Day-14: 經常使用的內建模塊

  • collections包含對tuple、list、dict等派生出新功能

  namedtuple用來爲tuple類型派生出一個新名字的tuple類,並提供用屬性引出的功能。html

>>> from collections import namedtuple
>>> Point = namedtuple('Point', ['x', 'y'])
>>> p = Point(1, 2)
>>> p.x
1
>>> p.y
2

  deque提升list的插入和刪除的效率,同時增長appendleft()和popleft()功能。python

>>> from collections import deque
>>> q = deque(['a', 'b', 'c'])
>>> q.append('x')
>>> q.appendleft('y')
>>> q
deque(['y', 'a', 'b', 'c', 'x'])

  defaultdict:使用dict時,若是key不存在,返回一個默認值,默認值是調用函數反悔的。算法

>>> from collections import defaultdict
>>> dd = defaultdict(lambda: 'N/A')
>>> dd['key1'] = 'abc'
>>> dd['key1'] # key1存在
'abc'
>>> dd['key2'] # key2不存在,返回默認值
'N/A'

  OrderedDict使得使用的dict變成有序的,它的key會按照插入的順序排列。數據庫

>>> from collections import OrderedDict
>>> d = dict([('a', 1), ('b', 2), ('c', 3)])
>>> d # dict的Key是無序的
{'a': 1, 'c': 3, 'b': 2}
>>> od = OrderedDict([('a', 1), ('b', 2), ('c', 3)])
>>> od # OrderedDict的Key是有序的
OrderedDict([('a', 1), ('b', 2), ('c', 3)])

  Counter是簡單的計數器。windows

>>> from collections import Counter
>>> c = Counter()
>>> for ch in 'programming':
...     c[ch] = c[ch] + 1
...
>>> c
Counter({'g': 2, 'm': 2, 'r': 2, 'a': 1, 'i': 1, 'o': 1, 'n': 1, 'p': 1})
  • base64

  base64是一種任意二進制到文本字符串的編碼方式。數組

  首先爲64個字符串的數組準備好對應的6位編碼,作成表格,一一對應。安全

['A', 'B', 'C', ... 'a', 'b', 'c', ... '0', '1', ... '+', '/']

再講二進制數據進行處理,每3個字節一組,一共有3*8=24位,化成4組,每組正好6位。ruby

再依據獲得的6位,查找以前的表格,就變成了編碼後的字符串。app

若是編碼的二進制數據個數不是3的倍數,則在末尾加上所缺個數的\x00字節,再進行編碼(注:加了多少個\x00,編碼後就會有多少個=)函數

python中的base64編碼與解碼:

>>> import base64
>>> base64.b64encode('binary\x00string')
'YmluYXJ5AHN0cmluZw=='
>>> base64.b64decode('YmluYXJ5AHN0cmluZw==')
'binary\x00string'

標準的urlbase64中將+和/換成了-和_,來避免URl中+和/的出現。

  • struct

  python中str既是字符串,又是字節,因此,字節數組=str。struct模塊來解決str和其餘二進制數據類型的轉換。

  struct.pack()表示任意數據類型轉換成字節,struct.unpack()表示字節轉換成相應的數據。

  c表示一個字節的字母,I表示4字節無符號整數,H表示2字節無符號整數。

  其餘數據類型參考官方文檔:https://docs.python.org/2/library/struct.html#format-characters

>>> import struct
>>> struct.pack('>I', 10240099) # 無符號整數轉換成字節
'\x00\x9c@c'
>>> struct.unpack('>IH', '\xf0\xf0\xf0\xf0\x80\x80') 
# 字節轉換成一個4字節的無符號整數和一個2字節的無符號整數 (
4042322160, 32896)

  windows位圖文件(.bmp)前30個字節有如下含義:

兩個字節:'BM'表示Windows位圖,'BA'表示OS/2位圖;

一個4字節整數:表示位圖大小;

一個4字節整數:保留位,始終爲0;

一個4字節整數:實際圖像的偏移量;

一個4字節整數:Header的字節數;

一個4字節整數:圖像寬度;

一個4字節整數:圖像高度;

一個2字節整數:始終爲1;

一個2字節整數:顏色數。

對如下頭文件字節分析,有

>>> s = '\x42\x4d\x38\x8c\x0a\x00\x00\x00\x00\x00\x36\x00\x00\x00\x28\x00\x00\x00\x80\x02\x00\x00\x68\x01\x00\x00\x01\x00\x18\x00'
>>> struct.unpack('<ccIIIIIIHH', s)
('B', 'M', 691256, 0, 54, 40, 640, 360, 1, 24)
  • hashlib

  hashlib,又稱哈希算法,提供常見的摘要算法。它依據提供的數據,經過一個函數,獲得一段固定長度的數據串(一般用16進制的字符串表示)。這個轉換,是單向的,反向推出特別難。

  經常使用的摘要算法有MD5(32位16進制)、SHA1(40位16進制)等。

import hashlib

md5 = hashlib.md5()
md5.update('how to use md5 in python hashlib?')
print md5.hexdigest()
d26a53750bc40b38b65a520292f69306

  數據量大時,也可屢次傳入:

md5 = hashlib.md5()
md5.update('how to use md5 in ')
md5.update('python hashlib?')
print md5.hexdigest()

  SHA1算法:

import hashlib

sha1 = hashlib.sha1()
sha1.update('how to use sha1 in ')
sha1.update('python hashlib?')
print sha1.hexdigest()

  比SHA1更安全的是SHA256和SHA512。

  摘要算法應用在存儲用戶的用戶名和口令的地方。數據庫中,存儲的口令不能是明碼,一旦泄露就危險了。

  所以,儲存的密碼是經摘要算法處理的摘要。該摘要有用戶名 +用戶密碼+‘the-Salt’經摘要算法後合成,防止因用戶密碼相同和黑客預先準備的簡單密碼摘要表被黑掉密碼。

  • itertools

  itertools模塊提供的所有是處理迭代功能的函數,它們返回的不是list,而是迭代對象,只有用for循環迭代的時候才能真正計算。

  count()建立一個無限迭代器,打印出天然序列。

>>> import itertools
>>> natuals = itertools.count(1)
>>> for n in natuals:
...     print n
...
1
2
3
...

  cycle把傳入的序列無限重複。

>>> import itertools
>>> cs = itertools.cycle('ABC') # 注意字符串也是序列的一種
>>> for c in cs:
...     print c
...
'A'
'B'
'C'
'A'
'B'
'C'
...

  repeat()把一個元素無限重複下去,若是提供第二個參數就能夠指定重複次數。

>>> ns = itertools.repeat('A', 10)
>>> for n in ns:
...     print n
...
打印10次'A'

  無限迭代序列,一般使用takewhile()等函數截取出一個有限的序列。

>>> natuals = itertools.count(1)
>>> ns = itertools.takewhile(lambda x: x <= 10, natuals)
>>> for n in ns:
...     print n
...
打印出1到10

  chain()把一組迭代對象串聯起來,造成一個更大的迭代器。

for c in itertools.chain('ABC', 'XYZ'):
    print c
# 迭代效果:'A' 'B' 'C' 'X' 'Y' 'Z'

  groupby()把迭代器中相鄰的重複元素挑選出來放在一塊兒。

>>> for key, group in itertools.groupby('AAABBBCCAAA'):
...     print key, list(group) # 爲何這裏要用list()函數呢?
...
A ['A', 'A', 'A']
B ['B', 'B', 'B']
C ['C', 'C']
A ['A', 'A', 'A']

  忽略大小寫。

>>> for key, group in itertools.groupby('AaaBBbcCAAa', lambda c: c.upper()):
...     print key, list(group)
...
A ['A', 'a', 'a']
B ['B', 'B', 'b']
C ['c', 'C']
A ['A', 'A', 'a']

  imap(),map()的惰性表示,與map()函數相同,可是生成的一個可迭代對象,只有用for循環作迭代的時候纔會計算。

>>> for x in itertools.imap(lambda x, y: x * y, [10, 20, 30], itertools.count(1)):
...     print x
...
10
40
90

  ifilter(),就是filter()的惰性表示。

  • XML

  操做XML有兩種方法:DOM和SAX。DOM直接將整個XML讀入內存,佔用內存大,能夠任意遍歷節點。SAX是流模式,佔用內存小,解析快,須要本身處理時間。

  SAX解析XML時,一般關心的事件是start_element,end_element,char_data,三個函數分別處理下面的事件:

<a href="/">python</a>

  1.start_element事件,在讀取<a href="/">時;

  2.char_data事件,在讀取python時;

  3.end_element事件,在讀取</a>時。

以下面的例子:

from xml.parsers.expat import ParserCreate

class DefaultSaxHandler(object):
    def start_element(self, name, attrs):
        print('sax:start_element: %s, attrs: %s' % (name, str(attrs)))

    def end_element(self, name):
        print('sax:end_element: %s' % name)

    def char_data(self, text):
        print('sax:char_data: %s' % text)

xml = r'''<?xml version="1.0"?>
<ol>
    <li><a href="/python">Python</a></li>
    <li><a href="/ruby">Ruby</a></li>
</ol>
'''
handler = DefaultSaxHandler()
parser = ParserCreate()
parser.returns_unicode = True # 返回的element名稱和cahr_data都是unicode,方便處理
parser.StartElementHandler = handler.start_element
parser.EndElementHandler = handler.end_element
parser.CharacterDataHandler = handler.char_data
parser.Parse(xml)

  若是要生成XML時,最簡單的也是最有效的方法是拼接字符串。

L = []
L.append(r'<?xml version="1.0"?>')
L.append(r'<root>')
L.append(encode('some & data'))
L.append(r'</root>')
return ''.join(L)

  若是要生成複雜的XML,使用JSON比較好。

  • HTMLParser

  HTML本質上是XML的子集,HTMLParser是用來解析HTML的。

from HTMLParser import HTMLParser
from htmlentitydefs import name2codepoint

class MyHTMLParser(HTMLParser):

    def handle_starttag(self, tag, attrs):
        print('<%s>' % tag)

    def handle_endtag(self, tag):
        print('</%s>' % tag)

    def handle_startendtag(self, tag, attrs):
        print('<%s/>' % tag)

    def handle_data(self, data):
        print('data')

    def handle_comment(self, data):
        print('<!-- -->')

    def handle_entityref(self, name):
        print('&%s;' % name)

    def handle_charref(self, name):
        print('&#%s;' % name)

parser = MyHTMLParser()
parser.feed('<html><head></head><body><p>Some <a href=\"#\">html</a> tutorial...<br>END</p></body></html>')

  feed()方法能夠屢次調用,也就是說整個HTML字符串能夠一部分一部分的塞進去。特殊字符有兩種,一種是英文表示的&nbsp,一種是數字表示的&#1234。

 注:本文爲學習廖雪峯Python入門整理後的筆記

相關文章
相關標籤/搜索