#记录.花钱的,(淘宝)败家的,
# 访问的记录,
# 员工信息,debug等等都需要日志.
#2, 主动触发:检测运维人员输入的指令,检测服务器的重要信息,访问记录.等等.
低配版 low版 # import logging # logging.basicConfig(level=logging.INFO, # format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s', # filename='low版logging.log' # ) # msg = 'cpu 正常,硬盘参数...,流量的max:..最小值:.....' # logging.info(msg) # 日志的信息:不能写入文件与显示 同时进行.
logging库提供了多个组件:Logger、Handler、Filter、Formatter。Logger对象提供应用程序可直接使用的接口,Handler发送日志到适当的目的地,Filter提供了过滤日志信息的方法,Formatter指定日志显示格式。另外,可以通过:logger.setLevel(logging.Debug)设置级别,当然,也可以通过
fh.setLevel(logging.Debug)单对文件流设置某个级别。
# 第一版:只输入文件中.
# import logging
# logger = logging.getLogger() # 创建logger对象.
# fh = logging.FileHandler('高配版logging.log',encoding='utf-8') # 创建文件句柄
#
# # 吸星大法
# logger.addHandler(fh)
#
# logging.debug('debug message')
# logging.info('info message')
# logging.warning('warning message')
# logging.error('error message')
# logging.critical('critical message')
# import logging
# logger = logging.getLogger() # 创建logger对象.
# fh = logging.FileHandler('高配版logging.log',encoding='utf-8') # 创建文件句柄
# sh = logging.StreamHandler() #产生了一个屏幕句柄
#
# # 吸星大法
# logger.addHandler(fh) #添加文件句柄
# logger.addHandler(sh) #添加屏幕句柄
#
#
# logging.debug('debug message')
# logging.info('info message')
# logging.warning('warning message')
# logging.error('error message')
# logging.critical('critical message')
# import logging
# logger = logging.getLogger() # 创建logger对象.
# fh = logging.FileHandler('高配版logging.log',encoding='utf-8') # 创建文件句柄
# sh = logging.StreamHandler() #产生了一个屏幕句柄
# formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
#
#
# # 吸星大法
# logger.addHandler(fh) #添加文件句柄
# logger.addHandler(sh) #添加屏幕句柄
# sh.setFormatter(formatter) # 设置屏幕格式
# fh.setFormatter(formatter) # 设置文件的格式 (这两个按照需求可以单独设置)
#
#
# logging.debug('debug message')
# logging.info('info message')
# logging.warning('warning message')
# logging.error('error message')
# logging.critical('critical message')
# import logging
# logger = logging.getLogger() # 创建logger对象.
# fh = logging.FileHandler('高配版logging.log',encoding='utf-8') # 创建文件句柄
# sh = logging.StreamHandler() #产生了一个屏幕句柄
# formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
# # logger.setLevel(logging.DEBUG)
# #如果你对logger对象设置日志等级.那么文件和屏幕都设置了.
# #总开关 默认从warning开始,如果想设置分开关:必须要从他更高级:(ERROR,critical)从这来个开始.
#
# # 吸星大法
# logger.addHandler(fh) #添加文件句柄
# logger.addHandler(sh) #添加屏幕句柄
# sh.setFormatter(formatter) # 设置屏幕格式
# fh.setFormatter(formatter) # 设置文件的格式 (这两个按照需求可以单独设置)
# fh.setLevel(logging.DEBUG)
#
# logging.debug('debug message')
# logging.info('info message')
# logging.warning('warning message')
# logging.error('error message')
# logging.critical('critical message')
collections
在内置数据类型(dict、list、set、tuple)的基础上,
collections模块还提供了几个额外的数据类型:
Counter、deque、defaultdict、namedtuple和OrderedDict等。
1.namedtuple: 生成可以使用名字来访问元素内容的tuple
2.deque: 双端队列,可以快速的从另外一侧追加和推出对象
3.Counter: 计数器,主要用来计数
4.OrderedDict: 有序字典
5.defaultdict: 带有默认值的字典
namedtuple
我们知道tuple
可以表示不变集合,例如,一个点的二维坐标就可以表示成:
>>> p = (1, 2)
但是,看到(1, 2),很难看出这个tuple是用来表示一个坐标的。
这时,namedtuple
就派上了用场:
>>> from collections import namedtuple >>> Point = namedtuple('Point', ['x', 'y']) >>> p = Point(1, 2) >>> p.x >>> p.y
类似的,如果要用坐标和半径表示一个圆,也可以用namedtuple
定义:
#namedtuple('名称', [属性list]): Circle = namedtuple('Circle', ['x', 'y', 'r'])
OrderedDict 字典有序,3.6版已经有序,应用于之前的版本
from collections import OrderedDict # # od = OrderedDict() # # od['name'] = 'alex' # # od['age'] = '1000' # # od['sex'] = '男' # # print(od) # 装逼版: # d = dict([('a', 1), ('b', 2), ('c', 3)]) # print(d) # from collections import OrderedDict # od1 = OrderedDict([('a', 1), ('c', 3), ('b', 2),]) # print(od1) # l1 = [11,22,33,44,55,77,88,99,90] # dic = {} # for i in l1: # if i > 66: # if 'key1' not in dic: # dic['key1'] = [] # dic['key1'].append(i) # else: # if 'key2' not in dic: # dic['key2'] = [] # dic['key2'].append(i) # print(dic)
deque 双向队列
#deque 双向队列 # from collections import deque # q = deque(['a','b','c','d','e']) # print(q) # q.append(666) #添加最右边 # q.append(777) # q.appendleft(111) #从最左边添加 # q.appendleft(222) # q.pop() # 从右边删除 # q.popleft() # 从左边删除 # q.popleft() # print(q) # queue队列 原则:先进先出.fifo # 栈: 先进后出.
使用list存储数据时,按索引访问元素很快,但是插入和删除元素就很慢了,
因为list是线性存储,数据量大的时候,插入和删除效率很低。
deque是为了高效实现插入和删除操作的双向列表,适合用于队列和栈:
>>> from collections import deque >>> q = deque(['a', 'b', 'c']) >>> q.append('x') >>> q.appendleft('y') >>> q deque(['y', 'a', 'b', 'c', 'x'])
deque除了实现list的append()
和pop()
外,还支持appendleft()
和popleft()
,
这样就可以非常高效地往头部添加或删除元素
OrderedDict
使用dict时,Key是无序的。在对dict做迭代时,我们无法确定Key的顺序。
如果要保持Key的顺序,可以用OrderedDict
:
>>> from collections import OrderedDict >>> d = dict([('a', 1), ('b', 2), ('c', 3)]) >>> d # dict的Key是无序的 {'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)])
注意,OrderedDict
的Key会按照插入的顺序排列,不是Key本身排序:
>>> od = OrderedDict() >>> od['z'] = 1 >>> od['y'] = 2 >>> od['x'] = 3 >>> od.keys() # 按照插入的Key的顺序返回 ['z', 'y', 'x']
defaultdict
有如下值集合 [
11
,
22
,
33
,
44
,
55
,
66
,
77
,
88
,
99
,
90.
..],将所有大于
66
的值保存至字典的第一个key中,将小于
66
的值保存至第二个key的值中。
即: {
'k1'
: 大于
66
,
'k2'
: 小于
66
}
li = [11,22,33,44,55,77,88,99,90] result = {} for row in li: if row > 66: if 'key1' not in result: result['key1'] = [] result['key1'].append(row) else: if 'key2' not in result: result['key2'] = [] result['key2'].append(row) print(result) 原生字典的解决方法
from collections import defaultdict values = [11, 22, 33,44,55,66,77,88,99,90] my_dict = defaultdict(list) for value in values: if value>66: my_dict['k1'].append(value) else: my_dict['k2'].append(value) defaultdict字典解决方法
使用dict
时,如果引用的Key不存在,就会抛出KeyError
。如果希望key不存在时,返回一个默认值,就可以用defaultdict
:
>>> from collections import defaultdict >>> dd = defaultdict(lambda: 'N/A') >>> dd['key1'] = 'abc' >>> dd['key1'] # key1存在 'abc' >>> dd['key2'] # key2不存在,返回默认值 'N/A' 例2 例2
ic1 = {} #---> dic1={1:5,2:5,3:5.....20:5} # for i in range(1,21): # dic1[i] = 5 # print(dic1) # dic1 = {x:5 for x in range(1,21)} # dic1 = dict.fromkeys(range(1,21),5) # dic1 = defaultdict(lambda :5) # for i in range(1,21): # dic1[i] # print(dic1) from collections import Counter c = Counter('abcdeabcdabcabafkjdslajlkfd') print(c)
Counter
Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型,以字典的键值对形式存储,其中元素作为key,其计数作为value。计数值可以是任意的Interger(包括0和负数)。Counter类和其他语言的bags或multisets很相似。
c = Counter('abcdeabcdabcaba') print c 输出:Counter({'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1})
>>> import random #随机小数 >>> random.random() # 大于0且小于1之间的小数 0.7664338663654585 >>> random.uniform(1,3) #大于1小于3的小数 1.6270147180533838 #恒富:发红包 #随机整数 >>> random.randint(1,5) # 大于等于1且小于等于5之间的整数 >>> random.randrange(1,10,2) # 大于等于1且小于10之间的奇数 #随机选择一个返回 >>> random.choice([1,'23',[4,5]]) # #1或者23或者[4,5] #随机选择多个返回,返回的个数为函数的第二个参数 >>> random.sample([1,'23',[4,5]],2) # #列表元素任意2个组合 [[4, 5], '23'] #打乱列表顺序 >>> item=[1,3,5,7,9] >>> random.shuffle(item) # 打乱次序 >>> item [5, 1, 3, 7, 9] >>> random.shuffle(item) >>> item [5, 9, 7, 1, 3]
import random def v_code(): code = '' for i in range(5): num=random.randint(0,9) alf=chr(random.randint(65,90)) add=random.choice([num,alf]) code="".join([code,str(add)]) return code print(v_code()) 生成随机验证码
来源:https://www.cnblogs.com/lnrick/p/9282181.html