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?