复习
1.判断py文件的两种用途
提到判断__name__ == '__main__'时,会执行py文件,
直接输入main,在pycharm里按tab直接自动输入这条语句
2.解决模块相互导入的问题:
在说之前,要知道文件的互相导入,是目录结构设计的不够合理,应该尽量调整程序结构并避免
run.py
import m1
m1.fun1()
m2.py
print('正在导入m2')
from m1 import x
y='m2'
m1.py
print('正在导入m1')
from m2 import y
print('来自m2的y:',y)
x='m1'
上面的run.py文件运行时会报错,报错的地方在m2中的from m1 import x,因为x还未定义就跳转到m2文件中去了,所以,这时候内存中还没有x,会报错
把函数内的定义放在导入的前面,这样可以先创建好自己的名称空间,方便互相导入,或者把导入放在函数中写,这样调用函数的时候才会导入模块
调整后的m1.py
def func1():
from m2 import y,func2
print('来自于m2的y:',y)
func2()
x = 'm1'
调整后的m2.py
def func2():
from m1 import x
print('来自m1的x:',x)
y = 'm2'
这样定义好后,运行run.py会把两个模块的名称空间都创建好了,方便后续的使用
今日内容
1. 包
1. 什么是包
包就是一个含有__init__.py文件的文件夹,导包就相当于在导入init文件
包里的所有内容没有右键运行一说
2. 导入都以包的*目录往下找
3. 绝对导入
相对导入:(仅限在包内使用)
.加要用的模块名
2. json&pickle (*****) (为了解决序列化问题)
不要把自己定义的文件名命名为json或者pickle
1. 什么是序列化
序列化就是将内存中的数据类型转成另外一种格式
即:
序列化:字典------序列化----->其他格式-------->存到硬盘
硬盘---读取------>其他格式------反序列化------>字典
2. 为什么要序列化
1. 持久保存程序的运行状态
2. 数据的跨平台交互
3.如何序列化
json:(以后常用的是json,为了程序的跨平台性)
优点:这种格式是一种通用的格式,所有编程语言都能识别 缺点:不能识别所有python的数据类型
强调:json内没有单引号
用法:
1.json.dumps和json.dump
import json
dic = {'k1':True,'k2':10,'k3':'egon','k4':'你好啊'}
dic_pkl = json.dumps(dic) # 序列化
with open('1.json',mode='wt',encoding='utf8') as f:
f.write(dic_pkl) # 持久化
以上语句可以一步做到,用json.dump直接序列化+持久化
with open(1.json,mode='wt',encoding='utf8') as f:
json.dump(dic,f)
2.反序列化
1.json.loads和json.load
import json
with open('1.json',mode = 'rt',encoding = 'utf8') as f:
dic_json = f.read()
dic = dic_json.loads(dic_json) 反序列化
print(dic)
以上语句也可以用一步做到,json.laod()
with open('1.json',mode = 'rt',encoding = 'utf8') as f:
dic = json.load(f)
print(dic['k1'])
pickle
优点:能识别所有python类型
缺点:职能被python这门编程语言识别
用法,pickle的用法和json的用法一模一样
dic={'k1':True,'k2':10,'k3':'egon','k4':'你好啊'}
1.pickle.dumps与pickle.dump
dic_pkl=pickle.dumps(dic)
with open('1.pickle',mode = 'wb') as f:
f.write(dic_pkl)
用dump代替
with open('1.pickle',mode = 'wb') as f:
pickle.dump(dic,f)
2.pickle的loads,load
with open('1.pickle',mode = 'rb') as f:
dic_pkl=f.read()
dic = pickle.loads(dic_pkl)
用laod代替
with open('1.pickle',mode = 'rb') as f:
dic = pickle.load(f)
print(dic)
3.time&datetime模块
http://www.cnblogs.com/linhaifeng/articles/6384466.html
时间分为三种格式:
1.时间戳:1970年1月1号到今天经过的秒数
import time
time.time()
2. 格式化的字符
print(time.strftime('%Y-%m-%d %H:%M:%S %p'))
3.结构化的时间对象
time.localtime() 得到本地时间的结构化时间对象
time.localtime().tm_hour 只获取小时
time.localtime().tm_wday 获取是本月的第几周
time.localtime().tm_yday 获取本年的第几天 只获取小时只获取小时东八区的中国时间
time.gmtime() 格林威治时间
4. 时间转换
时间戳---->struct time ------>格式化的字符串
struct_time = time.localtime(123123123) 时间戳转struct time
print(struct_time)
print(time.strftime('%Y-%m-%d',struct_time))转成字符串
格式化的字符串----->struct_time----->时间戳
struct_time= time.strptime('2017-03-11','%Y-%m-%d')
print(struct_time)
print(time.mktime(struct_time))
time模块的问题:
1.格式化时间的获取比较麻烦
2.时间转换不方便
3.时间的计算太麻烦
datatime解决了以上问题
datetime.datetime.now() # 获取当前本地时间的格式化时间对象
datetime.datetime.fromtimestamp(123123123) #从1970年1月1号往后多少秒后的时间转换成格式化时间对象
datetime.datetime.now()+datetime.timedelta(days = 3) # 当前本地时间加上三天后的时间,换算成格式化时间对象
datetime.datetime.now() + datetime.timedelta(days=3,hours = 3)
4. 随机模块
random() 随机取0到1之间的小数,不包含0和1
random.randint(1,3) [1,3] 取大于等于1,小于等于3的整数
random.randrange(1,3) [1,3) 取大于等于1小于3的整数
random.uniform(1,3) 取大于1小于3的小数
random.choice([1,'a','c']) 每次从里面选择一个
random.sample([1,'a','c'],2) 每次从列表里选择2个
item=[1,3,5,7,9]
random.shuffle(item) #给列表其中元素洗牌
小练习,生成一个网站的验证码
import random
def make_code(max_size = 6):
res = ''
for i in range(max_size):
num = random.randint(0,9)
alp = char(random.randint(65,90))
res = random.choice(num,alp)
其中chr(65) 把里面数字转成对应的ascii码表
make_code(10)
