Python模塊一
logging模塊
我們來說一下這個logging模塊,這個模塊的功能是記錄我們軟件的各種狀態,你們現在和我一起找到紅蜘蛛的那個圖標,然後右鍵找一找是不是有個錯誤日誌.其實每個軟件都是有錯誤日誌的,開發人員可以通過錯誤日誌中的內容
對他的程序進行修改
我們先來看一下函數式簡單配置
import logging
logging.debug(‘debug message‘)
logging.info(‘info message‘)
logging.warning(‘warning message‘)
logging.error(‘error message‘)
logging.critical(‘critical message‘)
默認情況下Python的logging模塊將日誌打印到了標準輸出中，且只顯示了大於等於WARNING級別的日誌，這說明默認的日誌級別設置為WARNING（日誌級別等級CRITICAL > ERROR > WARNING > INFO > DEBUG），默認的日誌格式為日誌級別：Logger名稱：用戶輸出消息。
我們自己用函數寫的這個可以正常使用但是不夠靈活,我們看看這個靈活的
靈活配置日誌級別，日誌格式，輸出位置:
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=‘/tmp/test.log‘,
filemode=‘w‘)
logging.debug(‘debug message‘)
logging.info(‘info message‘)
logging.warning(‘warning message‘)
logging.error(‘error message‘)
logging.critical(‘critical message‘)
logging.basicConfig()函數中可通過具體參數來更改logging模塊默認行為，可用參數有：
filename：用指定的文件名創建FiledHandler，這樣日誌會被存儲在指定的文件中。
filemode：文件打開方式，在指定了filename時使用這個參數，默認值為“a”還可指定為“w”。
format：指定handler使用的日誌顯示格式。
datefmt：指定日期時間格式。
level：設置rootlogger（後邊會講解具體概念）的日誌級別
stream：用指定的stream創建StreamHandler。可以指定輸出到sys.stderr,sys.stdout或者文件(f=open(‘test.log’,’w’))，默認為sys.stderr。若同時列出了filename和stream兩個參數，則stream參數會被忽略。
format參數中可能用到的格式化串：
%(name)s Logger的名字
%(levelno)s 數字形式的日誌級別
%(levelname)s 文本形式的日誌級別
%(pathname)s 調用日誌輸出函數的模塊的完整路徑名，可能沒有
%(filename)s 調用日誌輸出函數的模塊的文件名
%(module)s 調用日誌輸出函數的模塊名
%(funcName)s 調用日誌輸出函數的函數名
%(lineno)d 調用日誌輸出函數的語句所在的代碼行
%(created)f 當前時間，用UNIX標準的表示時間的浮 點數表示
%(relativeCreated)d 輸出日誌信息時的，自Logger創建以 來的毫秒數
%(asctime)s 字符串形式的當前時間。默認格式是 “2003-07-08 16:49:45,896”。逗號後面的是毫秒
%(thread)d 線程ID。可能沒有
%(threadName)s 線程名。可能沒有
%(process)d 進程ID。可能沒有
%(message)s用戶輸出的消息
logger對象配置
import logging
logger = logging.getLogger()
# 創建一個handler，用於寫入日誌文件
fh = logging.FileHandler(‘test.log‘,encoding=‘utf-8‘)
# 再創建一個handler，用於輸出到控制臺
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對象可以添加多個fh和ch對象
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‘)
ogging庫提供了多個組件：Logger、Handler、Filter、Formatter。Logger對象提供應用程序可直接使用的接口，Handler發送日誌到適當的目的地，Filter提供了過濾日誌信息的方法，Formatter指定日誌顯示格式。另外，可以通過：logger.setLevel(logging.Debug)設置級別,當然，也可以通過
fh.setLevel(logging.Debug)單對文件流設置某個級別。
序列化
我們今天學習下序列化,什麽是序列化呢? 將原本的字典、列表等內容轉換成一個字符串的過程就叫做序列化。
為什麽要有序列化模塊: 比如，我們在python代碼中計算的一個數據需要給另外一段程序使用，那我們怎麽給？ 現在我們能想到的方法就是存在文件裏，然後另一個python程序再從文件裏讀出來。 但是我們都知道，對於文件來說是沒有字典這個概念的，所以我們只能將數據轉換成字典放到文件中。 你一定會問，將字典轉換成一個字符串很簡單，就是str(dic)就可以辦到了，為什麽我們還要學習序列化模塊呢？ 沒錯序列化的過程就是從dic 變成str(dic)的過程。現在你可以通過str(dic)，將一個名為dic的字典轉換成一個字符串， 但是你要怎麽把一個字符串轉換成字典呢？ 聰明的你肯定想到了eval()，如果我們將一個字符串類型的字典str_dic傳給eval，就會得到一個返回的字典類型了。 eval()函數十分強大，但是eval是做什麽的？e官方demo解釋為：將字符串str當成有效的表達式來求值並返回計算結果。 ＢＵＴ！強大的函數有代價。安全性是其最大的缺點。 想象一下，如果我們從文件中讀出的不是一個數據結構，而是一句"刪除文件"類似的破壞性語句，那麽後果實在不堪設設想。 而使用eval就要擔這個風險。 所以，我們並不推薦用eval方法來進行反序列化操作(將str轉換成python中的數據結構)
序列化的目的
1、以某種存儲形式使自定義對象持久化；
2、將對象從一個地方傳遞到另一個地方。
3、使程序更具維護性。
json
Json模塊提供了四個功能：dumps、dump、loads、load
dumps 及 loads
import json
dic = {‘k1‘:‘v1‘,‘k2‘:‘v2‘,‘k3‘:‘v3‘}
str_dic = json.dumps(dic) #序列化：將一個字典轉換成一個字符串
print(type(str_dic),str_dic) #<class ‘str‘> {"k3": "v3", "k1": "v1", "k2": "v2"}
#註意，json轉換完的字符串類型的字典中的字符串是由""表示的
?
dic2 = json.loads(str_dic) #反序列化：將一個字符串格式的字典轉換成一個字典
#註意，要用json的loads功能處理的字符串類型的字典中的字符串必須由""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) #也可以處理嵌套的數據類型
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‘}]
dump 及 load
import json
f = open(‘json_file‘,‘w‘)
dic = {‘k1‘:‘v1‘,‘k2‘:‘v2‘,‘k3‘:‘v3‘}
json.dump(dic,f) #dump方法接收一個文件句柄，直接將字典轉換成json字符串寫入文件
f.close()
?
f = open(‘json_file‘)
dic2 = json.load(f) #load方法接收一個文件句柄，直接將文件中的json字符串轉換成數據結構返回
f.close()
print(type(dic2),dic2)
其他參數說明
Serialize obj to a JSON formatted str.(字符串表示的json對象) Skipkeys：默認值是False，如果dict的keys內的數據不是python的基本類型(str,unicode,int,long,float,bool,None)，設置為False時，就會報TypeError的錯誤。此時設置成True，則會跳過這類key ensure_ascii:，當它為True的時候，所有非ASCII碼字符顯示為\uXXXX序列，只需在dump時將ensure_ascii設置為False即可，此時存入json的中文即可正常顯示。) If check_circular is false, then the circular reference check for container types will be skipped and a circular reference will result in an OverflowError (or worse). If allow_nan is false, then it will be a ValueError to serialize out of range float values (nan, inf, -inf) in strict compliance of the JSON specification, instead of using the JavaScript equivalents (NaN, Infinity, -Infinity). indent：應該是一個非負的整型，如果是0就是頂格分行顯示，如果為空就是一行最緊湊顯示，否則會換行且按照indent的數值顯示前面的空白分行顯示，這樣打印出來的json數據也叫pretty-printed json separators：分隔符，實際上是(item_separator, dict_separator)的一個元組，默認的就是(‘,’,’:’)；這表示dictionary內keys之間用“,”隔開，而KEY和value之間用“：”隔開。 default(obj) is a function that should return a serializable version of obj or raise TypeError. The default simply raises TypeError. sort_keys：將數據根據keys的值進行排序。 To use a custom JSONEncoder subclass (e.g. one that overrides the .default() method to serialize additional types), specify it with the cls kwarg; otherwise JSONEncoder is used.
json格式化輸出
import json
data = {‘username‘:[‘李華‘,‘二楞子‘],‘sex‘:‘male‘,‘age‘:16}
json_dic2 = json.dumps(data,sort_keys=True,indent=2,separators=(‘,‘,‘:‘),ensure_ascii=False)
print(json_dic2)
pickle模塊
用於序列化的兩個模塊
json，用於字符串 和 python數據類型間進行轉換 pickle，用於python特有的類型 和 python的數據類型間進行轉換 pickle模塊提供了四個功能：dumps、dump(序列化，存）、loads（反序列化，讀）、load （不僅可以序列化字典，列表...可以把python中任意的數據類型序列化）pickle是python特有的模塊.
import pickle
dic = {‘k1‘:‘v1‘,‘k2‘:‘v2‘,‘k3‘:‘v3‘}
str_dic = pickle.dumps(dic)
print(str_dic) #一串二進制內容
?
dic2 = pickle.loads(str_dic)
print(dic2) #字典
?
import time
struct_time = time.localtime(1000000000)
print(struct_time)
f = open(‘pickle_file‘,‘wb‘)
pickle.dump(struct_time,f)
f.close()
?
f = open(‘pickle_file‘,‘rb‘)
struct_time2 = pickle.load(f)
print(struct_time2.tm_year)
這時候機智的你又要說了，既然pickle如此強大，為什麽還要學json呢？ 這裏我們要說明一下，json是一種所有的語言都可以識別的數據結構。 如果我們將一個字典或者序列化成了一個json存在文件裏，那麽java代碼或者js代碼也可以拿來用。 但是如果我們用pickle進行序列化，其他語言就不能讀懂這是什麽了～ 所以，如果你序列化的內容是列表或者字典，我們非常推薦你使用json模塊 但如果出於某種原因你不得不序列化其他的數據類型，而未來你還會用python對這個數據進行反序列化的話，那麽就可以使用pickle
總結:
json模塊裏的dumps是將python的數據結構轉換成字符串,loads是將字符串類型轉換成python的數據結構
?
json模塊裏的dump是將python的數據結構轉換成字符串,然後存入到文件當中
?
json模塊裏的load是將文件中字符串類型轉換成python的數據結構
?
pickle模塊裏的dumps是將python的數據結構轉換成二進制的文件,loads是將二進制的文件轉換成python的
?
數據結構
?
pickle模塊裏的dump是將python的數據結構轉換成二進制然後存入到文件中
?
pickle模塊裏的load是將文件中的二進制文件轉成python的數據結構
random 模塊
random是一個隨機數模塊,我們一般用來生成一些沒有規則的內容
獲取0-1之間的隨機小數
import random
print(random.random())
生成指定的數字內的隨機小數怎麽辦??
import random
print(random.uniform(1,5))
整數怎麽做到隨機呢
import random
print(random.randint(1,5))
生成隨機的奇數和偶數
import random
print(random.randrange(1,5,2)) #隨機生成1-5的奇數
print(random.randrange(0,5,2)) #隨機生成0-5的偶數
現在有一個列表 lst = [‘張開‘,‘寶元‘,‘佩奇‘,‘太白‘],隨機抽一個人出來
import random
lst = [‘張開‘,‘寶元‘,‘佩奇‘,‘太白‘]
print(random.choice(lst))
隨機抽出兩個來
import random
lst = [‘張開‘,‘寶元‘,‘佩奇‘,‘太白‘]
print(random.choices(lst,k=2))
隨機出來的兩個內容是有重復的,沒有滿足需求重新實現
import random
lst = [‘張開‘,‘寶元‘,‘佩奇‘,‘太白‘]
print(random.sample(lst,k=2))
給你一個列表你給我讓他變成隨機排序的
import random
lst = [1,2,3,4,5,6]
random.shuffle(lst)
print(lst)
Python模塊一