python中包的解释,用法。jsonpickle模块,以及哈希用法

2024-02-09 16:30

本文主要是介绍python中包的解释,用法。jsonpickle模块,以及哈希用法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2020.7.29:一起Python零基础走天下哈

1.包的使用(4*)

1.什么是包

官网解释

包是一种通过使用‘.模块名’来组织python模块名称空间的方式。

我们的理解具体为

包就是一个包含有init.py文件的文件夹,所以其实我们创建包的目的就是为了用文件夹将文件/模块组织起来

需要强调的是

1. 在python3中,即使包下没有init.py文件,import 包仍然不会报错,而在python2中,包下一定要有该文件,否则import 包报错
  2. 创建包的目的不是为了运行,而是被导入使用,记住,包只是模块的一种形式而已,包的本质就是一种模块

为什么我们要使用包
  • 包的本质就是一个文件夹,那么文件夹唯一的功能就是将文件组织起来
  • 随着功能越写越多,我们无法将所以功能都放到一个文件中,
  • 于是我们使用模块去组织功能,而随着模块越来越多,
  • 我们就需要用文件夹将模块文件组织起来,以此来提高程序的结构性和可维护性
使用包所需要注意的地方
  • 1.关于包相关的导入语句也分为import和from … import …两种,但是无论哪种,无论在什么位置,在导入时都必须遵循一个原则:

    在导入时带点的,点的左边都必须是一个包,否则非法。可以带有一连串的点,

  • 2、import导入文件时,产生名称空间中的名字来源于文件,import 包,产生的名称空间的名字同样来源于文件,即包下的__init__.py,导入包本质就是在导入该文件

  • 3、包A和包B下有同名模块也不会冲突,如A.a与B.a来自俩个命名空间

2.包的使用之import

基于此结构使用的示例:

在这里插入图片描述

示例:在aaa文件下的init.py文件里使用import操作

#牢记点:#单独导入包名称时不会导入包中所有包含的所有子模块#aaa的init.py文件中的代码
import aaa.m1
#执行文件中代码
import aaa
aaa.f1()#结果
Traceback (most recent call last):File "E:/code/s15-20day/1  .包的使用.py", line 8, in <module>aaa.f1()
AttributeError: module 'aaa' has no attribute 'f1'#错误原因就是上述的原因

解决方法:

#aaa的init.py文件中的代码
from .m1 import f1
#执行文件中代码
import aaa
aaa.f1()#结果
m1.f1

3.包的使用之from … import …

  • 需要注意的是from后import导入的模块,必须是明确的一个不能带点,否则会有语法错误,如:from a import b.c是错误语法

    基于此结构使用的示例:

在这里插入图片描述

示例:在aaa文件下的init.py文件里使用import操作

#aaa的init.py文件中的代码
from aaa.m1 import * #*就代表所有函数,也可以在m1文件内设置能被*拿取的函数名是哪些。下同
from aaa.m2 import *
from aaa.m3 import *
from aaa.bbb.mm1 import *
from aaa.bbb.mm2 import *
from aaa.bbb.mm3 import *
#执行文件中代码
print('')
print('m1','='*20)
print('')
aaa.f1()
aaa.f2()
aaa.f3()
print('')
print('m2','='*20)
print('')
aaa.ff1()
aaa.ff2()
aaa.ff3()
print('')
print('m3','='*20)
print('')
aaa.fff1()
aaa.fff2()
aaa.fff3()
print('')
print('mm11','='*20)
print('')
aaa.m1()
aaa.m2()
aaa.m3()
aaa.m4()
print('')
print('mm2','='*20)
print('')
aaa.mm1()
aaa.mm2()
aaa.mm3()
aaa.mm4()
print('')
print('mm3','='*20)
print('')
aaa.mmm1()
aaa.mmm2()
aaa.mmm3()
aaa.mmm4()#结果
==================== 惊喜加惊讶 ====================m1 ====================m1.f1
m1.f2
m1.f3m2 ====================m2.ff1
m2.ff2
m2.ff3m3 ====================m3.fff1
m3.fff2
m3.fff3mm11 ====================mm1.m1
mm1.m2
mm1.m3
mm1.m4mm2 ====================mm2.mm1
mm2.mm2
mm2.mm3
mm2.mm4mm3 =========fd===========mm3.mmm1
mm3.mmm2
mm3.mmm3
mm3.mmm4Process finished with exit code 0

4.绝对导入和相对导入

  • 我们的最顶级包aaa是写给别人用的,然后在aaa包内部也会有彼此之间互相导入的需求,这时候就有绝对导入和相对导入两种方式:

  • 1.绝对导入:以aaa作为起始

  • 相对导入:用.或者…的方式最为起始(只能在一个包中使用,不能用于不同目录内)

    基于此结构使用的示例:

在这里插入图片描述

  • 例如:

    #绝对导入#在mm2中想要调用m2
    from aaa.m2 import *
    #相对导入#在mm1中想要调用m1
    from ..m1 import *
    

5、包以及包所包含的模块都是用来被导入的,而不是被直接执行的。而环境变量都是以执行文件为准的

6.绝对导入与相对导入总结

绝对导入与相对导入# 绝对导入: 以执行文件的sys.path为起始点开始导入,称之为绝对导入
#        优点: 执行文件与被导入的模块中都可以使用
#        缺点: 所有导入都是以sys.path为起始点,导入麻烦# 相对导入: 参照当前所在文件的文件夹为起始开始查找,称之为相对导入
#        符号: .代表当前所在文件的文件加,..代表上一级文件夹,...代表上一级的上一级文件夹
#        优点: 导入更加简单
#        缺点: 只能在导入包中的模块时才能使用#注意:1. 相对导入只能用于包内部模块之间的相互导入,导入者与被导入者都必须存在于一个包内2. attempted relative import beyond top-level package # 试图在顶级包之外使用相对导入是错误的,言外之意,必须在顶级包内使用相对导入,每增加一个.代表跳到上一级文件夹,而上一级不应该超出顶级包

2.json&pickle模块

1、什么是序列化与反序列化
  • 内存中某一类的数据---------------》特殊的格式
  • 内存中某一类的数据《---------------特殊的格式
2、为何要序列化

1、存档:把内存中的数据持久化到硬盘**
​ 2、跨平台交互数据**

  • 在python中:
    存档=》推荐用pickle格式
    跨平台交互=》推荐用json格式
3、如何序列化
一.以前的序列化方法:比较low的
1.序列化
items=["圣剑","蝴蝶","BKB"]dic_str=str(items)with open('db.txt',mode='wt',encoding="utf-8") as f:f.write(dic_str)2.反序列化
with open('db.txt',mode='rt',encoding='utf-8') as f:data=f.read()  # "['圣剑', '蝴蝶', 'BKB']"items=eval(data)print(items[0])
二:现在的序列化方法:json
  • 优点:跨平台交互数据
  • 缺点:无法识别所有的python数据类型
  • 注意:json格式的字符串里不能包含单引号
import json  #盗用json 模块
序列化方式一: #dumps 与loads 合用
t={"a":1,"b":2}  # 字典=======》json格式的字符串:{"a":1,"b":2}
res=json.dumps(t)
print(res,type(res))
with open("a.json",mode='wt',encoding='utf-8') as f:f.write(res)
json反序列化方式一:
with open("a.json",mode='rt',encoding='utf-8') as f:data=f.read()dic=json.loads(data)print(dic,type(dic))json序列化方式二: #dump 与load 合用
t={"a":1,"b":2}  # 字典=======》json格式的字符串:"[1,2,3]"
with open("b.json",mode='wt',encoding='utf-8') as f:json.dump(t,f)
json反序列化方式二:
with open("b.json",mode='rt',encoding='utf-8') as f:dic=json.load(f)print(dic,type(dic))
三:现在的序列化方法:pickle
  • 优点:可以识别所有python类型

  • 缺点:只能用于python中,无法跨平台交互

    具体操作与json格式是一样的,这里就不多做累赘的解释了。

3.hashlib模块

hash是一种算法(md5\sha256\sha512等),我们为该算法传入内容,该算法会计算得到一串hash值

hash值具备以下三个特点:
  • 1、如果传入的内容一样,并且采用hash算法也一样,那么得到个hash值一定是一样的
  • 2、hash值的长度取决于采用的算法,与传入的文本内容的大小无关
  • 3、hash值不可逆
输入字符不变情况下:

执行文件一:

import hashlib
m=hashlib.md5()
m.update("你好".encode('utf-8'))
m.update("egon".encode('utf-8'))
m.update("哈哈哈".encode('utf-8'))  # "你好egon哈哈哈"
res=m.hexdigest()
print(res)

结果:

824cb1b104e36de8f98ef38fbee759a5

执行文件二:

import hashlib
m1=hashlib.md5("你".encode('utf-8'))
m1.update("好eg".encode('utf-8'))
m1.update("on哈哈哈".encode('utf-8'))  # "你好egon哈哈哈"
res=m1.hexdigest()
print(res)

结果:

824cb1b104e36de8f98ef38fbee759a5
数据修改的情况下

执行文件三:

import hashlib
m1=hashlib.md5("你".encode('utf-8'))
m1.update("好eg".encode('utf-8'))
m1.update("on".encode('utf-8'))
m1.update("_sb哈哈哈".encode('utf-8'))  # "你好egon_sb哈哈哈"
res=m1.hexdigest()
print(res)

结果:

81fc3b364325cdd079f9baff7a8b6c95
图片的哈希值

执行文件四:

import hashlib
m2=hashlib.md5()
with open('aaa.png',mode='rb') as f:for line in f:m2.update(line)
print(m2.hexdigest())

结果:

14c1bbbb06ba99319a42e89074346d5d
对哈希值进行加密

执行文件五:

pwd="123"
m3=hashlib.md5()
m3.update("天王盖地虎".encode('utf-8'))
m3.update(pwd.encode('utf-8')) # "天王盖地虎123小鸡炖蘑菇"
m3.update("小鸡炖蘑菇".encode('utf-8'))
print(m3.hexdigest())

结果:

11d69510db5f5a4a87f56b7fc58dc8d2

这篇关于python中包的解释,用法。jsonpickle模块,以及哈希用法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/694732

相关文章

哈希leetcode-1

目录 1前言 2.例题  2.1两数之和 2.2判断是否互为字符重排 2.3存在重复元素1 2.4存在重复元素2 2.5字母异位词分组 1前言 哈希表主要是适合于快速查找某个元素(O(1)) 当我们要频繁的查找某个元素,第一哈希表O(1),第二,二分O(log n) 一般可以分为语言自带的容器哈希和用数组模拟的简易哈希。 最简单的比如数组模拟字符存储,只要开26个c

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

wolfSSL参数设置或配置项解释

1. wolfCrypt Only 解释:wolfCrypt是一个开源的、轻量级的、可移植的加密库,支持多种加密算法和协议。选择“wolfCrypt Only”意味着系统或应用将仅使用wolfCrypt库进行加密操作,而不依赖其他加密库。 2. DTLS Support 解释:DTLS(Datagram Transport Layer Security)是一种基于UDP的安全协议,提供类似于

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

usaco 1.3 Prime Cryptarithm(简单哈希表暴搜剪枝)

思路: 1. 用一个 hash[ ] 数组存放输入的数字,令 hash[ tmp ]=1 。 2. 一个自定义函数 check( ) ,检查各位是否为输入的数字。 3. 暴搜。第一行数从 100到999,第二行数从 10到99。 4. 剪枝。 代码: /*ID: who jayLANG: C++TASK: crypt1*/#include<stdio.h>bool h

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip