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 pyquery import PyQuery |
2 |
page = PyQuery(some_html) |
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 |
03 |
>>> parse( 'Mon, 11 Jul 2011 10:01:56 +0200 (CEST)' ) |
04 |
datetime.datetime( 2011 , 7 , 11 , 10 , 1 , 56 , tzinfo = tzlocal()) |
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 |
03 |
countries = [ 'Canada' , 'Antarctica' , 'Togo' , ...] |
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)) |
09 |
user_input = 'canaderp' |
10 |
choose_least_distant(user_input, countries) |
这已经不错了,但还可以做的更好:
1 |
from fuzzywuzzy import process |
3 |
process.extractOne( "canaderp" , countries) |
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 |
04 |
git(checkout = "master" ) |
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。
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:
3 |
some_dir = path( '/some_dir' ) |
5 |
files = some_dir.files() |
其他的用法:
04 |
>>> path( 'a/b/c' ).splitall() |
05 |
[path(' '), ' a ', ' b ', ' c'] |
08 |
>>> path( 'a' ) / 'b' / 'c' |
11 |
>>> path( 'ab/c' ).relpathto( 'ab/d/f' ) |
是不是要好很多?