micropython常用模块有那个_Python17个常用内置模块总结

最新推荐文章于 2024-10-03 13:06:43 发布

weixin_39679370

最新推荐文章于 2024-10-03 13:06:43 发布

阅读量637

点赞数

文章标签： micropython常用模块有那个

1、getpass模块详解

pwd= getpass.getpass("请输入密码：") #输入密码不可见

yh= getpass.getuser() #显示当前登录系统用户名;

2、os模块

os.getcwd()#获取当前工作目录，即当前python脚本工作的目录路径

os.chdir("dirname") #改变当前脚本工作目录；相当于shell下cd

os.curdir#返回当前目录: ('.')

os.pardir#获取当前目录的父目录字符串名：('..')

os.makedirs('dirname1/dirname2') #可生成多层递归目录

os.removedirs('dirname1') #若目录为空，则删除，并递归到上一级目录，如若也为空，则删除，依此类推

os.mkdir('dirname') #生成单级目录；相当于shell中mkdir dirname

os.rmdir('dirname') #删除单级空目录，若目录不为空则无法删除，报错；相当于shell中rmdir dirname

os.listdir('dirname') #列出指定目录下的所有文件和子目录，包括隐藏文件，并以列表方式打印

os.remove()#删除一个文件

os.rename("oldname","newname") #重命名文件/目录

os.stat('path/filename') #获取文件/目录信息

os.sep#输出操作系统特定的路径分隔符，win下为"\\",Linux下为"/"

os.linesep#输出当前平台使用的行终止符，win下为"\t\n",Linux下为"\n"

os.pathsep#输出用于分割文件路径的字符串

os.name#输出字符串指示当前使用平台。win->'nt'; Linux->'posix'

os.system("bash command") #运行shell命令，直接显示

os.environ#获取系统环境变量

os.path.abspath(path)#返回path规范化的绝对路径

os.path.split(path)#将path分割成目录和文件名二元组返回

os.path.dirname(path)#返回path的目录。其实就是os.path.split(path)的第一个元素

os.path.basename(path)#返回path最后的文件名。如何path以／或\结尾，那么就会返回空值。即os.path.split(path)的第二个元素

os.path.exists(path)#如果path存在，返回True；如果path不存在，返回False

os.path.isabs(path)#如果path是绝对路径，返回True

os.path.isfile(path)#如果path是一个存在的文件，返回True。否则返回False

os.path.isdir(path)#如果path是一个存在的目录，则返回True。否则返回False

os.path.join(path1[, path2[, ...]])#将多个路径组合后返回，第一个绝对路径之前的参数将被忽略

os.path.getatime(path)#返回path所指向的文件或者目录的最后存取时间

os.path.getmtime(path)#返回path所指向的文件或者目录的最后修改时间

3、sys模块

sys.argv#命令行参数List，第一个元素是程序本身路径

sys.exit(n)#退出程序，正常退出时exit(0)

sys.version#获取Python解释程序的版本信息

sys.maxint#最大的Int值

sys.path#返回模块的搜索路径，初始化时使用PYTHONPATH环境变量的值

sys.platform#返回操作系统平台名称

sys.stdout.write('please:')

val= sys.stdin.readline()[:-1]4、subprocess模块

执行系统命令

os.system

commands.* --废弃，3.x中被移除

result= commands.getoutput('cmd')

以上执行shell命令的相关的模块和函数的功能均在 subprocess 模块中实现，并提供了更丰富的功能。

call

执行命令，返回状态码

ret= subprocess.call(["ls", "-l"], shell=False)

ret= subprocess.call("ls -l", shell=True)

shell=True ，允许 shell 命令是字符串形式

check_call

执行命令，如果执行状态码是 0 ，则返回0，否则抛异常

subprocess.check_call(["ls", "-l"])

subprocess.check_call("exit 1", shell=True)

check_output（此下两条命令在2.6执行失败，要是2.7应该才可以）

执行命令，如果状态码是 0 ，则返回执行结果，否则抛异常

subprocess.check_output(["echo", "Hello World!"])

subprocess.check_output("exit 1", shell=True)

subprocess.Popen(...)

用于执行复杂的系统命令

参数：

args：#shell命令，可以是字符串或者序列类型（如：list，元组）

bufsize：#指定缓冲。0 无缓冲,1 行缓冲,其他缓冲区大小,负值系统缓冲

stdin, stdout, stderr：#分别表示程序的标准输入、输出、错误句柄

preexec_fn：#只在Unix平台下有效，用于指定一个可执行对象（callable object），它将在子进程运行之前被调用

close_sfs：#在windows平台下，如果close_fds被设置为True，则新创建的子进程将不会继承父进程的输入、输出、错误管道。所以不能将close_fds设置为True同时重定向子进程的标准输入、输出与错误(stdin, stdout, stderr)。

shell：#同上

cwd：#用于设置子进程的当前目录

env：#用于指定子进程的环境变量。如果env = None，子进程的环境变量将从父进程中继承。

universal_newlines：#不同系统的换行符不同，True -> 同意使用 \n

startupinfo与createionflags#只在windows下有效

将被传递给底层的CreateProcess()函数，用于设置子进程的一些属性，如：主窗口的外观，进程的优先级等等importsubprocess

ret1= subprocess.Popen(["mkdir","t1"])

ret2= subprocess.Popen("mkdir t2", shell=True)5、hashlib模块

用于加密相关的操作，代替了md5模块和sha模块，主要提供 SHA1, SHA224, SHA256, SHA384, SHA512 ，MD5 算法importhashlib######### md5 ########

hash=hashlib.md5()

hash.update('admin')printhash.hexdigest()######### sha1 ########

hash=hashlib.sha1()

hash.update('admin')printhash.hexdigest()######### sha256 ########

hash=hashlib.sha256()

hash.update('admin')printhash.hexdigest()######### sha384 ########

hash=hashlib.sha384()

hash.update('admin')printhash.hexdigest()######### sha512 ########

hash=hashlib.sha512()

hash.update('admin')printhash.hexdigest()

以上加密算法虽然依然非常厉害，但时候存在缺陷，即：通过撞库可以反解。所以，有必要对加密算法中添加自定义key再来做加密。importhashlib######### md5 ########

hash= hashlib.md5('898oaFs09f')

hash.update('admin')printhash.hexdigest()

还不够吊？python 还有一个 hmac 模块，它内部对我们创建 key 和内容再进行处理然后再加密importhmac

h= hmac.new('wueiqi')

h.update('hellowo')printh.hexdigest()6,7、json 和 pickle

用于序列化的两个模块

json，用于字符串和 python数据类型间进行转换

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

Json模块提供了四个功能：dumps、dump、loads、load

pickle模块提供了四个功能：dumps、dump、loads、load

pickle>>> importpickle>>> data = {'k1' : 123, 'k2' : 'hello'}>>> p_str = pickle.dumps(data) #序列化

>>> printp_str>>> loadsed = pickle.loads(p_str) #反序列化

>>> printloadsed

序列化到文件>>> li = ['wsyht',11,22,'ok','yes']>>> pickle.dump(li,open('test.txt','w')) #序列化到文件

>>> pickle.load(open('test.txt')) #从文件反序列化出来

json>>> importjson>>> data = {'k1':123,'k2':'abc'}>>> str =json.dumps(data)>>> stt=json.loads(str)

序列化到文件>>> li = ['wsyht',11,22,'ok','yes']>>> json.dump(li,open('test.txt','w')) #序列化到文件

>>> json.load(open('test.txt')) #从文件反序化出来

8、shutil模块

shutil.make_archive(base_name, format,...)

创建压缩包并返回文件路径，例如：zip、tar

base_name：压缩包的文件名，也可以是压缩包的路径。只是文件名时，则保存至当前目录，否则保存至指定路径，

如：www=>保存至当前路径

如：/Users/wupeiqi/www =>保存至/Users/wupeiqi/format：压缩包种类，“zip”, “tar”, “bztar”，“gztar”

root_dir：要压缩的文件夹路径（默认当前目录）

owner：用户，默认当前用户

group：组，默认当前组

logger：用于记录日志，通常是logging.Logger对象#将 /Users/wupeiqi/Downloads/test 下的文件打包放置当前程序目录

importshutil

ret= shutil.make_archive("wwwwwwwwww", 'gztar', root_dir='/Users/wupeiqi/Downloads/test')#将 /mnt下的文件打包放置 /tmp目录

importshutil

ret= shutil.make_archive("/tmp/www", 'gztar', root_dir='/mnt') #2.6用不了，2.7或许可以

类似于高级API，而且主要强大之处在于其对文件的复制与删除操作更是比较支持好。

相关API介绍

copyfile(src, dst)

从源src复制到dst中去。当然前提是目标地址是具备可写权限。抛出的异常信息为

IOException. 如果当前的dst已存在的话就会被覆盖掉。

copyfile( src, dst) 从源src复制到dst中去。当然前提是目标地址是具备可写权限。抛出的异常信息为IOException. 如果当前的dst已存在的话就会被覆盖掉

copymode( src, dst) 只是会复制其权限其他的东西是不会被复制的

copystat( src, dst) 复制权限、最后访问时间、最后修改时间

copy( src, dst) 复制一个文件到一个文件或一个目录

copy2( src, dst) 在copy上的基础上再复制文件最后访问时间与修改时间也复制过来了，类似于cp –p的东西

copy2( src, dst) 如果两个位置的文件系统是一样的话相当于是rename操作，只是改名；如果是不在相同的文件系统的话就是做move操作

copytree(olddir,newdir,True/Flase) 把olddir拷贝一份newdir，如果第3个参数是True，则复制目录时将保持文件夹下的符号连接，如果第3个参数是False，则将在复制的目录下生成物理副本来替代符号连接

shutil.rmtree("te") 删除一个目录importshutil

shutil.copyfile('f:/temp.txt', 'f:/os.txt') #复制文件

shutil.copytree('f:/temp', 'f:/os') #复制目录

######### zip的用法 ########

shutil 对压缩包的处理是调用 ZipFile 和 TarFile 两个模块来进行的，详细：importzipfile#压缩

z= zipfile.ZipFile('laxi.zip', 'w')

z.write('a.log') #压缩包写入a.log

z.write('data.data') #写入data文件

z.close()#解压

z= zipfile.ZipFile('laxi.zip', 'r')

z.extractall()

z.close()9、time模块

三种表示主式：1、时间戳 1970年1月1日后的秒2、元组包含了：年、日、星期等...time.struct_time3、格式化的字符串 2014-11-11 11:11 printtime.time()#时间戳形式存在

printtime.time()print time.mktime(time.localtime()) #print (time.localtime())此为元组形式，这一整句意思是把元组形式转化成时间戳形式

#元组形式存在

print time.gmtime() #可加时间戳参数

print time.localtime() #可加时间戳参数

print time.strptime('2014-11-11','%Y-%m-%d') #字符串形式转换成元组形式

#字符串形式存在

print time.strftime('%Y-%m-%d') #默认当前时间，必须记住，工作中用得最多

print time.strftime('%Y-%m-%d',time.localtime()) #默认当前时间

printtime.asctime()printtime.asctime(time.localtime())printtime.ctime(time.time())

时间的三种表示方式演示>>> importtime>>> printtime.time()1469014348.5 #秒，时间戳的方式

>>> printtime.gmtime()

time.struct_time(tm_year=2016, tm_mon=7, tm_mday=20, tm_hour=11, tm_min=25, tm_sec=53, tm_wday=2, tm_yday=202, tm_isdst=0)>>> print time.strftime('%Y-%m-%d %H:%M:%S')2016-07-20 19:36:16

10、datetime模块importdatetime'''datetime.date：表示日期的类。常用的属性有year, month, day

datetime.time：表示时间的类。常用的属性有hour, minute, second, microsecond

datetime.datetime：表示日期时间

datetime.timedelta：表示时间间隔，即两个时间点之间的长度

timedelta([days[, seconds[, microseconds[, milliseconds[, minutes[, hours[, weeks]]]]]]])

strftime("%Y-%m-%d")'''

importdatetimeprintdatetime.datetime.now()print datetime.datetime.now() - datetime.timedelta(days=5)11、re模块

compile

match search findall

group groups

正则表达式常用格式：

字符：\d \w \t .

次数：* +? {m} {m,n}

示例：#!#/usr/bin/env python

#coding:utf-8

importre

result1= re.match('\d+', '1afsfweasfcxvsfd123') #在你给的字符串起始位置去匹配,\d从数字开始找，+表示一个到多个

if result1: #当result1等于True的时候，就是匹配，如果匹配就输出里面的内容

print result1.group() #用group方法把他匹配的内容输出出来

else:print 'nothing'result2= re.search('\d+', 'alsfj3af') #在整个内容里面去匹配，\d从数字开始找，+表示一个到多个

ifresult2:print result2.group() #用group方法把他匹配的内容输出出来

result3= re.findall('\d+', 'asfaf11sf22lj33') #只要匹配全都拿出来

printresult3

com= re.compile('\d+')print com.findall('asfaf11sf22lj33')

result5= re.search('(\d+)\w*(\d+)','aasflsjfa12aaljsf22lj13bb')print result5.group() #所有匹配内容输出

print result5.groups() #只把括号\d，也就是组里面的内容输出

result6= re.search('a{3,5}','aaaaaa') #匹配3到5次的aaaaa输出出来

printresult6.group()

总结：

match：只在第一个字符串开始找，如果没有匹配，则不再继续找，如果第一个字符串中有，则只输出第一个

searh: 在所有内容里找，直到找到为止，但只输出找到的第一个

findall：把所有找到的匹配的内容，都通过列表的形式打印出来

compile: 编译之后再去匹配，这样可以加快匹配的速度

group: 把他匹配的内容输出出来

groups：分组

匹配的字符：

\d：表示数字的意思

\w: 代表下划线，字母，数字

\t：制表符，除了回车以外的所有字符

匹配的次数：*大于等于0，0到多个+大于等于1，1个到多个

? 0或1

{m} 次数，如a{6}，出现6次a的进行匹配

{m,n} 如a{3,7} 出现3到7次的就进行匹配

例子1：

法1>>> ip = '12.23.84.dsfa.23s.3234~lsjfw+23sfaf192.168.32.43_w342d~@#9436'

>>> importre>>> re.findall('[0-9]{1,3}',ip)

['12', '23', '84', '23', '323', '4', '23', '192', '168', '32', '43', '342', '943', '6']>>> re.findall('[0-9]{1,3}\.[0-9]{1,3}',ip)

['12.23', '192.168', '32.43']>>> re.findall('[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}',ip)

['12.23.84', '192.168.32']>>> re.findall('[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}',ip)

['192.168.32.43']

法2:>>> re.findall('(\d+)',ip)

['12', '23', '84', '23', '3234', '23', '192', '168', '32', '43', '342', '9436']>>> re.findall('(\.+\d+){1,3}',ip)

['.84', '.23', '.3234', '.43']>>> re.findall('(?:\.+\d+){1,3}',ip) #?:表示匹配括号的那一组数据，必须连着

['.23.84', '.23', '.3234', '.168.32.43']>>> re.findall('[0-9]{1,3}(?:\.+\d+){3}',ip)

['192.168.32.43']

法3：>>> re.findall('(?:\d+\.+){3}\d{1,3}',ip)

['192.168.32.43']

法4：>>> re.findall('(?:\d{1,3}\.){3}\d{1,3}',ip)

['192.168.32.43']12、random模块importrandomprintrandom.random()print random.randint(1,2)print random.randrange(1,10)

随机验证码实例：importrandom

checkcode= ''

for i in range(4):

current= random.randrange(0,4)if current !=i:

temp= chr(random.randint(65,90))else:

temp= random.randint(0,9)

checkcode+=str(temp)printcheckcode13、ConfigParser模块

用于对特定的配置进行操作，当前模块的名称在 python3.x 版本中变更为 configparser。1.读取配置文件-read(filename) 直接读取ini文件内容-sections() 得到所有的section，并以列表的形式返回-options(section) 得到该section的所有option-items(section) 得到该section的所有键值对-get(section,option) 得到section中option的值，返回为string类型-getint(section,option) 得到section中option的值，返回为int类型2.写入配置文件-add_section(section) 添加一个新的section-set( section, option, value) 对section中的option进行设置

需要调用write将内容写入配置文件。

[root@test1 mnt]#cat data.txt

[sec_a]

a_key1= 20a_key2= 10[sec_b]

b_key1= 121b_key2=b_value2

b_key3=$r

b_key4= 127.0.0.1

>>> importConfigParser>>> cf =ConfigParser.ConfigParser()>>> cf.read("data.txt")

['data.txt']>>> secs = cf.sections() #获得所有区域

>>> print 'sections:', secs

sections: ['sec_b', 'sec_a']>>> opts = cf.options("sec_a")>>> print 'options:', opts

options: ['a_key1', 'a_key2']>>>

>>> for sn insecs:

...print cf.options(sn) #打印出每个区域的所有属性

...

['b_key4', 'b_key1', 'b_key2', 'b_key3']

['a_key1', 'a_key2']>>> str_val = cf.get("sec_a", "a_key1")>>> int_val = cf.getint("sec_a", "a_key2")>>> print "value for sec_a's a_key1:", str_val

valuefor sec_a's a_key1: 20

>>> print "value for sec_a's a_key2:", int_val

valuefor sec_a's a_key2: 10

>>> cf.set("sec_b", "b_key3", "new-$r")>>> cf.set("sec_b", "b_newkey", "new-value")>>> cf.add_section('a_new_section')>>> cf.set('a_new_section', 'new_key', 'new_value')>>> cf.write(open("data.txt", "w"))>>> cf.has_section('a_new_section') #判断存不存在[sec_a]

True>>> cf.remove_section('sec_a') #删除[sec_a]

True>>> cf.has_section('a_section') #判断存不存在[sec_a]

False>>> cf.write(open("data.txt", "w"))14、traceback模块

[root@test1 mnt]#cat test.py

#!/usr/bin/env python

#coding:utf-8

importtracebacktry:1/0exceptException,e:#print e

traceback.print_exc(file=open('tb.txt','w+'))else:print 'success'

15、yaml模块的使用

yaml在python上的具体实现：PyYaml

将yaml写成配置脚本test.yaml ,以下介绍如何读写yaml配置。

使用python的yaml库PyYAML。http://pyyaml.org/安装到python lib下后就可以正常使用了。#加载yaml

importyaml

f= open('test.yaml') #读取文件

x= yaml.load(f) #导入

printx

f.close()importyaml

f= open('d:/newtree.yaml', "w")

yaml.dump(dataMap, f)

f.close()16、itertools模块的使用

[root@test1 mnt]#cat test.py

######### count(1) ########

importitertools

natuals= itertools.count(1) #count创建无限个迭代器

for n innatuals:printn######### cycle() ########

cycle()会把传入的一个序列无限重复下去：>>> importitertools>>> cs = itertools.cycle('ABC') #注意字符串也是序列的一种

>>> for c incs:

...printc######### repeat() ########

repeat()负责把一个元素无限重复下去，不过如果提供第二个参数就可以限定重复次数：>>> ns = itertools.repeat('A', 10)>>> for n inns:

...printn

...

打印10次'A'

######### takewhile() ########

>>> natuals = itertools.count(1)>>> ns = itertools.takewhile(lambda x: x <= 10, natuals)>>> for n inns:

...printn

...

打印出1到10######### chain() ########

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

######### groupby() ########

groupby()把迭代器中相邻的重复元素挑出来放在一起：>>> for key, group in itertools.groupby('AAABBBCCAAA'):

...print key, list(group) #为什么这里要用list()函数呢？

...

A ['A', 'A', 'A']

B ['B', 'B', 'B']

C ['C', 'C']

A ['A', 'A', 'A']######### groupby() ########

实际上挑选规则是通过函数完成的，只要作用于函数的两个元素返回的值相等，这两个元素就被认为是在一组的，而函数返回值作为组的key。如果我们要忽略大小写分组，就可以让元素'A'和'a'都返回相同的key：>>> for key, group in itertools.groupby('AaaBBbcCAAa', lambdac: c.upper()):

...printkey, list(group)

...

A ['A', 'a', 'a']

B ['B', 'B', 'b']

C ['c', 'C']

A ['A', 'A', 'a']######### imap() ########

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

...printx

itertools

阅读:5044Python的内建模块itertools提供了非常有用的用于操作迭代对象的函数。

首先，我们看看itertools提供的几个“无限”迭代器：>>> importitertools>>> natuals = itertools.count(1)>>> for n innatuals:

...printn

...1

3...

因为count()会创建一个无限的迭代器，所以上述代码会打印出自然数序列，根本停不下来，只能按Ctrl+C退出。

cycle()会把传入的一个序列无限重复下去：>>> importitertools>>> cs = itertools.cycle('ABC') #注意字符串也是序列的一种

>>> for c incs:

...printc

...'A'

'B'

'C'

'A'

'B'

'C'...

同样停不下来。

repeat()负责把一个元素无限重复下去，不过如果提供第二个参数就可以限定重复次数：>>> ns = itertools.repeat('A', 10)>>> for n inns:

...printn

...

打印10次'A'无限序列只有在for迭代时才会无限地迭代下去，如果只是创建了一个迭代对象，它不会事先把无限个元素生成出来，事实上也不可能在内存中创建无限多个元素。

无限序列虽然可以无限迭代下去，但是通常我们会通过takewhile()等函数根据条件判断来截取出一个有限的序列：>>> natuals = itertools.count(1)>>> ns = itertools.takewhile(lambda x: x <= 10, natuals)>>> for n inns:

...printn

...

打印出1到10

itertools提供的几个迭代器操作函数更加有用：

chain()

chain()可以把一组迭代对象串联起来，形成一个更大的迭代器：for c in itertools.chain('ABC', 'XYZ'):printc#迭代效果：'A' 'B' 'C' 'X' 'Y' 'Z'

groupby()

groupby()把迭代器中相邻的重复元素挑出来放在一起：>>> for key, group in itertools.groupby('AAABBBCCAAA'):

...print key, list(group) #为什么这里要用list()函数呢？

...

A ['A', 'A', 'A']

B ['B', 'B', 'B']

C ['C', 'C']

A ['A', 'A', 'A']

...printkey, list(group)

...

A ['A', 'a', 'a']

B ['B', 'B', 'b']

C ['c', 'C']

A ['A', 'A', 'a']

imap()

imap()和map()的区别在于，imap()可以作用于无穷序列，并且，如果两个序列的长度不一致，以短的那个为准。>>> for x in itertools.imap(lambda x, y: x * y, [10, 20, 30], itertools.count(1)):

...printx

注意imap()返回一个迭代对象，而map()返回list。当你调用map()时，已经计算完毕：>>> r = map(lambda x: x*x, [1, 2, 3])>>> r #r已经计算出来了

[1, 4, 9]

当你调用imap()时，并没有进行任何计算：>>> r = itertools.imap(lambda x: x*x, [1, 2, 3])>>>r

#r只是一个迭代对象

itertools

阅读:5044Python的内建模块itertools提供了非常有用的用于操作迭代对象的函数。

首先，我们看看itertools提供的几个“无限”迭代器：>>> importitertools>>> natuals = itertools.count(1)>>> for n innatuals:

...printn

...1

3...

因为count()会创建一个无限的迭代器，所以上述代码会打印出自然数序列，根本停不下来，只能按Ctrl+C退出。

cycle()会把传入的一个序列无限重复下去：>>> importitertools>>> cs = itertools.cycle('ABC') #注意字符串也是序列的一种

>>> for c incs:

...printc

...'A'

'B'

'C'

'A'

'B'

'C'...

同样停不下来。

repeat()负责把一个元素无限重复下去，不过如果提供第二个参数就可以限定重复次数：>>> ns = itertools.repeat('A', 10)>>> for n inns:

...printn

...

...printn

...

打印出1到10

itertools提供的几个迭代器操作函数更加有用：

chain()

chain()可以把一组迭代对象串联起来，形成一个更大的迭代器：for c in itertools.chain('ABC', 'XYZ'):printc#迭代效果：'A' 'B' 'C' 'X' 'Y' 'Z'

groupby()

groupby()把迭代器中相邻的重复元素挑出来放在一起：>>> for key, group in itertools.groupby('AAABBBCCAAA'):

...print key, list(group) #为什么这里要用list()函数呢？

...

A ['A', 'A', 'A']

B ['B', 'B', 'B']

C ['C', 'C']

A ['A', 'A', 'A']

...printkey, list(group)

...

A ['A', 'a', 'a']

B ['B', 'B', 'b']

C ['c', 'C']

A ['A', 'A', 'a']

imap()

...printx

...10

90注意imap()返回一个迭代对象，而map()返回list。当你调用map()时，已经计算完毕：>>> r = map(lambda x: x*x, [1, 2, 3])>>> r #r已经计算出来了

[1, 4, 9]

当你调用imap()时，并没有进行任何计算：>>> r = itertools.imap(lambda x: x*x, [1, 2, 3])>>>r

#r只是一个迭代对象

必须用for循环对r进行迭代，才会在每次循环过程中计算出下一个元素：>>> for x inr:

...printx

...1

9这说明imap()实现了“惰性计算”，也就是在需要获得结果的时候才计算。类似imap()这样能够实现惰性计算的函数就可以处理无限序列：>>> r = itertools.imap(lambda x: x*x, itertools.count(1))>>> for n in itertools.takewhile(lambda x: x<100, r):

...printn17、logging模块

用于便捷记录日志且线程安全的模块importlogging

logging.basicConfig(filename='log.log',

format='%(asctime)s - %(name)s - %(levelname)s -%(module)s: %(message)s',

datefmt='%Y-%m-%d %H:%M:%S %p',

level=5)

logging.debug('debug')

logging.info('info')

logging.warning('warning')

logging.error('error')

logging.critical('critical')

logging.log(10,'log')