Python 开发者应该知道的 7 个开发库

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 pyquery import 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 paragraph in page('#container > p'):
2     paragraph = PyQuery(paragraph)
3     text = paragraph.text()


2. dateutil

安装方法:pip install dateutil

处理日期很痛苦,多亏有了 dateutil

01 from dateutil.parser import 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))


3. fuzzywuzzy

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 Levenshtein import 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 fuzzywuzzy import process
2  
3 process.extractOne("canaderp", countries)
4 >>> ("Canada", 97)


4. watchdog

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 sh import 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")


6. pattern

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。

7. path.py

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 f in 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 path import 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?

你可能感兴趣的:(python)