【Python】从入门到上头—常用内置模块基础应用（13）

datetime

datetime是Python处理日期和时间的标准库。

获取当前日期时间

from datetime import datetime
now = datetime.now()  # 获取当前datetime
print(now) #2023-09-13 10:28:48.621343
print(type(now))#

• 注意到datetime是模块，通过from datetime import datetime导入的才是datetime这个类。
  • 如果仅导入import datetime，则必须引用全名datetime.datetime

获取指定日期和时间

dt = datetime(2023, 9, 13, 12, 20) # 用指定日期时间创建datetime
print(dt)

datetime转换为timestamp

• 在计算机中，时间实际上是用数字表示的。我们把1970年1月1日 00:00:00 UTC+00:00时区的时刻称为epoch time，记为0（1970年以前的时间timestamp为负数），当前时间就是相对于epoch time的秒数，称为timestamp。

dt = datetime(2023, 9, 13, 12, 20)  # 用指定日期时间创建datetime
print(dt.timestamp()) # 把datetime转换为timestamp
#1694578800.0

• 注意Python的timestamp是一个浮点数，整数位表示秒。

timestamp也可以直接被转换到UTC标准时区的时间：

t = 1429417200.0
print(datetime.fromtimestamp(t)) # 本地时间
#2015-04-19 12:20:00
print(datetime.utcfromtimestamp(t)) # UTC时间
#2015-04-19 04:20:00

str转换为datetime

• 通过datetime.strptime()实现，需要一个日期和时间的格式化字符串：

cday = datetime.strptime('2015-6-1 18:19:59', '%Y-%m-%d %H:%M:%S')
print(cday)
#2015-06-01 18:19:59

datetime转换为str

now = datetime.now()
print(now.strftime('%a, %b %d %H:%M'))
#Mon, May 05 16:28

datetime加减

• 对日期和时间进行加减实际上就是把datetime往后或往前计算，得到新的datetime。加减可以直接用+和-运算符，不过需要导入timedelta这个类：

from datetime import datetime, timedelta
now = datetime.now()


datetime(2023, 9, 13, 10, 30, 3, 540997)
print(now + timedelta(hours=10))#2023-09-13 20:38:44.709003

datetime(2023, 9, 13, 10, 30, 3, 540997)
print(now - timedelta(days=1))#2023-09-12 10:38:44.709003

datetime(2023, 9, 13, 10, 30, 3, 540997)
print(now + timedelta(days=2, hours=12))#2023-09-12 10:38:44.709003

本地时间转换为UTC时间

from datetime import datetime, timedelta, timezone

tz_utc_8 = timezone(timedelta(hours=8))  # 创建时区UTC+8:00
now = datetime.now()
print(now)

dt = now.replace(tzinfo=tz_utc_8)  # 强制设置为UTC+8:00
print(dt)

dt = datetime(2015, 9, 13, 10, 40, 13, 610986, tzinfo=timezone(timedelta(0, 28800)))
print(dt)

时区转换

from datetime import datetime, timedelta, timezone

# 拿到UTC时间，并强制设置时区为UTC+0:00:
utc_dt = datetime.utcnow().replace(tzinfo=timezone.utc)
print(utc_dt)
# astimezone()将转换时区为北京时间:
bj_dt = utc_dt.astimezone(timezone(timedelta(hours=8)))
print(bj_dt)
# astimezone()将转换时区为东京时间:
tokyo_dt = utc_dt.astimezone(timezone(timedelta(hours=9)))
print(tokyo_dt)
# astimezone()将bj_dt转换时区为东京时间:
tokyo_dt2 = bj_dt.astimezone(timezone(timedelta(hours=9)))
print(tokyo_dt2)

小结

• datetime表示的时间需要时区信息才能确定一个特定的时间，否则只能视为本地时间。

• 如果要存储datetime，最佳方法是将其转换为timestamp再存储，因为timestamp的值与时区完全无关。

base64

Base64是一种任意二进制转换文本字符串的编码方法，常用于在URL、Cookie、网页中传输少量二进制数据。

• Base64的原理很简单，首先，准备一个包含64个字符的数组：

  ['A', 'B', 'C', ... 'a', 'b', 'c', ... '0', '1', ... '+', '/']
  

• 然后，对二进制数据进行处理，每3个字节一组，一共是3x8=24bit，划为4组，每组正好6个bit：

  

• 这样我们得到4个数字作为索引，然后查表，获得相应的4个字符，就是编码后的字符串。

  • 所以，Base64编码会把3字节的二进制数据编码为4字节的文本数据，长度增加33%，好处是编码后的文本数据可以在邮件正文、网页等直接显示。

  • 如果要编码的二进制数据不是3的倍数，最后会剩下1个或2个字节怎么办？

    • Base64用\x00字节在末尾补足后，再在编码的末尾上1个或2个=号，表示补了多少字节，解码的时候，会自动去掉。

Python内置的base64可以直接进行base64的编解码：

import base64
#`b'str'`可以表示字节，
a = base64.b64encode(b'binary\x00string')
print(a)
b = base64.b64decode(b'YmluYXJ5AHN0cmluZw==')
print(b)
#b'YmluYXJ5AHN0cmluZw=='
#b'binary\x00string'

• b'str'可以表示字节，

由于标准Base64编码后可能出现字符+和/，在URL中就不能直接作为参数，所以又有一种"url safe"的base64编码，其实就是把字符+和/分别变成-和_ ：

#`b'str'`可以表示字节，
c= base64.b64encode(b'i\xb7\x1d\xfb\xef\xff')
print(c)#b'abcd++//'
d = base64.urlsafe_b64encode(b'i\xb7\x1d\xfb\xef\xff')
print(d)#b'abcd++//'
e = base64.urlsafe_b64decode('abcd--__')
print(e)#b'abcd++//'

hashlib

Python的hashlib提供了常见的摘要算法，如MD5，SHA1等等。

**什么是摘要算法呢？

• **摘要算法又称哈希算法、散列算法。摘要算法就是通过摘要函数f()对任意长度的数据data计算出固定长度的摘要digest，目的是为了发现原始数据是否被人篡改过。（通常用16进制的字符串表示）。

• 摘要算法之所以能指出数据是否被篡改过

  • 因为摘要函数是一个单向函数，计算f(data)很容易，但通过digest反推data却非常困难。而且，对原始数据做一个bit的修改，都会导致计算出的摘要完全不同。

应用场景

• 写了一篇文章，内容是一个字符串’how to use python hashlib - by Michael’，并附上这篇文章的摘要是’2d73d4f15c0db7f5ecb321b6a65e5d6d’。如果有人篡改了你的文章，并发表为’how to use python hashlib - by Bob’，你可以一下子指出Bob篡改了你的文章，因为根据’how to use python hashlib - by Bob’计算出的摘要不同于原始文章的摘要。

MD5是最常见的摘要算法，速度很快，生成结果是固定的128 bit/16字节，通常用一个32位的16进制字符串表示。如下所示

import hashlib
md5 = hashlib.md5()
md5.update('how to use md5 in python hashlib?'.encode('utf-8'))
print(md5.hexdigest())
#d26a53750bc40b38b65a520292f69306

如果数据量很大，可以分块多次调用update()，最后计算的结果是一样的：

import hashlib

md5 = hashlib.md5()
md5.update('how to use md5 in '.encode('utf-8'))
md5.update('python hashlib?'.encode('utf-8'))
print(md5.hexdigest())
#d26a53750bc40b38b65a520292f69306

另一种常见的摘要算法是SHA1，调用SHA1和调用MD5完全类似：SHA1的结果是160 bit/20字节，通常用一个40位的16进制字符串表示。

import hashlib

sha1 = hashlib.sha1()
sha1.update('how to use sha1 in '.encode('utf-8'))
sha1.update('python hashlib?'.encode('utf-8'))
print(sha1.hexdigest())
#2c76b57293ce30acef38d98f6046927161b46a44

比SHA1更安全的算法是SHA256和SHA512，不过越安全的算法不仅越慢，而且摘要长度更长。

hmac

通过哈希算法，我们可以验证一段数据是否有效，方法就是对比该数据的哈希值，例如，判断用户口令是否正确，我们用保存在数据库中的password_md5对比计算md5(password)的结果，如果一致，用户输入的口令就是正确的。

为了防止黑客通过彩虹表根据哈希值反推原始口令，在计算哈希的时候，不能仅针对原始输入计算，需要增加一个salt来使得相同的输入也能得到不同的哈希，这样，大大增加了黑客破解的难度。

• 如果salt是我们自己随机生成的，通常我们计算MD5时采用md5(message + salt)。但实际上，把salt看做一个“口令”，加salt的哈希就是：计算一段message的哈希时，根据不同口令计算出不同的哈希。要验证哈希值，必须同时提供正确的口令。

  • 这实际上就是Hmac算法：Keyed-Hashing for Message Authentication。它通过一个标准算法，在计算哈希的过程中，把key混入计算过程中。

  • 和我们自定义的加salt算法不同，Hmac算法针对所有哈希算法都通用，无论是MD5还是SHA-1。采用Hmac替代我们自己的salt算法，可以使程序算法更标准化，也更安全。

Python自带的hmac模块实现了标准的Hmac算法。我们来看看如何使用hmac实现带key的哈希。

import hmac
#原始数据
message = b'Hello, world!'
#密钥
key = b'secret'
h = hmac.new(key, message, digestmod='MD5')
# 如果消息很长，可以多次调用h.update(msg)
print(h.hexdigest())
#'fa4ee7d173f2d97ee79022d1a7355bcf'

• 需要注意传入的key和message都是bytes类型，str类型需要首先编码为bytes。

urllib

详见【Python】从入门到上头—网络请求模块urlib和reuests的应用场景（12）

XML

操作XML有两种方法：DOM和SAX。

• DOM会把整个XML读入内存，解析为树，因此占用内存大，解析慢，优点是可以任意遍历树的节点。

• SAX是流模式，边读边解析，占用内存小，解析快，缺点是我们需要自己处理事件。

• 正常情况下，优先考虑SAX，因为DOM实在太占内存。

在Python中使用SAX解析XML非常简洁，通常我们关心的事件是start_element，end_element和char_data，准备好这3个函数，然后就可以解析xml了。

如： 当SAX解析器读到一个节点时：

<a href="/">python</a>

会产生3个事件：

• start_element事件，在读取时；

• char_data事件，在读取python时；

• end_element事件，在读取时。

  from xml.parsers.expat import ParserCreate
  
  
  class DefaultSaxHandler(object):
      def start_element(self, name, attrs):
          print('sax:start_element: %s, attrs: %s' % (name, str(attrs)))
  
      def end_element(self, name):
          print('sax:end_element: %s' % name)
  
      def char_data(self, text):
          print('sax:char_data: %s' % text)
  
  
  xml = r'''
  
      
  Python
      
  Ruby
  
  '''
  
  handler = DefaultSaxHandler()
  parser = ParserCreate()
  #start_element事件
  parser.StartElementHandler = handler.start_element
  #end_element事件
  parser.EndElementHandler = handler.end_element
  #char_data事件
  parser.CharacterDataHandler = handler.char_data
  #解析
  parser.Parse(xml)
  

  执行结果

  sax:start_element: ol, attrs: {}
  sax:char_data: 
  
  sax:char_data:     
  sax:start_element: li, attrs: {}
  sax:start_element: a, attrs: {'href': '/python'}
  sax:char_data: Python
  sax:end_element: a
  sax:end_element: li
  sax:char_data: 
  
  sax:char_data:     
  sax:start_element: li, attrs: {}
  sax:start_element: a, attrs: {'href': '/ruby'}
  sax:char_data: Ruby
  sax:end_element: a
  sax:end_element: li
  sax:char_data: 
  
  sax:end_element: ol
  

  • 需要注意的是：读取一大段字符串时，CharacterDataHandler可能被多次调用，所以需要自己保存起来，在EndElementHandler里面再合并。

除了解析XML外，如何生成XML呢？

• 99%的情况下需要生成的XML结构都是非常简单的，因此，最简单也是最有效的生成XML的方法是拼接字符串：

  L = []
  L.append(r'')
  L.append(r'')
  L.append(encode('some & data'))
  L.append(r'')
  return ''.join(L)
  

HTMLParser

如果我们要编写一个搜索引擎，第一步是用爬虫把目标网站的页面抓下来，第二步就是解析该HTML页面，看看里面的内容到底是新闻、图片还是视频。

• 假设第一步已经完成了，第二步应该如何解析HTML呢？

HTML本质上是XML的子集，但是HTML的语法没有XML那么严格，所以不能用标准的DOM或SAX来解析HTML。

Python提供了HTMLParser来非常方便地解析HTML，只需简单几行代码：

from html.parser import HTMLParser
from html.entities import name2codepoint

class MyHTMLParser(HTMLParser):

    def handle_starttag(self, tag, attrs):
        print('<%s>' % tag)

    def handle_endtag(self, tag):
        print('' % tag)

    def handle_startendtag(self, tag, attrs):
        print('<%s/>' % tag)

    def handle_data(self, data):
        print(data)

    def handle_comment(self, data):
        print('')

    def handle_entityref(self, name):
        print('&%s;' % name)

    def handle_charref(self, name):
        print('&#%s;' % name)

parser = MyHTMLParser()
parser.feed('''



    
Some html HTML tutorial...
END
''')

• feed()方法可以多次调用，也就是不一定一次把整个HTML字符串都塞进去，可以一部分一部分塞进去。

• 特殊字符有两种，一种是英文表示的 ，一种是数字表示的Ӓ，这两种字符都可以通过Parser解析出来。

random

Python random 模块主要用于生成随机数。实现了各种分布的伪随机数生成器。

常用方法

andom()	生成一个 [0.0, 1.0) 之间的随机小数
seed(seed)	初始化给定的随机数种子
randint(a, b)	生成一个 [a, b] 之间的随机整数
uniform(a, b)	生成一个 [a, b] 之间的随机小数
choice(seq)	从序列 seq 中随机选择一个元素
shuffle(seq)	将序列 seq 中元素随机排列, 返回打乱后的序列

random.random()

import random
print(random.random())
#0.4784904215869241

**random.seed(seed) **

• 初始化给定的随机数种子

• 计算机使用确定性的算法计算出一个随机数序列。计算机产生的随机数并不真正的随机，但具有类似于随机数的统计特征，如均匀性、独立性等。

• 计算机根据随机数种子产生随机数序列，如果随机数种子相同，每次产生的随机数序列是相同的；如果随机数种子不同，产生的随机数序列是不同的。

  random.seed(10)
  a = random.randint(0, 100)
  print(a)
  a = random.randint(0, 100)
  print(a)
  a = random.randint(0, 100)
  print(a)
  # 73
  # 4
  # 54
  
  random.seed(10)
  a = random.randint(0, 100)
  print(a)
  a = random.randint(0, 100)
  print(a)
  a = random.randint(0, 100)
  print(a)
  # 73
  # 4
  # 54
  

  • 结果

  第1个random.seed(10)设定种子为 10
  产生第 1 个随机数 73
  产生第 2 个随机数 4
  产生第 3 个随机数 54
  第2个random.seed(10)设定种子为 10
  产生第 1 个随机数 73
  产生第 2 个随机数 4
  产生第 3 个随机数 54
  
  可以看出，当种子相同时，产生的随机数序列是相同的
  

random.randint(a, b)

• 生成一个 [a, b] 之间的随机整数，示例如下：

  a = random.randint(0, 2)
  print(a)
  a = random.randint(0, 2)
  print(a)
  a = random.randint(0, 2)
  print(a)
  # 1
  # 2
  # 0
  

random.uniform(a, b)

• 是生成一个 [a, b] 之间的随机小数

  import random
  random.uniform(0, 2)
  #0.20000054219225438
  random.uniform(0, 2)
  #1.4472780206791538
  random.uniform(0, 2)
  #0.5927807855738692
  

random.choice(seq)

• 从序列 seq 中随机选择一个元素

  import random
  seq = [1, 2, 3, 4]
  random.choice(seq)
  #3
  random.choice(seq)
  #1
  

random.shuffle(seq)

• 将序列 seq 中元素随机排列, 返回打乱后的序列

  import random
  seq = [1, 2, 3, 4]
  random.shuffle(seq)
  #[1, 3, 2, 4]
  

小结

• 利用HTMLParser，可以把网页中的文本、图像等解析出来。