【Python标准库】Python标准库索引

本文涉及的产品
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
简介: 【Python标准库】Python标准库索引

文本

string:通用字符串操作

re:正则表达式操作

difflib:差异计算工具

textwrap:文本填充

unicodedata:Unicode字符数据库

stringprep:互联网字符串准备工具

readline:GNU按行读取接口

rlcompleter:GNU按行读取的实现函数

二进制数据

struct:将字节解析为打包的二进制数据

codecs:注册表与基类的编解码器

数据类型

datetime:基于日期与时间工具

calendar:通用月份函数

collections:容器数据类型

collections.abc:容器虚基类

heapq:堆队列算法

bisect:数组二分算法

array:高效数值数组

weakref:弱引用

types:内置类型的动态创建与命名

copy:浅拷贝与深拷贝

pprint:格式化输出

reprlib:交替repr()的实现

数学

numbers:数值的虚基类

math:数学函数

cmath:复数的数学函数

decimal:定点数与浮点数计算

fractions:有理数

random:生成伪随机数

函数式编程

itertools:为高效循环生成迭代器

functools:可调用对象上的高阶函数与操作

operator:针对函数的标准操作

文件与目录

os.path:通用路径名控制

fileinput:从多输入流中遍历行

stat:解释stat()的结果

filecmp:文件与目录的比较函数

tempfile:生成临时文件与目录

glob:Unix风格路径名格式的扩展

fnmatch:Unix风格路径名格式的比对

linecache:文本行的随机存储

shutil:高级文件操作

macpath:Mac OS 9路径控制函数

持久化

pickle:Python对象序列化

copyreg:注册机对pickle的支持函数

shelve:Python对象持久化

marshal:内部Python对象序列化

dbm:Unix“数据库”接口

sqlite3:针对SQLite数据库的API 2.0

压缩

zlib:兼容gzip的压缩

gzip:对gzip文件的支持

bz2:对bzip2压缩的支持

lzma:使用LZMA算法的压缩

zipfile:操作ZIP存档

tarfile:读写tar存档文件

文件格式化

csv:读写CSV文件

configparser:配置文件解析器

netrc:netrc文件处理器

xdrlib:XDR数据编码与解码

plistlib:生成和解析Mac OS X .plist文件

加密

hashlib:安全散列与消息摘要

hmac:针对消息认证的键散列

操作系统工具

os:多方面的操作系统接口

io:流核心工具

time:时间的查询与转化

argparser:命令行选项、参数和子命令的解析器

optparser:命令行选项解析器

getopt:C风格的命令行选项解析器

logging:Python日志工具

logging.config:日志配置

logging.handlers:日志处理器

getpass:简易密码输入

curses:字符显示的终端处理

curses.textpad:curses程序的文本输入域

curses.ascii:ASCII字符集工具

curses.panel:curses的控件栈扩展

platform:访问底层平台认证数据

errno:标准错误记号

ctypes:Python外部函数库

并发

threading:基于线程的并行

multiprocessing:基于进程的并行

concurrent:并发包

concurrent.futures:启动并行任务

subprocess:子进程管理

sched:事件调度

queue:同步队列

select:等待I/O完成

dummy_threading:threading模块的替代(当_thread不可用时)

_thread:底层的线程API(threading基于其上)

_dummy_thread:_thread模块的替代(当_thread不可用时)

进程间通信

socket:底层网络接口

ssl:socket对象的TLS/SSL填充器

asyncore:异步套接字处理器

asynchat:异步套接字命令/响应处理器

signal:异步事务信号处理器

mmap:内存映射文件支持

互联网

email:邮件与MIME处理包

json:JSON编码与解码

mailcap:mailcap文件处理

mailbox:多种格式控制邮箱

mimetypes:文件名与MIME类型映射

base64:RFC 3548:Base16、Base32、Base64编码

binhex:binhex4文件编码与解码

binascii:二进制码与ASCII码间的转化

quopri:MIME quoted-printable数据的编码与解码

uu:uuencode文件的编码与解码

HTML与XML

html:HTML支持

html.parser:简单HTML与XHTML解析器

html.entities:HTML通用实体的定义

xml:XML处理模块

xml.etree.ElementTree:树形XML元素API

xml.dom:XML DOM API

xml.dom.minidom:XML DOM最小生成树

xml.dom.pulldom:构建部分DOM树的支持

xml.sax:SAX2解析的支持

xml.sax.handler:SAX处理器基类

xml.sax.saxutils:SAX工具

xml.sax.xmlreader:SAX解析器接口

xml.parsers.expat:运用Expat快速解析XML

互联网协议与支持

webbrowser:简易Web浏览器控制器

cgi:CGI支持

cgitb:CGI脚本反向追踪管理器

wsgiref:WSGI工具与引用实现

urllib:URL处理模块

urllib.request:打开URL连接的扩展库

urllib.response:urllib模块的响应类

urllib.parse:将URL解析成组件

urllib.error:urllib.request引发的异常类

urllib.robotparser:robots.txt的解析器

http:HTTP模块

http.client:HTTP协议客户端

ftplib:FTP协议客户端

poplib:POP协议客户端

imaplib:IMAP4协议客户端

nntplib:NNTP协议客户端

smtplib:SMTP协议客户端

smtpd:SMTP服务器

telnetlib:Telnet客户端

uuid:RFC4122的UUID对象

socketserver:网络服务器框架

http.server:HTTP服务器

http.cookies:HTTPCookie状态管理器

http.cookiejar:HTTP客户端的Cookie处理

xmlrpc:XML-RPC服务器和客户端模块

xmlrpc.client:XML-RPC客户端访问

xmlrpc.server:XML-RPC服务器基础

ipaddress:IPv4/IPv6控制库

多媒体

audioop:处理原始音频数据

aifc:读写AIFF和AIFC文件

sunau:读写Sun AU文件

wave:读写WAV文件

chunk:读取IFF大文件

colorsys:颜色系统间转化

imghdr:指定图像类型

sndhdr:指定声音文件类型

ossaudiodev:访问兼容OSS的音频设备

国际化

gettext:多语言的国际化服务

locale:国际化服务

编程框架

turtle:Turtle图形库

cmd:基于行的命令解释器支持

shlex:简单词典分析

Tk图形用户接口

tkinter:Tcl/Tk接口

tkinter.ttk:Tk主题控件

tkinter.tix:Tk扩展控件

tkinter.scrolledtext:滚轴文本控件

开发工具

pydoc:文档生成器和在线帮助系统

doctest:交互式Python示例

unittest:单元测试框架

unittest.mock:模拟对象库

test:Python回归测试包

test.support:Python测试工具套件

venv:虚拟环境搭建

调试

bdb:调试框架

faulthandler:Python反向追踪库

pdb:Python调试器

timeit:小段代码执行时间测算

trace:Python执行状态追踪

运行时

sys:系统相关的参数与函数

sysconfig:访问Python配置信息

builtins:内置对象

main:顶层脚本环境

warnings:警告控制

contextlib:with状态的上下文工具

abc:虚基类

atexit:出口处理器

traceback:打印或读取一条栈的反向追踪

future:未来状态定义

gc:垃圾回收接口

inspect:检查存活的对象

site:址相关的配置钩子(hook)

fpectl:浮点数异常控制

distutils:生成和安装Python模块

解释器

code:基类解释器

codeop:编译Python代码

导入模块

imp:访问import模块的内部

zipimport:从ZIP归档中导入模块

pkgutil:包扩展工具

modulefinder:通过脚本查找模块

runpy:定位并执行Python模块

importlib:import的一种实施

Python语言

parser:访问Python解析树

ast:抽象句法树

symtable:访问编译器符号表

symbol:Python解析树中的常量

token:Python解析树中的常量

keyword:Python关键字测试

tokenize:Python源文件分词

tabnany:模糊缩进检测

pyclbr:Python类浏览支持

py_compile:编译Python源文件

compileall:按字节编译Python库

dis:Python字节码的反汇编器

pickletools:序列化开发工具

其它

formatter:通用格式化输出

Windows相关

msilib:读写Windows Installer文件

msvcrt:MS VC++ Runtime的有用程序

winreg:Windows注册表访问

winsound:Windows声音播放接口

Unix相关

posix:最常用的POSIX调用

pwd:密码数据库

spwd:影子密码数据库

grp:组数据库

crypt:Unix密码验证

termios:POSIX风格的tty控制

tty:终端控制函数

pty:伪终端工具

fcntl:系统调用fcntl()和ioctl()

pipes:shell管道接口

resource:资源可用信息

nis:Sun的NIS的接口

syslog:Unix syslog程序库
相关文章
|
10天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
13天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
40 0
|
6天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
20 4
|
6天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
16 2
|
12天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
33 7
|
28天前
|
网络协议 数据库连接 Python
python知识点100篇系列(17)-替换requests的python库httpx
【10月更文挑战第4天】Requests 是基于 Python 开发的 HTTP 库,使用简单,功能强大。然而,随着 Python 3.6 的发布,出现了 Requests 的替代品 —— httpx。httpx 继承了 Requests 的所有特性,并增加了对异步请求的支持,支持 HTTP/1.1 和 HTTP/2,能够发送同步和异步请求,适用于 WSGI 和 ASGI 应用。安装使用 httpx 需要 Python 3.6 及以上版本,异步请求则需要 Python 3.8 及以上。httpx 提供了 Client 和 AsyncClient,分别用于优化同步和异步请求的性能。
python知识点100篇系列(17)-替换requests的python库httpx
|
12天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
20 3
|
15天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
35 5
|
14天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
29 2
|
24天前
|
数据可视化 数据挖掘 Python
Seaborn 库创建吸引人的统计图表
【10月更文挑战第11天】本文介绍了如何使用 Seaborn 库创建多种统计图表,包括散点图、箱线图、直方图、线性回归图、热力图等。通过具体示例和代码,展示了 Seaborn 在数据可视化中的强大功能和灵活性,帮助读者更好地理解和应用这一工具。
36 3