python3模块和相关

Posted 2023-04-15 wd404

1、模块
为了方便管理类和函数，将其保存到不同的文件中，文件又可以存放在不同的目录下。
这里的文件和目录，即python模块。
(1)通过关键字import进行导入
(2)一个模块只会被导入一次，不管你执行了多少次import。这样可以防止导入模块被一遍又一遍地执行。
(3)搜索路径被存储在sys模块中的path变量，python解释器会据此进行查找import导入的包。

import sys
print(sys.path)

2、导入示例

import xxx

导入整个模块

from xxx import xxx

从某模块中导入部分类或函数

from xxx import *

从某模块中导入全部

3、__name__属性
一个模块被另一个程序第一次引入时，其主程序将运行。如果我们想在模块被引入时，模块中的某一程序块不执行，我们可以用__name__属性来使该程序块仅在该模块自身运行时执行。

if __name__==\'__main__\':
  pass

4、dir函数
内置的函数 dir() 可以找到模块内定义的所有名称。
如果没有给定参数，那么 dir() 函数会罗列出当前定义的所有名称.

import sys
print(dir(sys))

5、标准模块
由python本身所提供的标准的模块

python - 常用模块 - 序列化相关模块

把数据序列化可以更加方便的在程序之间传输

在python中，常用json和pickle两个模块来对数据序列化：

json模块：

　　json，用于字符串 和 python数据类型间进行转换

　　Json 模块提供了四个功能：dumps、dump、loads、load

　　json.dump() 将数据通过特殊的形式转换为所有程序语言都认识的字符串，并写入文件
　　json.dumps() 将数据通过特殊的形式转换为所有程序语言都认识的字符串

　　json.dump和json.dumps很不同，json.dump主要用来json文件读写，和json.load函数配合使用。

　　json.loads() 加载json文件的内容，并转换为python数据类型

 1 ‘‘‘ json.dumps 和 json.loads 应用‘‘‘
 2 >>> import json
 3 >>> user_info= {
 4     ‘name‘:‘root‘,
 5     ‘age‘:22,
 6     ‘job‘:‘python‘
 7     }
 8 >>> with open(‘data_json.txt‘,‘w‘) as f:
 9     f.write(json.dumps(user_info))          #先序列化，再写入文件
10     
12 44   # 这是序列化后单个字符的数量(字典在打印时，每个键值对的值前面会有个空格)
13 >>> len(user_info)
14 3
15 >>> with open(‘data_json.txt‘,‘r‘) as fr:
16     json.loads(fr.read())       #先从文件读出来，再反序列化
17    
19 {‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
20 >>> 

 1 >>>      ‘‘‘json.dump 和 json.load使用‘‘‘
 2 >>> import json
 3 >>> user_info = {‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
 4 >>> 
 5 >>> with open(‘data_json1.txt‘,‘w‘) as fw:
 6     json.dump(user_info,fw)         
 7                                #json.dump(要被序列化对象，文件句柄)
 8     
 9 >>> with open(‘data_json1.txt‘,‘r‘) as fr:
10     json.load(fr) 
11                       #json.load(文件句柄)
12     
13 {‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
14 >>> 

pickle模块：

　　pickle，用于python特有的类型 和 python的数据类型间进行转换

　　pickle模块提供了四个功能：dumps、dump、loads、load

　　pickle.dumps() 将数据通过特殊的形式转换成只有python语言认识的字符串，不需要写入文件
　　pickle.dump() 将数据通过特殊的形式转换成只有python语言认识的字符串，并写入文件

　　pickle.dump(obj, fw, [,protocol])
　　　　注解：将对象obj保存到文件fw (‘w‘方式打开的文件句柄)中去。
　　pickle.dumps(obj)：以字节对象形式返回封装的对象，不需要写入文件中

　　pickle.load(fr)
　　　　注解：从file中读取一个字符串，并将它重构为原来的python对象。
　　　　fr : ‘r‘方式打开的文件句柄，有read()和readline()接口。

　　pickle.loads(bytes_object): 从字节对象中读取被封装的对象，并返回

 1 >>>     ‘‘‘ pickle.dumps 和 pickle.loads 使用‘‘‘
 2 >>> import pickle
 3 >>> user_info = {‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
 4 >>> 
 5 >>> with open(‘data_pickle.txt‘,‘wb‘) as fw:      #用pickle对数据序列化时，要用二进制打开进行读、写
 6     fw.write(pickle.dumps(user_info))
 7   
 9 65
10 >>> with open(‘data_pickle.txt‘,‘rb‘) as fr:
11     pickle.loads(fr.read())
12 
13     
14 {‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
15 >>> 

 1 >>>        ‘‘‘pickle.dump 和 pickle.load使用‘‘‘
 2 >>> import pickle
 3 >>> user_info = {‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
 4 >>> 
 5 >>> with open(‘data_pickle1.txt‘,‘wb‘) as fw:
 6     pickle.dump(user_info,fw)
 7 
 8 >>> with open(‘data_pickle1.txt‘,‘rb‘) as fr:
 9     pickle.load(fr)
10     
11 {‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
12 >>> 

json和pickle两个模块的方法一样，只是在用pickle序列化时，打开文件的方式必须是二进制(‘wb‘,‘rb‘)

以上利用json或pickle都是序列化一条数据，若要同时序列化多条数据，则pickle和json都很麻烦了（两种方式操作过程一样）

>>>                      ‘‘‘用 pickle 序列化多条数据‘‘‘
>>> import pickle
>>> 
>>> user_info = {‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
>>> user_list = [‘root‘,‘admin‘,‘xsec‘]
>>> job_list = [‘python‘,‘php‘,‘js‘]
>>>
>>> with open(‘more_data_pickle.txt‘,‘wb‘) as fw:
    fw.write(pickle.dumps(user_info))
    fw.write(pickle.dumps(user_list))
    fw.write(pickle.dumps(job_list))
    
65
42
40
>>> with open(‘more_data_pickle.txt‘,‘rb‘) as fr:
    pickle.loads(fr.read())
    pickle.loads(fr.read())
    pickle.loads(fr.read())               #用dumps可以序列化多条数据,但是用loads反序列化时，报错了

{‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
Traceback (most recent call last):
  File "<pyshell#83>", line 3, in <module>
    pickle.loads(fr.read())
EOFError: Ran out of input

>>> fr = open(‘more_data_pickle.txt‘,‘rb‘)
>>> pickle.loads(fr.read())
{‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
>>> pickle.loads(fr.read())
Traceback (most recent call last):
  File "<pyshell#86>", line 1, in <module>
    pickle.loads(fr.read())
EOFError: Ran out of input
 
>>> with open(‘more_data_pickle.txt‘,‘wb‘) as fw:          #用dump和load成功序列化和反序列化多条数据
    pickle.dump(user_info,fw)
    pickle.dump(user_list,fw)
    pickle.dump(job_list,fw)

>>> with open(‘more_data_pickle.txt‘,‘rb‘) as fr:
    pickle.load(fr)
    pickle.load(fr)
    pickle.load(fr)        #在生产时这样load不知道到底要load多少次才能取到想要的数据
    
{‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}        #按照dump的先后顺序，依次load （入单向队列，先进先出）
[‘root‘, ‘admin‘, ‘xsec‘]
[‘python‘, ‘php‘, ‘js‘]
>>> 

由上面可知，在序列化时问题还不大，可是当我们在读取数据时，感觉就是毫无条理，不知道合适才能取到我们想要的数据。由此，我们有必要学习下面这个模块

shelve 模块　

　　shelve模块是一个简单的通过key,value形式将内存数据通过文件持久化的模块，可以持久化任何pickle可以支持的python数据格式

　　（ shelve 的实质：对pickle再一次封装）

　　shelve较于pickle优点：
　　　　在dump多条数据时，pickle需要dump多次，其在取时，也要对应load多次（先进先出）
　　　　而shelve在持久化多条数据之后，只需要根据不同的key就可以调用不同的数据

 1 >>> 
 2 >>> import shelve
 3 >>> user_info = {‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
 4 >>> user_list = [‘root‘, ‘admin‘, ‘xsec‘]
 5 >>> job_list = [‘python‘, ‘php‘, ‘js‘]
 6 >>>                                      #用shelve序列化数据
 7 >>> so = shelve.open(‘more_data_shelve.txt‘)     #打开一个用来存储序列化后的数据的文件(不需要打开方式)
 8 >>> so[‘u_i‘] = user_info
 9 >>> so[‘u_l‘] = user_list         #其中的键名（‘u_i‘...）是自定义的，存数据不要求顺序，后面取数据也不要求顺序
10 >>> so[‘j_l‘] = job_list
11 >>> so.close()           #存完了记得关闭文件
12 >>> 
                                            #反序列化数据
13 >>> so1 = shelve.open(‘more_data_shelve.txt‘)         #打开之前存储序列化后的数据的文件，同样不要打开方式
14 >>> so1[‘u_l‘]
15 [‘root‘, ‘admin‘, ‘xsec‘]
16 >>> so1[‘j_l‘]                 #可以通过键名，只取想要的数据，不需要全部反序列化
17 [‘python‘, ‘php‘, ‘js‘]
18 >>> so1[‘u_i‘]
19 {‘name‘: ‘root‘, ‘age‘: 22, ‘job‘: ‘python‘}
20 >>> so1.close()        #关闭文件
21 >>>