logging、json与pickle、time与datatime、random

一、logging

logging模块用来记录日志信息。

import logging
# 进行基本的日志配置
logging.basicConfig(
filename='access.log',
#format表示日志写入的格式
format='%(asctime)s - %(name)s - %(levelname)s -%(module)s:  %(message)s',
#datefmt表示日志时间格式设置
datefmt='%Y-%m-%d %H:%M:%S %p',
#level表示阈值
level=10
)# 日志级别遵循原则：自下而上进行匹配，不小于设定阈值的日志会被记录(默认30)
#debug-》info-》warning-》error-》critical
logging.debug('调试信息') #10
logging.info('正常信息') #20
logging.warning('不好啦着火啦') #30
logging.error('报错信息') #40
logging.critical('严重错误信息') #50

format的具体参数可以参考下面的图片：

使用logging模块时，一般参照如下的格式：

import logging.config
# 定义三种日志输出格式
standard_format = '%(asctime)s - %(filename)s:%(lineno)d - %(name)s - %(levelname)s - %(message)s'
simple_format = '%(asctime)s - %(levelname)s - %(message)s'path=r'日志文件路径'
data='%Y-%m-%d %H:%M:%S %p'LOGGING_DIC = {'version': 1,'disable_existing_loggers': False,#此处将配置的format参数传入'formatters': {'formatter1': {'format': standard_format,'datefmt':data},'formatter2': {'format': simple_format,'datefmt':data},},#filters负责筛选日志信息，目前用不到'filters': {},'handlers': {#打印到终端的日志'sm': {'level': 'DEBUG','class': 'logging.StreamHandler',  # 打印到屏幕'formatter': 'formatter2' # 日志输出格式，与上方传入formatters的相对应},#保存到文件的日志,收集info及以上的日志'h1': {'level': 20,# 阈值，也可以写数字'class': 'logging.FileHandler',  # 保存到文件'formatter': 'formatter1','filename': path,  # 日志文件'encoding': 'utf-8',  # 日志文件的编码，再也不用担心中文log乱码了},},'loggers': {#logging.getLogger找不到匹配的日志标题时，会使用''中的日志格式设置'': {'handlers': ['h1','sm'],# 此处表示日志使用到的输出方式，与上方的handlers相对应'level': 'DEBUG', # 阈值，两处阈值设置不一时，以阈值小的为准'propagate': False,  # 向上（更高level的logger）传递},#日志设置的标题要与logging.getLogger传入的相匹配'日志标题':{'handlers': ['h1'],'level': 30,'propagate': False,},},
}
#将配置字典加载到logging中
logging.config.dictConfig(LOGGING_DIC)
log=logging.getLogger('日志标题')
#下面为具体的日志信息
logging.debug('调试信息')
logging.info('正常信息')
logging.warning('不好啦着火啦')
logging.error('报错信息')
logging.critical('严重错误信息')

二.json与pickle

json、pickle模块的作用是将数据序列化。
json保存的数据可以与多种语言交互，但是它只支持python部分的类型，如字典、列表、元组、字符串、数字、True、False、None等。
pickle只能用于python语言，但是它支持python的所有数据类型。

import json
#将python数据a转为json格式
b=json.dumps(a)
#将json格式的数据b转为python数据
a=json.loads(b)#将python数据a转为json并写入文件,f表示文件句柄
json.dump(a,f)
#从文件中读取json数据并转为python数据b
b=json.load(f)

注：一个文件一般只存一个json数据

import pickle
#将python数据a转为pickle格式
b=pickle.dumps(a)
#将pickle格式的数据b转为python数据
a=pickle.loads(b)#将python数据a转为pickle并写入文件,f表示文件句柄
pickle.dump(a,f)
#从文件中读取pickle数据并转为python数据b
b=pickle.load(f)

三.time与datatime

import time
#获取时间戳
time.time()
<<<1726914530.610406#获取结构化时间
time.localtime()
<<<time.struct_time(tm_year=2024, tm_mon=9, tm_mday=21, tm_hour=18, tm_min=27, tm_sec=21, tm_wday=5, tm_yday=265, tm_isdst=0)
#可以通过上面结构化时间的key取出具体的值
time.localtime().tm_wday
<<<5#获取格式化时间
time.strftime('%Y-%m-%d %H:%M:%S')
<<<2024-09-21 18:30:07#时间戳、结构化时间、格式化时间的转换
#时间戳转结构化时间转格式化时间
time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))
#格式化时间转结构化时间转时间戳
time.mktime(time.strptime('2024-09-21 18:30:07','%Y-%m-%d %H:%M:%S'))#程序休眠3s
time.sleep(3)#计时器，从第一次调用开始计时，再次调用会记录下调用时经过的时间
time.perf_counter()#与time.localtime用法相同，不过为世界标准时区下的时间
time.gmtime()#将时间戳转为星期 月 日 时:分:秒 年的格式
time.ctime()
<<<Sat Sep 21 18:46:12 2024#将结构化时间转为星期 月 日 时:分:秒 年的格式
time.asctime()

import datetime
#获取当前时间(精确为微秒)
datetime.datetime.now()
#获取当前时间(精确为秒)
datetime.datetime.now().replace(microsecond=0)
#修改获取时间的年份
datetime.datetime.now().replace(year=2020)
#计算7天后的时间
(datetime.datetime.now()+datetime.timedelta(days=7)).replace(microsecond=0)
#时间戳转化为格式化时间
import time
datetime.datetime.fromtimestamp(time.time()).replace(microsecond=0)

四.random

random模块通常用来取随机数

import random
#生成一个0~1的随机小数，概率服从高斯分布
random.random()
#生成一个1~10的随机整数，概率服从均匀分布
random.randint(1,10)
#生成一个1~10的随机小数，概率服从均匀分布
random.uniform(1,10)
#获取列表中随机一个值，服从均匀分布
random.choice(['1',2,3])
#获取列表中随机两个值，选的元素不会重复
random.sample(['1',2,3],2)
#获取列表中随机两个值，选的元素可以重复
random.choices(['1',2,3],k=2)
#打乱可变类型的顺序
random.shuffle()
#随机数种子
random.seed()