml f = open('test.yaml') #读取文件 x = yaml.load(f) #导入 print x f.close() import yaml f = open('d:/newtree.yaml', "w") yaml.dump(dataMap, f) f.close() 16、itertools模块的使用 [root@test1 mnt]# cat test.py # ######## count(1) ######## import itertools natuals = itertools.count(1) #count创建无限个迭代器 for n in natuals: print n # ######## cycle() ######## cycle()会把传入的一个序列无限重复下去： >>> import itertools >>> cs = itertools.cycle('ABC') # 注意字符串也是序列的一种 >>> for c in cs: ... print c # ######## repeat() ######## repeat()负责把一个元素无限重复下去，不过如果提供第二个参数就可以限定重复次数： >>> ns = itertools.repeat('A', 10) >>> for n in ns: ... print n ... 打印10次'A' # ######## takewhile() ######## >>> natuals = itertools.count(1) >>> ns = itertools.takewhile(lambda x: x <= 10, natuals) >>> for n in ns: ... print n ... 打印出1到10 # ######## chain() ######## for c in itertools.chain('ABC', 'XYZ'): print c # 迭代效果：'A' 'B' 'C' 'X' 'Y' 'Z' # ######## groupby() ######## groupby()把迭代器中相邻的重复元素挑出来放在一起： >>> for key, group in itertools.groupby('AAABBBCCAAA'): ... print key, list(group) # 为什么这里要用list()函数呢？ ... A ['A', 'A', 'A'] B ['B', 'B', 'B'] C ['C', 'C'] A ['A', 'A', 'A'] # ######## groupby() ######## 实际上挑选规则是通过函数完成的，只要作用于函数的两个元素返回的值相等，这两个元素就被认为是在一组的，而函数返回值作为组的key。如果我们要忽略大小写分组，就可以让元素'A'和'a'都返回相同的key： >>> for key, group in itertools.groupby('AaaBBbcCAAa', lambda c: c.upper()): ... print key, list(group) ... A ['A', 'a', 'a'] B ['B', 'B', 'b'] C ['c', 'C'] A ['A', 'A', 'a'] # ######## imap() ######## >>> for x in itertools.imap(lambda x, y: x * y, [10, 20, 30], itertools.count(1)): ... print x itertools 阅读: 5044 Python的内建模块itertools提供了非常有用的用于操作迭代对象的函数。 首先，我们看看itertools提供的几个“无限”迭代器： >>> import itertools >>> natuals = itertools.count(1) >>> for n in natuals: ... print n ... 1 2 3 ... 因为count()会创建一个无限的迭代器，所以上述代码会打印出自然数序列，根本停不下来，只能按Ctrl+C退出。 cycle()会把传入的一个序列无限重复下去： >>> import itertools >>> cs = itertools.cycle('ABC') # 注意字符串也是序列的一种 >>> for c in cs: ... print c ... 'A' 'B' 'C' 'A' 'B' 'C' ... 同样停不下来。 repeat()负责把一个元素无限重复下去，不过如果提供第二个参数就可以限定重复次数： >>> ns = itertools.repeat('A', 10) >>> for n in ns: ... print n ... 打印10次'A' 无限序列只有在for迭代时才会无限地迭代下去，如果只是创建了一个迭代对象，它不会事先把无限个元素生成出来，事实上也不可能在内存中创建无限多个元素。 无限序列虽然可以无限迭代下去，但是通常我们会通过takewhile()等函数根据条件判断来截取出一个有限的序列： >>> natuals = itertools.count(1) >>> ns = itertools.takewhile(lambda x: x <= 10, natuals) >>> for n in ns: ... print n ... 打印出1到10 itertools提供的几个迭代器操作函数更加有用： chain() chain()可以把一组迭代对象串联起来，形成一个更大的迭代器： for c in itertools.chain('ABC', 'XYZ'): print c # 迭代效果：'A' 'B' 'C' 'X' 'Y' 'Z' groupby() groupby()把迭代器中相邻的重复元素挑出来放在一起： >>> for key, group in itertools.groupby('AAABBBCCAAA'): ... print key, list(group) # 为什么这里要用list()函数呢？ ... A ['A', 'A', 'A'] B ['B', 'B', 'B'] C ['C', 'C'] A ['A', 'A', 'A'] 实际上挑选规则是通过函数完成的，只要作用于函数的两个元素返回的值相等，这两个元素就被认为是在一组的，而函数返回值作为组的key。如果我们要忽略大小写分组，就可以让元素'A'和'a'都返回相同的key： >>> for key, group in itertools.groupby('AaaBBbcCAAa', lambda c: c.upper()): ... print key, list(group) ... A ['A', 'a', 'a'] B ['B', 'B', 'b'] C ['c', 'C'] A ['A', 'A', 'a'] imap() imap()和map()的区别在于，imap()可以作用于无穷序列，并且，如果两个序列的长度不一致，以短的那个为准。 >>> for x in itertools.imap(lambda x, y: x * y, [10, 20, 30], itertools.count(1)): ... print x 注意imap()返回一个迭代对象，而map()返回list。当你调用map()时，已经计算完毕： >>> r = map(lambda x: x*x, [1, 2, 3]) >>> r # r已经计算出来了 [1, 4, 9] 当你调用imap()时，并没有进行任何计算： >>> r = itertools.imap(lambda x: x*x, [1, 2, 3]) >>> r <itertools.imap object at 0x103d3ff90> # r只是一个迭代对象 itertools 阅读: 5044 Python的内建模块itertools提供了非常有用的用于操作迭代对象的函数。 首先，我们看看itertools提供的几个“无限”迭代器： >>> import itertools >>> natuals = itertools.count(1) >>> for n in natuals: ... print n ... 1 2 3 ... 因为count()会创建一个无限的迭代器，所以上述代码会打印出自然数序列，根本停不下来，只能按Ctrl+C退出。 cycle()会把传入的一个序列无限重复下去： >>> import itertools >>> cs = itertools.cycle('ABC') # 注意字符串也是序列的一种 >>> for c in cs: ... print c ... 'A' 'B' 'C' 'A' 'B' 'C' ... 同样停不下来。 repeat()负责把一个元素无限重复下去，不过如果提供第二个参数就可以限定重复次数： >>> ns = itertools.repeat('A', 10) >>> for n in ns: ... print n ... 打印10次'A' 无限序列只有在for迭代时才会无限地迭代下去，如果只是创建了一个迭代对象，它不会事先把无限个元素生成出来，事实上也不可能在内存中创建无限多个元素。 无限序列虽然可以无限迭代下去，但是通常我们会通过takewhile()等函数根据条件判断来截取出一个有限的序列： >>> natuals = itertools.count(1) >>> ns = itertools.takewhile(lambda x: x <= 10, natuals) >>> for n in ns: ... print n ... 打印出1到10 itertools提供的几个迭代器操作函数更加有用： chain() chain()可以把一组迭代对象串联起来，形成一个更大的迭代器： for c in itertools.chain('ABC', 'XYZ'): print c # 迭代效果：'A' 'B' 'C' 'X' 'Y' 'Z' groupby() groupby()把迭代器中相邻的重复元素挑出来放在一起： >>> for key, group in itertools.groupby('AAABBBCCAAA'): ... print key, list(group) # 为什么这里要用list()函数呢？ ... A ['A', 'A', 'A'] B ['B', 'B', 'B'] C ['C', 'C'] A ['A', 'A', 'A'] 实际上挑选规则是通过函数完成的，只要作用于函数的两个元素返回的值相等，这两个元素就被认为是在一组的，而函数返回值作为组的key。如果我们要忽略大小写分组，就可以让元素'A'和'a'都返回相同的key： >>> for key, group in itertools.groupby('AaaBBbcCAAa', lambda c: c.upper()): ... print key, list(group) ... A ['A', 'a', 'a'] B ['B', 'B', 'b'] C ['c', 'C'] A ['A', 'A', 'a'] imap() imap()和map()的区别在于，imap()可以作用于无穷序列，并且，如果两个序列的长度不一致，以短的那个为准。 >>> for x in itertools.imap(lambda x, y: x * y, [10, 20, 30], itertools.count(1)): ... print x ... 10 40 90 注意imap()返回一个迭代对象，而map()返回list。当你调用map()时，已经计算完毕： >>> r = map(lambda x: x*x, [1, 2, 3]) >>> r # r已经计算出来了 [1, 4, 9] 当你调用imap()时，并没有进行任何计算： >>> r = itertools.imap(lambda x: x*x, [1, 2, 3]) >>> r <itertools.imap object at 0x103d3ff90> # r只是一个迭代对象 必须用for循环对r进行迭代，才会在每次循环过程中计算出下一个元素： >>> for x in r: ... print x ... 1 4 9 这说明imap()实现了“惰性计算”，也就是在需要获得结果的时候才计算。类似imap()这样能够实现惰性计算的函数就可以处理无限序列： >>> r = itertools.imap(lambda x: x*x, itertools.count(1)) >>> for n in itertools.takewhile(lambda x: x<100, r): ... print n 17、logging模块 用于便捷记录日志且线程安全的模块 import logging logging.basicConfig(filename='log.log', format='%(asctime)s - %(name)s - %(levelname)s -%(module)s: %(message)s', datefmt='%Y-%m-%d %H:%M:%S %p', level=5) logging.debug('debug') logging.info('info') logging.warning('warning') logging.error('error') logging.critical('critical') logging.log(10,'log') 对于等级： CRITICAL = 50 FATAL = CRITICAL ERROR = 40 WARNING = 30 WARN = WARNING INFO = 20 DEBUG = 10 NOTSET = 0
原文地址：https://blog.51cto.com/yht1990/1845737
python常用函数，模块大全
https://blog.csdn.net/lm_is_dc/article/details/80048400
https://blog.csdn.net/qq_40674583/article/details/81940974
https://zhuanlan.zhihu.com/p/43316619
https://blog.csdn.net/lm_is_dc/article/details/80081423
