Python模块(二):time库

简介: Python模块(二):time库

1.time库基本介绍


time库是Python中处理时间的标准库。它具有以下三种功能👇👇👇

①计算机时间的表达。

②提供获取系统时间并格式化输出功能。

③提供系统级精确计时功能,用于程序性能分析。

可以通过下面的两行代码来调用time库👇👇👇

1. import time
2. time.<b>()

time库包括三类函数:

①时间获取:time(),ctime(),gmtime()

②时间格式化:strftime(),strptime()

③程序计时:sleep(),perf_counter()

下面分别介绍这三类函数👇👇👇


2.时间获取


import time
time.time()
输出结果如下:
1589445805.8094637
(在这里获取了一个时间戳,这个是计算机内部的一个时间值)
import time
time.ctime()
输出结果如下:
'Thu May 14 16:44:42 2020'
(可以看到,我们使用ctime()函数获取当前时间:2020年5月14日,星期四,16点44分42秒)
import time
time.gmtime()
输出结果如下:
time.struct_time(tm_year=2020, tm_mon=5, tm_mday=14, tm_hour=8, 
tm_min=46, tm_sec=48, tm_wday=3, tm_yday=135, tm_isdst=0)
(这里获取的也是当前的时间,只不过表示为计算机可处理的时间格式)


3.时间格式化


将时间以合理的方式展示出来。

格式化:类似于字符串格式化,需要有展示模板。

展示模板由特定的格式化控制符组成。

strftime(),strptime()两种方法。

下面,我们来逐一介绍。👇👇👇


t=time.gmtime()
 time.strftime("%Y-%m-%d  %H:%M:%S", t)
输出结果如下:
'2020-05-14  08:58:36'


我们也可以将上面的输出内容定义成字符串形式,来看下面的内容👇👇👇



import time
timestr="2020-05-14  08:58:36"
time.strptime(timestr , "%Y-%m-%d  %H:%M:%S")
输出结果如下:
time.struct_time(tm_year=2020, tm_mon=5, tm_mday=14, tm_hour=8, 
tm_min=58, tm_sec=36, tm_wday=3, tm_yday=135, tm_isdst=-1)


上面这两种方法分别是strftime()和strptime(),下面我们来了解以下格式化控制符👇👇👇


格式化控制符的前面必须要有百分号,后面的字母,可以根据不同情况予以输出,对应的实例也各有不同!!!


4.程序计时应用


程序计时指的是测量起止动作所经历时间的过程。

测量时间我们可以使用:perf_counter()

产生时间我们可以使用:sleep()

下面,我们来介绍一下这两个函数以及使用方法:👇👇👇

x=time.perf_counter()
y=time.perf_counter()
print(y-x)
输出结果如下:
8.218723500000124


time.sleep(5)
(在IDLE编译环境下输入上述代码之后,可以看到你的程序将等待5秒之后,再退出)

那么以上就是博主总结的Python语言中的time库的一些相关内容!!!



相关文章
|
20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。
|
9天前
|
XML 存储 数据库
Python中的xmltodict库
xmltodict是Python中用于处理XML数据的强大库,可将XML数据与Python字典相互转换,适用于Web服务、配置文件读取及数据转换等场景。通过`parse`和`unparse`函数,轻松实现XML与字典间的转换,支持复杂结构和属性处理,并能有效管理错误。此外,还提供了实战案例,展示如何从XML配置文件中读取数据库连接信息并使用。
Python中的xmltodict库
|
3天前
|
测试技术 Python
手动解决Python模块和包依赖冲突的具体步骤是什么?
需要注意的是,手动解决依赖冲突可能需要一定的时间和经验,并且需要谨慎操作,避免引入新的问题。在实际操作中,还可以结合使用其他方法,如虚拟环境等,来更好地管理和解决依赖冲突😉。
|
13天前
|
Python
在Python中,可以使用内置的`re`模块来处理正则表达式
在Python中,可以使用内置的`re`模块来处理正则表达式
34 5
|
16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。
51 4
|
16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。
25 2
|
22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。🚀🌟
42 7
|
15天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
22天前
|
文字识别 自然语言处理 API
Python中的文字识别利器:pytesseract库
`pytesseract` 是一个基于 Google Tesseract-OCR 引擎的 Python 库,能够从图像中提取文字,支持多种语言,易于使用且兼容性强。本文介绍了 `pytesseract` 的安装、基本功能、高级特性和实际应用场景,帮助读者快速掌握 OCR 技术。
37 0
|
6月前
|
Python 人工智能 数据可视化
Python模块与包(八)
Python模块与包(八)
51 0
Python模块与包(八)
下一篇
无影云桌面