包-logging-hashlib-深浅拷贝

一、包：

　　包的本质就是一个模块

　　什么是包：它是一系列模块文件的结合体，表示形式就是一个文件夹，该文件夹内部通常会有一个__init__..py的文件

导入包的过程：先产生一个执行文件的名称空间

　　1：创建包下面的__init__.py文件的名称空间

　　2：执行包下面的__init__.py文件中的代码，将产生的名字放入下面的__init__.py文件的名称空间中

　　3：在执行文件中拿到一个指向包下面的__init__.py文件名称空间的名字

在导入的语句中.号的左边肯定是一个包（文件夹）：from dir.dir1 import p 格式

需要强调的：

　　1、在Python3中，即使包下面没有__init__.py文件，import包也不会报错，而在Python2中一定要有__init__.py文件存在，不然会报错

　　2、创建包的目的不是为了运行，而是被导入使用，包只是模块的一种形式，包的本质就是一个模块

　　3、在删除程序不必要的文件时，务必记住不要删除带有__init__的文件，否则会导致文件或程序不能正常运行　　

二、为何要使用包

　　包的本质就是一个文件夹，那么文件夹唯一的功能就是将文件组织起来
随着功能越写越多，我们无法将所以功能都放到一个文件中，于是我们使用模块去组织功能，而随着模块越来越多，我们就需要用文件夹将模块文件组织起来，以此来提高程序的结构性和可维护性

三、包的相对路径导入和绝对路径导入：

　　1、站在包的开发者看，如果使用绝对路径来管理自己的模块，那么只需要永远以包的路径为基准依次导入模块

　　2、站在包的使用者看，必须到将包所在的那个文件夹路径添加到sys.path中（**）

四、包的使用之import和from import

　　1、单独导入包名称时不会导入包中所有包含的所有子模块

 

1 import glance.db.models
2 glance.db.models.register_models('mysql') 

 

　　2、需要注意的是from后import导入的模块，必须是明确的一个不能带点，否则会有语法错误，如：from a import b.c是错误语法　

1 from glance.db import models
2 models.register_models('mysql')

 

五、logging（日志模块）:

　　import  logging  日志的等级：critical(50级别) >error(40)>warning(30)>info(20)>debug(10)

longging.debug(debug日志')  # 调试
longging.info('info日志') #记录数据
longging.warning('warning日志‘)  # 警告
longging.error('日志’)   #  错误提示
logging.critical('critical日志') # 严重的 

默认的日志格式为日志日志级别：loggermin名称：用户输出的消息。

重点掌握：1、logger对象：负责产生日志

　　　　　2、filter对象：过滤日志

　　　　　3、handler：控制日志输出的位置（文件/终端）切割

　　　　　4、formmater 对象：规定日志内容的格式

 

logging.basicConfig()函数中可通过具体参数来更改logging模块默认行为，可用参数有：

filename：用指定的文件名创建FiledHandler，这样日志会被存储在指定的文件中。
filemode：文件打开方式，在指定了filename时使用这个参数，默认值为“a”还可指定为“w”。
format：指定handler使用的日志显示格式。
datefmt：指定日期时间格式。
level：设置rootlogger（后边会讲解具体概念）的日志级别
stream：用指定的stream创建StreamHandler。可以指定输出到sys.stderr,sys.stdout或者文件(f=open(‘test.log’,’w’))，默认为sys.stderr。若同时列出了filename和stream两个参数，则stream参数会被忽略。

format参数中可能用到的格式化串：
%(name)s Logger的名字
%(levelno)s 数字形式的日志级别
%(levelname)s 文本形式的日志级别
%(pathname)s 调用日志输出函数的模块的完整路径名，可能没有
%(filename)s 调用日志输出函数的模块的文件名
%(module)s 调用日志输出函数的模块名
%(funcName)s 调用日志输出函数的函数名
%(lineno)d 调用日志输出函数的语句所在的代码行
%(created)f 当前时间，用UNIX标准的表示时间的浮 点数表示
%(relativeCreated)d 输出日志信息时的，自Logger创建以 来的毫秒数
%(asctime)s 字符串形式的当前时间。默认格式是 “2003-07-08 16:49:45,896”。逗号后面的是毫秒
%(thread)d 线程ID。可能没有
%(threadName)s 线程名。可能没有
%(process)d 进程ID。可能没有
%(message)s用户输出的消息

logging对象配置:

import logging

logger = logging.getLogger()
# 创建一个handler，用于写入日志文件
fh = logging.FileHandler('test.log',encoding='utf-8') 

 再创建一个handler，用于输出到控制台 
ch = logging.StreamHandler() 
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
fh.setLevel(logging.DEBUG)

fh.setFormatter(formatter) 
ch.setFormatter(formatter) 
logger.addHandler(fh) #logger对象可以添加多个fh和ch对象 
logger.addHandler(ch) 

 import logging.config  字典的配置（直接复制粘贴，修改即可）　　

　　定义三种日志输出格式 开始

standard_format = '[%(asctime)s][%(threadName)s:%(thread)d][task_id:%(name)s][%(filename)s:%(lineno)d]' \
                  '[%(levelname)s][%(message)s]' #其中name为getlogger指定的名字

simple_format = '[%(levelname)s][%(asctime)s][%(filename)s:%(lineno)d]%(message)s'

 定义日志输出格式 结束

# 定义日志输出格式 结束
"""
下面的两个变量对应的值 需要你手动修改
"""
logfile_dir = os.path.dirname(__file__)  # log文件的目录
logfile_name = 'a3.log'  # log文件名

# 如果不存在定义的日志目录就创建一个
if not os.path.isdir(logfile_dir):
    os.mkdir(logfile_dir)

# log文件的全路径
logfile_path = os.path.join(logfile_dir, logfile_name)

logger与handler之间的控制关系

 

重点：

#1、logging.config.dictConfig(LOGGING_DIC) # 自动加载字典中的配置
#2、logger1=loggong.getlogger('come on')

#3、logger1.debug('革命尚未成功，任需努力')

logging日志在项目中的使用：

例子：比如在购物车中自动添加日志功能，让用户自定义生成日志记录

mport logging.config
from conf import settings  # 文件规范在文件中添加相应的功能模块
def get_logger(name):
        logging.config.dictConfig(settings.LOGGING_DIC) # 自动加载字典中的配置
        logger1=logging.getLogger(name)
        return logger1  #封装成函数调用  让用户输入

六、hashlib 加密模块

　　常用的有：MD5,SHA1系列等 两种加密方式 ，后面学有UUID唯一的。

MD5：摘要算法：又称哈希算法，通过一个函数，把任意长度的字符串转换成一个长度固定的数据串

关键字：pycharm里没有提示： update(往对象里传明文数据)      hexdigest（获取明文数据对应的密文）

import hashlib
md=hashlib.md5()  # 生成一个帮你造密文的对象
md.update('come'.encode('utf-8'))  
            # 往对象里传明文数据 update只能接受bytes类型的数据
md.update(b'come_on')
print(md.hexdigest())   # 获取明文数据对应的密文

结果：dd55e5aab7c4839be5932f399638ddb1


# encode('utf-8')等价于’b‘
md.update('come'.encode('utf-8'))  
>>md.update(b'come')

这个加密的过程是无法解密的                        

  撞库

"""
1.不同的算法 使用方法是相同的
密文的长度越长 内部对应的算法越复杂
但是
    1.时间消耗越长
    2.占用空间更大
通常情况下使用md5算法，就可以足够了

"""

 

2、import hashilb 传入的内容可以分多次传入，只要传入的内容相同，那么生成的密文肯定也相同。

import hashlib
md=hashlib.md5()
md.update('Hao aye you'.encode('utf-8'))
# md.update('Hao'.encode('utf-8'))
# md.update('are'.encode('utf-8'))
# md.update('you'.encode('utf-8'))
print(md.hexdigest())

>>684758727ad2809177ca0b08711580ba

3、hashilb 模块应用场景

　　1：密码的蜜文存储

　　2：校验文件内容是否一致

4、加盐处理

　　在传入密文前，将上自定义的密文。　

 import hashlib

 md = hashlib.md5()
     公司自己在每一个需要加密的数据之前 先手动添加一些内容
 md.update(b'oldboy.com')  # 加盐处理
 md.update(b'hello')  # 真正的内容
 print(md.hexdigest())

不影响结果，只是让加密更严谨一些

5、动态加盐

　　获取用户的输入生成密文，在获取用户输入时加入随机的字符串。

import hashlib

def get_md5(data):
    md = hashlib.md5()
    md.update('加盐'.encode('utf-8'))
    md.update(data.encode('utf-8'))
    return md.hexdigest()
password = input('password>>>:')
res = get_md5(password)
print(res)

>>>password>>>:123 #输入 密码后生成密文
f9eddd2f29dcb3136df2318b2b2c64d3

七、openpyxl

　　比较火的操作Excel表格的模块  第三方模块需下载安装才能使用

 #　03版本之前的Excel文件的后缀名叫 xls
　#　03版本之后的Excel文件的后缀名叫  xlsx

 

 

1、之前的模块：xlwd 写excel  xlrt 读Excel  同样也可以操作Excel的模块，支持03版本之前的Excel文件也支持03版本之后的文件处理，openpyxl 是后面产生的，仅支持03版本后的xlsx

2、模块功能的使用

（1）写操作

from openpyxl import Workbook
wb=Workbook()  # 先生成一个工作簿
wb1=wb.create_sheet('最喜欢的歌曲',0) #创建一个表单页，可以通过索引来确定位置
we2=wb.create_sheet('喜欢的明星')
we3=wb.create_sheet('喜欢的')
wb1.title='调查'
wb1['A3']=('陈奕迅'.encode('utf-8'))
wb1.append([b'歌曲名'],'热度'.encode('utf-8')) #往列表里添加内容
wb1.append([b'不说再见'],'top3')
wb.save('test.xlsx')  # 保存创建的文件

 

（2）、读操作：可以锁定想要读取的内容

from openpyxl import load_workbook
wb=load_workbook(('test.xlsx'),read_only=True,data_only=True)
print(wb['最喜欢的歌曲']['A3'].value)

 

八、深浅拷贝

拷贝就是拷贝，何来深浅之说？

Python中，对象的赋值，拷贝（深/浅拷贝）之间是有差异的，如果使用的时候不注意，就可能产生意外的结果

其实这个是由于共享内存导致的结果

拷贝：原则上就是把数据分离出来，复制其数据，并以后修改互不影响。

先举个非拷贝的例子：

"""
 =赋值：数据完全共享（=赋值是在内存中指向同一个对象，如果是可变(mutable)类型，比如列表，修改其中一个，另一个必定改变

如果是不可变类型(immutable),比如字符串，修改了其中一个，另一个并不会变

）"""

 

l1 = [1, 2, 3, ['aa', 'bb']]
l2 = l1
l2[0]='aaa'
l2[3][0]='bbb'
print(l1)  #['aaa', 2, 3, ['bbb', 'bb']]
print(id(l1)==id(l2))  #True

结果

 

 

 分析：l2 = l1 ，l1 完全赋值给l2 ，l2的内存地址与l1 相同，即内存完全指向

两者之间的区别主要当拷贝是可变类型时，浅拷贝指向的还是原来的，而深拷贝指向的是其他的内存地址。

概念：

　　浅拷贝：只是拷贝最外层，里面的内容没有完全复制，也可以指向其他的内存空间

浅拷贝：数据半共享（复制其数据独立内存存放，但是只拷贝成功第一层）

import copy

l1 = [1,2,[1,2]]
l2 = l1
print(id(l1),id(l2))
l2 = copy.copy(l1)  # 拷贝一份 .......  浅拷贝
print(id(l1),id(l2))
l1[0] = 222  #修改了l1的值
print(l1,l2)

j结果：

>>  1975941374408 1975941374408
1975941374408 1975941510664
[222, 2, [1, 2]] [1, 2, [1, 2]]  值一样拷贝完ID也在变化，往里面添加值后，只改变其中一个

深拷贝：数据完全不共享（复制其数据完完全全放独立的一个内存，完全拷贝，数据不共享

import copy,deepcopy
l1 = [1,2,[1,2]]

l1=l2
l1[2].append(666)
print(l1,l2)
l2 = copy.deepcopy(l)
l1[2].append(666)
print(l1,l2)
print(id(l1))
print(id(l))

 

常考面试题：