这篇教程总结几个非常实用的Python库写得很实用，希望能帮到您。
自带库一、datetime datetime是Python处理日期和时间的标准库。 1、获取当前日期和时间 >>> from datetime import datetime>>> now = datetime.now()>>> print(now)2021-06-14 09:33:10.460192>>> print(type(now))<class 'datetime.datetime'> 2、获取指定日期和时间 >>> from datetime import datetime>>> dt = datetime(2021,6,10,12,0)>>> print(dt)2021-06-10 12:00:00 3、datetime转换为timestamp 在计算机中，时间实际上是用数字表示的。我们把1970年1月1日 00:00:00 UTC+00:00时区的时刻称为epoch time，记为0（1970年以前的时间timestamp为负数），当前时间就是相对于epoch time的秒数，称为timestamp（时间戳）。 >>> from datetime import datetime>>> now = datetime.now()>>> nowdatetime.datetime(2021, 6, 14, 9, 38, 34, 969006)>>> now.timestamp() #把datetime转换为timestamp1623634714.969006 4、timestamp转换为datetime >>> from datetime import datetime>>> timestamp = 1623634714.969006>>> print(datetime.fromtimestamp(timestamp))2021-06-14 09:38:34.969006 5、str转换为datetime >>> from datetime import datetime>>> day = datetime.strptime('2021-6-10 12:12:12','%Y-%m-%d %H:%M:%S')>>> print(day)2021-06-10 12:12:126、datetime转换为str >>> from datetime import datetime>>> now = datetime.now()>>> print(now)2021-06-14 09:49:02.281820>>> print(type(now))<class 'datetime.datetime'>>>> str_day = now.strftime('%Y-%m-%d %H:%M:%S')>>> print(str_day)2021-06-14 09:49:02>>> print(type(str_day))<class 'str'>二、collections collections是Python内建的一个集合模块，提供了许多有用的集合类，其中统计功能非常实用。 Counter Counter是一个简单的计数器，例如，统计字符出现的个数
>>> from collections import Counter>>> c = Counter()>>> str = 'jdkjefwnewnfjqbefbqbefqbferbb28934`83278784727'>>> c.update(str)>>> cCounter({'b': 6, 'e': 5, 'f': 5, '8': 4, '7': 4, 'j': 3, 'q': 3, '2': 3, 'w': 2, 'n': 2, '3': 2, '4': 2, 'd': 1, 'k': 1, 'r': 1, '9': 1, '`': 1})三、base64 Base64是一种用64个字符来表示任意二进制数据的方法。 用记事本打开exe、jpg、pdf这些文件时，我们都会看到一大堆乱码，因为二进制文件包含很多无法显示和打印的字符，所以，如果要让记事本这样的文本处理软件能处理二进制数据，就需要一个二进制到字符串的转换方法。Base64是一种最常见的二进制编码方法。 >>> import base64>>> base64.b64encode(b'binary/x00string')b'YmluYXJ5AHN0cmluZw=='>>> base64.b64decode(b'YmluYXJ5AHN0cmluZw==')b'binary/x00string' 四、hashlib Python的hashlib提供了常见的摘要算法，如MD5，SHA1等等。 什么是摘要算法呢？摘要算法又称哈希算法、散列算法。它通过一个函数，把任意长度的数据转换为一个长度固定的数据串（通常用16进制的字符串表示）。 我们以常见的摘要算法MD5为例，计算出一个字符串的MD5值： >>> import hashlib>>> md5 = hashlib.md5()>>> md5.update("程序员唐丁".encode('utf-8'))>>> print(md5.hexdigest())05eb21a61d2cf0cf84e474d859c4c055摘要算法能应用到什么地方？举个常用例子： 任何允许用户登录的网站都会存储用户登录的用户名和口令。如何存储用户名和口令呢？方法是存到数据库表中。如果以明文保存用户口令，如果数据库泄露，所有用户的口令就落入黑客的手里。此外，网站运维人员是可以访问数据库的，也就是能获取到所有用户的口令。正确的保存口令的方式是不存储用户的明文口令，而是存储用户口令的摘要，比如MD5，当用户登录时，首先计算用户输入的明文口令的MD5，然后和数据库存储的MD5对比，如果一致，说明口令输入正确，如果不一致，口令肯定错误。 第三方库一、requests requests是一个Python第三方库，处理URL资源特别方便。在之前的”爬虫简介“文章中我们已经初步认识了它。 1、安装requests 如果安装了Anaconda，requests就已经可用了。否则，需要在命令行下通过pip安装： 如果遇到Permission denied安装失败，请加上sudo重试。 2、通过GET访问豆瓣首页，只需要几行代码： >>> import requests>>> r = requests.get('https://www.douban.com/') # 豆瓣首页>>> r.status_code200>>> r.textr.text'<!DOCTYPE HTML>/n<html>/n<head>/n<meta name="description" content="提供图书、电影、音乐唱片的推荐、评论和...'3、对于带参数的URL，传入一个dict作为params参数： >>> r = requests.get('https://www.douban.com/search', params={'q': 'python', 'cat': '1001'})>>> r.url # 实际请求的URL'https://www.douban.com/search?q=python&cat=1001'4、requests自动检测编码，可以使用encoding属性查看： 5、无论响应是文本还是二进制内容，我们都可以用content属性获得bytes对象： >>> r.contentb'<!DOCTYPE html>/n<html>/n<head>/n<meta http-equiv="Content-Type" content="text/html; charset=utf-8">/n...' 6、requests的方便之处还在于，对于特定类型的响应，例如JSON，可以直接获取： >>> r = requests.get('https://query.yahooapis.com/v1/public/yql?q=select%20*%20from%20weather.forecast%20where%20woeid%20%3D%202151330&format=json')>>> r.json(){'query': {'count': 1, 'created': '2017-11-17T07:14:12Z', ...7、需要传入HTTP Header时，我们传入一个dict作为headers参数： >>> r = requests.get('https://www.douban.com/', headers={'User-Agent': 'Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit'})>>> r.text'<!DOCTYPE html>/n<html>/n<head>/n<meta charset="UTF-8">/n <title>豆瓣(手机版)</title>...'8、要发送POST请求，只需要把get()方法变成post()，然后传入data参数作为POST请求的数据： >>> r = requests.post('https://accounts.douban.com/login', data={'form_email': 'abc@example.com', 'form_password': '123456'})9、requests默认使用application/x-www-form-urlencoded对POST数据编码。如果要传递JSON数据，可以直接传入json参数： params = {'key': 'value'}r = requests.post(url, json=params) # 内部自动序列化为JSON10、类似的，上传文件需要更复杂的编码格式，但是requests把它简化成files参数： >>> upload_files = {'file': open('report.xls', 'rb')}>>> r = requests.post(url, files=upload_files)在读取文件时，注意务必使用'rb'即二进制模式读取，这样获取的bytes长度才是文件的长度。 把post()方法替换为put()，delete()等，就可以以PUT或DELETE方式请求资源。 11、除了能轻松获取响应内容外，requests对获取HTTP响应的其他信息也非常简单。例如，获取响应头： >>> r.headers{Content-Type': 'text/html; charset=utf-8', 'Transfer-Encoding': 'chunked', 'Content-Encoding': 'gzip', ...}>>> r.headers['Content-Type']'text/html; charset=utf-8'12、requests对Cookie做了特殊处理，使得我们不必解析Cookie就可以轻松获取指定的Cookie： >>> r.cookies['ts']'example_cookie_12345' 13、要在请求中传入Cookie，只需准备一个dict传入cookies参数： >>> cs = {'token': '12345', 'status': 'working'}>>> r = requests.get(url, cookies=cs)14、最后，要指定超时，传入以秒为单位的timeout参数： >>> r = requests.get(url, timeout=2.5) # 2.5秒后超时 二、chardet 字符串编码一直是令人非常头疼的问题，尤其是我们在处理一些不规范的第三方网页的时候。虽然Python提供了Unicode表示的str和bytes两种数据类型，并且可以通过encode()和decode()方法转换，但是，在不知道编码的情况下，对bytes做decode()不好做。 对于未知编码的bytes，要把它转换成str，需要先“猜测”编码。猜测的方式是先收集各种编码的特征字符，根据特征字符判断，就能有很大概率“猜对”。 当然，我们肯定不能从头自己写这个检测编码的功能，这样做费时费力。chardet这个第三方库正好就派上了用场。用它来检测编码，简单易用。 1、安装chardet 如果安装了Anaconda，chardet就已经可用了。否则，需要在命令行下通过pip安装： 如果遇到Permission denied安装失败，请加上sudo重试。 2、当我们拿到一个bytes时，就可以对其检测编码。用chardet检测编码，只需要一行代码： >>> chardet.detect(b'Hello, world!'){'encoding': 'ascii', 'confidence': 1.0, 'language': ''}三、psutil 用Python来编写脚本简化日常的运维工作是Python的一个重要用途。在Linux下，有许多系统命令可以让我们时刻监控系统运行的状态，如ps，top，free等等。要获取这些系统信息，Python可以通过subprocess模块调用并获取结果。但这样做显得很麻烦，尤其是要写很多解析代码。 在Python中获取系统信息的另一个好办法是使用psutil这个第三方模块，它不仅可以通过一两行代码实现系统监控，还可以跨平台使用，支持Linux／UNIX／OSX／Windows等，是系统管理员和运维小伙伴不可或缺的必备模块。 1、安装psutil 如果安装了Anaconda，psutil就已经可用了。否则，需要在命令行下通过pip安装： 如果遇到Permission denied安装失败，请加上sudo重试。 2、获取CPU信息 我们先来获取CPU的信息： >>> import psutil>>> psutil.cpu_count() # CPU逻辑数量4>>> psutil.cpu_count(logical=False) # CPU物理核心2# 2说明是双核超线程, 4则是4核非超线程 3、统计CPU的用户／系统／空闲时间： >>> psutil.cpu_times()scputimes(user=10963.31, nice=0.0, system=5138.67, idle=356102.45) 4、获取内存信息 使用psutil获取物理内存和交换内存信息，分别使用： >>> psutil.virtual_memory()svmem(total=8589934592, available=2866520064, percent=66.6, used=7201386496, free=216178688, active=3342192640, inactive=2650341376, wired=1208852480)>>> psutil.swap_memory()sswap(total=1073741824, used=150732800, free=923009024, percent=14.0, sin=10705981440, sout=40353792) 返回的是字节为单位的整数，可以看到，总内存大小是8589934592 = 8 GB，已用7201386496 = 6.7 GB，使用了66.6%。 而交换区大小是1073741824 = 1 GB。 5、获取磁盘信息 可以通过psutil获取磁盘分区、磁盘使用率和磁盘IO信息： >>> psutil.disk_partitions() # 磁盘分区信息[sdiskpart(device='/dev/disk1', mountpoint='/', fstype='hfs', opts='rw,local,rootfs,dovolfs,journaled,multilabel')]>>> psutil.disk_usage('/') # 磁盘使用情况sdiskusage(total=998982549504, used=390880133120, free=607840272384, percent=39.1)>>> psutil.disk_io_counters() # 磁盘IOsdiskio(read_count=988513, write_count=274457, read_bytes=14856830464, write_bytes=17509420032, read_time=2228966, write_time=1618405)好了，就先介绍这么多吧，更多实用的Python库后面唐丁再给大家一一介绍 到此这篇关于总结几个非常实用的Python库的文章就介绍到这了,更多相关Python库内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
手残删除python之后的补救方法
仅用几行Python代码就能复制她的U盘文件? |
