python库开发_Python开发库

在我多年的 Python 编程经历以及在 Github 上的探索漫游过程中，我发掘到一些很不错的 Python 开发包，这些包大大简化了开发过程，而本文就是为了向大家推荐这些开发包。

请注意我特别排除了像 SQLAlchemy 和 Flask 这样的库，因为其实在太优秀了，无需多提。

下面开始：

1. PyQuery (with lxml)

安装方法 pip install pyquery

Python 解析 HTML 时最经常被推荐的是 Beautiful Soup ，而且它的确也表现很好。提供良好的 Python 风格的 API，而且很容易在网上找到相关的资料文档，但是当你需要在短时间内解析大量文档时便会碰到性能的问题，简单，但是真的非常慢。

下图是 08 年的一份性能比较图：

这个图里我们发现 lxml 的性能是如此之好，不过文档就很少，而且使用上相当的笨拙！那么是选择一个使用简单但是速度奇慢的库呢，还是选择一个速度飞快但是用起来巨复杂的库呢？

谁说二者一定要选其一呢，我们要的是用起来方便，速度也一样飞快的 XML/HTML 解析库！

而 PyQuery 就可以同时满足你的易用性和解析速度方面的苛刻要求。

看看下面这几行代码：

1

from pyqueryimport PyQuery

2

page= PyQuery(some_html)

3

4

last_red_anchor= page('#container > a.red:last')

很简单吧，很像是 jQuery，但它却是 Python。

不过也有一些不足，在使用迭代时需要对文本进行重新封装：

1

for paragraphin page('#container > p'):

2

paragraph= PyQuery(paragraph)

3

text= paragraph.text()

安装方法：pip install dateutil

处理日期很痛苦，多亏有了 dateutil

01

from dateutil.parserimport parse

02

03

>>> parse('Mon, 11 Jul 2011 10:01:56 +0200 (CEST)')

04

datetime.datetime(2011,7,11,10,1,56, tzinfo=tzlocal())

05

06

# fuzzy ignores unknown tokens

07

08

>>> s= """Today is 25 of September of 2003, exactly

09

...        at 10:49:41 with timezone -03:00."""

10

>>> parse(s, fuzzy=True)

11

datetime.datetime(2003,9,25,10,49,41,

12

tzinfo=tzoffset(None,-10800))

安装方法：pip install fuzzywuzzy

fuzzywuzzy 可以让你对两个字符串进行模糊比较，当你需要处理一些人类产生的数据时，这非常有用。下面代码使用Levenshtein 距离比较方法来匹配用户输入数组和可能的选择。

01

from Levenshteinimport distance

02

03

countries= ['Canada','Antarctica','Togo', ...]

04

05

def choose_least_distant(element, choices):

06

'Return the one element of choices that is most similar to element'

07

return min(choices, key=lambda s: distance(element, s))

08

09

user_input= 'canaderp'

10

choose_least_distant(user_input, countries)

11

>>>'Canada'

这已经不错了，但还可以做的更好：

1

from fuzzywuzzyimport process

2

3

process.extractOne("canaderp", countries)

4

>>> ("Canada",97)

安装方法：pip install watchdog

watchdog 是一个用来监控文件系统事件的 Python API和shell实用工具。

5. sh

安装方法：pip install sh

sh 可让你调用任意程序，就好象是一个函数一般：

01

from shimport git, ls, wc

02

03

# checkout master branch

04

git(checkout="master")

05

06

# print(the contents of this directory

07

print(ls("-l"))

08

09

# get the longest line of this file

10

longest_line= wc(__file__,"-L")

安装方法：pip install pattern

Pattern 是 Python 的一个 Web 数据挖掘模块。可用于数据挖掘、自然语言处理、机器学习和网络分析。

安装方法：pip install path.py

当我开始学习 Python 时，os.path 是我最不喜欢的 stdlib 的一部分。尽管在一个目录下创建一组文件很简单。

1

import os

2

3

some_dir= '/some_dir'

4

files= []

5

6

for fin os.listdir(some_dir):

7

files.append(os.path.joinpath(some_dir, f))

但 listdir 在 os 而不是 os.path 中。

而有了 path.py ，处理文件路径变得简单：

1

from pathimport path

2

3

some_dir= path('/some_dir')

4

5

files= some_dir.files()

其他的用法：

01

>>> path('/').owner

02

'root'

03

04

>>> path('a/b/c').splitall()

05

[path(''), 'a', 'b', 'c']

06

07

# overriding __div__

08

>>> path('a')/ 'b' / 'c'

09

path('a/b/c')

10

11

>>> path('ab/c').relpathto('ab/d/f')

12

path('../d/f')

是不是要好很多？