python 全栈开发，Day26(hashlib文件一致性,configparser,logging,collections模块,deque,OrderedDict)

一、hashlib文件一致性校验

为何要进行文件一致性校验？

为了确保你得到的文件是正确的版本，而没有被注入病毒和木马程序。例如我们经常在网上下载软件，而这些软件已经被注入了一些广告和病毒等，如果不进行文件与原始发布商的一致性校验的话，可能会给我们带来一定的损失。

文件一致性校验原理
要进行文件的一致性校验，我们不可能像文本文件比较那样，将两个文件放到一起对比，因为很多的时候文件很大。目前最理想的办法就是，是通过加密算法，对文件生成对应的值，通过生成的值与发布商提供的值比较来确认两个文件是否一致。

MD5和SHA1就是目前使用最为广泛的良种加密算法。

举例：

先手动创建2个文件，file1和file2，内容为123

使用md5计算file1的加密值

?

1 2 3 4 5 6

import hashlib md5obj = hashlib.md5()  # 创建md5对象 with open('file1','rb') as f:     content = f.read()  # 读取文件所有内容     md5obj.update(content) print(md5obj.hexdigest())

执行输出：

202cb962ac59075b964b07152d234b70

 

再计算fiel2的加密值，再把上面的代码复制一遍？太low了，如果有多个文件怎么办？

定义一个方法

?

1 2 3 4 5 6 7 8 9 10 11

import hashlib<br>def check(filename):     md5obj = hashlib.md5()  # 创建md5对象     with open(filename,'rb') as f:         content = f.read()  # 读取文件所有内容         md5obj.update(content)     return md5obj.hexdigest()   ret1 = check('file1') ret2 = check('file2') print(ret1) print(ret2)

执行输出：

202cb962ac59075b964b07152d234b70
202cb962ac59075b964b07152d234b70

 

从结果上，可以看出是一致的。

修改file2的内容，改成123456

再次校验，执行输出

202cb962ac59075b964b07152d234b70
e10adc3949ba59abbe56e057f20f883e

 

就可以知道，文件内容不一致了。

 

但是上面的方法，有一个缺陷，当文件达到GB级别的时候，内存会爆炸

那怎么办呢？先来讲一个小例子

?

1 2 3 4

import hashlib md5obj = hashlib.md5()  # 创建md5对象 md5obj.update(b'alex sb')  # b'string' 表示bytes类型,不能有中文符号 print(md5obj.hexdigest())

执行输出：

3eae6f4760a98a52891a109face75648

 

拆分字符串

?

1 2 3 4 5

import hashlib md5obj = hashlib.md5()  # 创建md5对象 md5obj.update(b'alex ')  # 拆分字符串 md5obj.update(b'sb')  # print(md5obj.hexdigest())

执行输出：

3eae6f4760a98a52891a109face75648

可以看出2个结果是一样的

结论

一段字符串直接进行摘要和分成几段摘要的结果是相同的

那么就可以把大文件，分段进行md5加密，就可以了

下载一部电影《海上钢琴师》，文件有1.58GB

本片讲述了一个钢琴天才传奇的一生。 豆瓣评分9.2

计算电影的md5值

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import hashlib def check(filename):     md5obj = hashlib.md5()     with open(filename,'rb') as f:         while True:             content = f.read(1048576)  # 每次读取1048576字节，也就是1MB             if content:                 md5obj.update(content)             else:                 break  # 当内容为空时,终止循环     return md5obj.hexdigest()   ret1 = check('E:\迅雷下载\[迅雷下载www.2tu.cc]海上钢琴师.BD1280高清中英双字.rmvb') print(ret1)

花费了9秒，执行输出：

30c7f078203d761d3f13bec6f8fd3088

 

一次性校验，对算法要求没有那么高，用md5就足够了。

 

总结：

序列化 把数据类型变成字符串
为什么要有序列化 因为在网络上和文件中能存在的只有字节
json 在所有语言中通用 只对有限的数据类型进行序列化 字典 列表 字符串 数字 元组
　　在多次写入dump数据进入文件的时候，不能通过load来取。
pickle 只能在python中使用 对绝大多数数据类型都可以进行序列化
　　在load的时候，必须拥有被load数据类型对应的类在内存里
　　dumps 序列化
　　loads 反序列化
　　dump 直接向文件中序列化
　　load 直接对文件反序列化

shelve
　　f = open()  打开文件

 

json和pickle 必须熟练掌握

 

二、configparser

该模块适用于配置文件的格式与windows ini文件类似，可以包含一个或多个节（section），每个节可以有多个参数（键=值）。

 创建文件

 来看一个好多软件的常见文档格式如下：

section称之为节点，节点里面的赋值对，称之为项

 

如果想用python生成一个这样的文档怎么做呢？

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import configparser   config = configparser.ConfigParser()  #创建一个ConfigParser对象   config["DEFAULT"] = {'ServerAliveInterval': '45',  #默认参数                       'Compression': 'yes',                      'CompressionLevel': '9',                      'ForwardX11':'yes'                      } config['bitbucket.org'] = {'User':'hg'} #添加一个节点bitbucket.org config['topsecret.server.com'] = {'Host Port':'50022','ForwardX11':'no'}   with open('example.ini', 'w') as configfile: #写入配置文件example.ini    config.write(configfile)

执行程序，查看example.ini的内容

?

1 2 3 4 5 6 7 8 9 10 11 12

[DEFAULT] serveraliveinterval = 45 forwardx11 = yes compression = yes compressionlevel = 9   [bitbucket.org] user = hg   [topsecret.server.com] forwardx11 = no host port = 50022

可以看出节点的项，都变成小写了。

这是因为它在写入的时候，将所有字符串使用了lower()方法，转换为小写了。

 

查找文件

?

1 2 3 4

import configparser config = configparser.ConfigParser() config.read('example.ini')<br>###上面内容为固定部分### print(config.sections())  # 查看所有的节点，但默认不显示DEFAULT,返回列表

执行输出：

['bitbucket.org', 'topsecret.server.com']

 

下面的代码，固定部分我就不贴了

?

1	print('bitbucket.org' in config)  # 验证某个节点是否在文件中

执行输出： True

 

?

1	print(config['bitbucket.org']['user'])  # 查看某节点下面的某个项的值

执行输出： hg

 

?

1	print(config['bitbucket.org'])  # 输出一个可迭代对象

执行输出： <Section: bitbucket.org>

 

?

1 2 3

#使用for循环一个可迭代对象 for key in config['bitbucket.org']:  # 注意,有default时,会默认输出它的键     print(key)

执行输出：

user
serveraliveinterval
forwardx11
compression
compressionlevel

 

?

1	print(config.items('bitbucket.org'))  # 找到'bitbucket.org'下所有的键值对

执行输出：

[('serveraliveinterval', '45'), ('forwardx11', 'yes'), ('compression', 'yes'), ('compressionlevel', '9'), ('user', 'hg')]

 

?

1	print(config.get('bitbucket.org','compression'))  # get方法section下的key对应的value

执行输出： yes

 

增删改操作

增加一个节点

?

1	print(config.add_section('yuan'))  # 增加一个节点

注意，它不会立即写入!必须执行下面的代码

?

1	config.write(open('example.ini', "w")) # 写入文件

open('example.ini',w) 表示清空文件

config.write 表示写入内容

 

再次查看文件内容：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

[DEFAULT] serveraliveinterval = 45 forwardx11 = yes compression = yes compressionlevel = 9   [bitbucket.org] user = hg   [topsecret.server.com] forwardx11 = no host port = 50022   [yuan]

　　

删除一个节点

?

1 2	config.remove_section('bitbucket.org') config.write(open('example.ini', "w")) # 写入文件

修改节点

?

1 2	config.set('yuan','k2','222')  # yuan节点增加项k2 = 222 config.write(open('example.ini', "w")) # 写入文件

总结：

section 可以直接操作它的对象来获取所有的节信息
option 可以通过找到的节来查看多有的项

 

三、logging

为了保护数据安全
所有的增加，修改，删除操作，都要记录日志

比如log日志，管理员操作日志，消费记录...

日志给我们在内部操作的时候提供很多遍历
日志给用户提供更多的信息
在程序使用的过程中自己调试需要看的信息
帮助程序员排查程序的问题

logging模块 不会自动帮你添加日志的内容
你自己想打印什么 你就写什么

 

?

1 2 3 4 5 6

import logging logging.debug('debug message')       # debug 调试模式 级别最低 logging.info('info message')         # info  显示正常信息 logging.warning('warning message')   # warning 显示警告信息 logging.error('error message')       # error 显示错误信息 logging.critical('critical message') # critical 显示验证错误信息

执行输出：

显示红色字体

root表示当前文件的权限
为啥少了2个？这个问题先放一边

 

logging 有2种配置形式

　　简单配置

　　配置logger对象

 

这2种形式是完全独立的
使用简单配置，局限性比较大

简单模式：默认情况下 只显示 警告 及警告级别以上信息

如果想显示debug，需要调整告警级别

?

1 2 3 4 5 6 7

import logging logging.basicConfig(level=logging.DEBUG)  # 设置警告级别为debug logging.debug('debug message')       # debug 调试模式 级别最低 logging.info('info message')         # info  显示正常信息 logging.warning('warning message')   # warning 显示警告信息 logging.error('error message')       # error 显示错误信息 logging.critical('critical message') # critical 显示验证错误信息

执行输出：

设置info，只显示info以上的错误

能不能只显示一种级别信息呢？不行！
只能打印某个级别以上的信息

增加时间显示

?

1 2 3 4 5 6 7 8

import logging logging.basicConfig(level=logging.DEBUG,                     format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s') logging.debug('debug message')       # debug 调试模式 级别最低 logging.info('info message')         # info  显示正常信息 logging.warning('warning message')   # warning 显示警告信息 logging.error('error message')       # error 显示错误信息 logging.critical('critical message') # critical 显示验证错误信息

执行输出：

2018-04-23 19:43:56,982 testt.py[line:58] DEBUG debug message
2018-04-23 19:43:56,982 testt.py[line:59] INFO info message
2018-04-23 19:43:56,982 testt.py[line:60] WARNING warning message
2018-04-23 19:43:56,982 testt.py[line:61] ERROR error message
2018-04-23 19:43:56,982 testt.py[line:62] CRITICAL critical message

 

设置时间格式

?

1 2 3 4 5 6 7 8 9

import logging logging.basicConfig(level=logging.DEBUG,                     format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s'), datefmt = '%a, %d %b %y %H:%M:%S', logging.debug('debug message')       # debug 调试模式 级别最低 logging.info('info message')         # info  显示正常信息 logging.warning('warning message')   # warning 显示警告信息 logging.error('error message')       # error 显示错误信息 logging.critical('critical message') # critical 显示验证错误信息

执行输出：

2018-04-23 19:46:01,727 testt.py[line:59] DEBUG debug message
2018-04-23 19:46:01,727 testt.py[line:60] INFO info message
2018-04-23 19:46:01,727 testt.py[line:61] WARNING warning message
2018-04-23 19:46:01,727 testt.py[line:62] ERROR error message
2018-04-23 19:46:01,727 testt.py[line:63] CRITICAL critical message

配置参数

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

 

写入文件

?

1 2 3 4 5 6 7 8 9 10 11

import logging logging.basicConfig(level=logging.DEBUG,                     format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s',                     datefmt='%a, %d %b %y %H:%M:%S',                     filename = 'userinfo.log'                     ) logging.debug('debug message')       # debug 调试模式 级别最低 logging.info('info message')         # info  显示正常信息 logging.warning('warning message')   # warning 显示警告信息 logging.error('error message')       # error 显示错误信息 logging.critical('critical message') # critical 显示验证错误信息

执行程序，查看文件内容

某些情况下，查看文件是乱码的。

它的局限性有2个

　　编码格式不能设置

　　不能同时输出到文件和屏幕

 

loggin对象方式

由于简单配置有局限性，logging对象方式更为灵活

?

1 2 3 4 5 6 7 8 9 10

import logging logger = logging.getLogger()  # 实例化了一个logger对象 #在国外叫handler，在中国翻译过来，叫句柄 #设置文件名和编码 fh = logging.FileHandler('test.log',encoding='utf-8')  # 实例化了一个文件句柄 sh = logging.StreamHandler()  # 用于输出到控制台 #吸星大法 logger.addHandler(fh)  # 吸收写文件功能 logger.addHandler(sh)  # 吸收输出屏幕功能 logger.warning('warning message')

执行输出：

warning message

查看文件内容，也是

warning message

 

这样就具备了同时写入文件以及输出屏幕的技能

增加输出格式功能

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

import logging logger = logging.getLogger()  # 实例化了一个logger对象 #在国外叫handler，在中国翻译过来，叫句柄 #设置文件名和编码 fh = logging.FileHandler('test.log',encoding='utf-8')  # 实例化了一个文件句柄 # 格式和文件句柄或者屏幕句柄关联 sh = logging.StreamHandler()  # 用于输出到控制台   fmt = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')  # 格式化 fh.setFormatter(fmt)  # 格式和文件句柄或者屏幕句柄关联 sh.setFormatter(fmt)   #吸星大法 logger.addHandler(fh)  # 吸收写文件功能 和logger关联的只有句柄 logger.addHandler(sh)  # 吸收输出屏幕功能 logger.setLevel(logging.DEBUG)  # 设置警告级别为debug,此处DEBUG源码为DEBUG = 10   logger.debug('debug message') logger.info('info message') logger.warning('warning message')

执行输出：

2018-04-23 20:16:58,850 - root - DEBUG - debug message
2018-04-23 20:16:58,850 - root - INFO - info message
2018-04-23 20:16:58,850 - root - WARNING - warning message

查看文件内容，也是一样的。

 

那么为什么不能Logger来吸？
因为要解耦
写入和屏幕输出，可以不同

比如：

有一个需求，文件记录所有级别信息，屏幕只显示错误信息

那么解耦就很有必要了。

 

总结：

logging
logging 是记录日志的模块
它不能自己打印内容 只能根据程序员写的代码来完成功能
logging模块提供5中日志级别，从低到高一次：debug info warning error critical
默认从warning模式开始显示
只显示一些基础信息，我们还可以对显示的格式做一些配置

简单配置 配置格式 basicCondfig
问题：编码问题，不能同时输出到文件和屏幕

logger对象配置
高可定制化
首先创造logger对象
创造文件句柄 屏幕句柄
创造格式
使用文件句柄和屏幕句柄 绑定格式
logger对象和句柄关联
logger.setLevel
使用的时候 logger.debug

 

四、collections模块

在内置数据类型（dict、list、set、tuple）的基础上，collections模块还提供了几个额外的数据类型：Counter、deque、defaultdict、namedtuple和OrderedDict等。

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
我们知道tuple可以表示不变集合，例如，一个点的二维坐标就可以表示成：

?

1	p = (1, 2)

但是，看到(1, 2)，很难看出这个tuple是用来表示一个坐标的。
这时，namedtuple就派上了用场：

?

1 2 3 4 5 6

from collections import namedtuple coordinate = namedtuple('Point',['x','y'])  # 定义一个namedtuple类型Point，并包含x,y属性。 p = coordinate(1,2)  #创建一个p对象 print(p) print(p.x)  # 获取x属性 print(p.y)  # 获取y属性

执行输出：

Point(x=1, y=2)
1
2

 

Point的名字，可以随便定义，它不是关键字
使用名字来取值，代码更清晰

这段代码，类似于面向对象，但是里面的属性不能修改，毕竟它是一个特殊的元组

 

修改属性值

?

1 2 3 4 5 6 7 8

from collections import namedtuple coordinate = namedtuple('Point',['x','y'])  # 定义一个namedtuple类型Point，并包含x,y属性。 p = coordinate(1,2)  #创建一个p对象 print(p) print(p.x)  # 获取x属性 print(p.y)  # 获取y属性 p.x = 4  # 修改值 print(p.x)

执行报错：

p.x = 4
AttributeError: can't set attribute

 

 看下面的代码，可读性比较差

?

1 2	p1 = (0,1)  # 表示x和y p2 = (0,2)

如果使用p.x和p.y分别表示x和y坐标，就比较清晰明了

 

应用场景
　　time模块
　　面向对象进阶，纸牌游戏

 

五、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 2 3 4 5

from collections import deque #双端队列   import queue #队列 先进先出 fifo<br>#计算机数据结构模型<br>#先进先出<br><br># 栈 先进后出

队列，内部维护了严格的顺序
不能跳着取，必须一个一个取。

 

栈，先从后面取，写入也是从后面写

 

 双端

可以从左边取，也可以从右边取
但是不能从中间取

?

1 2 3 4 5 6 7 8 9

from collections import deque #双端队列 dq = deque() dq.append(1)  # 往右边添加一个元素 dq.append(2) dq.appendleft(3)  # 往左边添加一个元素 print(dq) print(dq.pop())  # 获取最右边一个元素，并在队列中删除 print(dq.popleft())  # 获取最左边一个元素，并在队列中删除

执行输出：

deque([3, 1, 2])
2
3

 

队列是为了维护秩序的，
如果需要用到增删改查，不适合用队列
比如抢票，秒杀，会用到队列
比如500个，同时请求服务器，那么将这些人，放到队列中
队列它是有顺序的，即是是同一秒，也可以区分谁第一
那么前10个，就可以抢到票了，
不能打乱它的顺序

 

六、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：
自动维护key的顺序，顺序
那么这个列表的顺序就固定了

?

1 2 3 4 5

dic = {'k1':'v1','k2':'v1','k3':'v1','k4':'v1'} keys = list(dic.keys())  # 转换为列表，那么顺序就固定了 print(keys) for k in keys:     print(k,dic[k])

执行输出：

['k2', 'k3', 'k4', 'k1']
k2 v1
k3 v1
k4 v1
k1 v1

 

上面的代码有缺点，它不能维护k1,k2,k3,k4的顺序

下面介绍有序的字典

?

1 2	dic = dict([('k1','v1'),('k2','v2')])  # 使用列表固定了顺序 print(dic)

执行输出

{'k1': 'v1', 'k2': 'v2'}

 

使用OrderedDict固定顺序

它内部，维护了一个列表

注意，OrderedDict的Key会按照插入的顺序排列，不是Key本身排序：

?

1 2 3

from collections import OrderedDict dic = OrderedDict([('k1','v1'),('k2','v2')]) print(dic)

执行输出：

{'k1': 'v1', 'k2': 'v2'}

 

再增加key,是从后面加

 

今日作业

?

1 2 3

写一个函数 参数是两个文件的路径 返回的结果是True/False

答案：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

import hashlib     def compare(f1,f2):  # 校验2个文件是否一致     def check(filename):  # 计算文件的md5值         md5obj = hashlib.md5()         with open(filename, 'rb') as f:             while True:                 content = f.read(1048576)  # 每次读取1048576字节，也就是1MB                 if content:                     md5obj.update(content)                 else:                     break  # 当内容为空时,终止循环         return md5obj.hexdigest()       f_1 = check(f1)  # 计算f1的md5     f_2 = check(f2)     if f_1 == f_2:  # 判断md5值         return True     else:         return False   ret = compare('file1','file2')  # 校验2个已经存在的文件是否一致 print(ret)

老师的代码：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import hashlib def compare(filename1,filename2):     md5sum = []     for file in [filename1,filename2]:         md5 = hashlib.md5()         with open(file,'rb') as f:             while True:                 content = f.read(1024)                 if content:                     md5.update(content)                 else:break             md5sum.append(md5.hexdigest())     if md5sum[0] == md5sum[1]:return True     else :return False print(compare('f1','f2'))

　　

明日默写：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

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)   logger.debug('logger debug message') logger.info('logger info message') logger.warning('logger warning message') logger.error('logger error message') logger.critical('logger critical message')