Python 开发者应该知道的 7 个开发库
1. PyQuery (with lxml)安装方法 pip install pyquery
Python 解析 HTML 时最经常被推荐的是 Beautiful Soup ，而且它的确也表现很好。提供良好的 Python 风格的 API，而且很容易在网上找到相关的资料文档，但是当你需要在短时间内解析大量文档时便会碰到性能的问题，简单，但是真的非常慢。
下图是 08 年的一份性能比较图：
这个图里我们发现 lxml 的性能是如此之好，不过文档就很少，而且使用上相当的笨拙！那么是选择一个使用简单但是速度奇慢的库呢，还是选择一个速度飞快但是用起来巨复杂的库呢？
谁说二者一定要选其一呢，我们要的是用起来方便，速度也一样飞快的 XML/HTML 解析库！
而 PyQuery 就可以同时满足你的易用性和解析速度方面的苛刻要求。
看看下面这几行代码：
1from pyquery import PyQuery
2page = PyQuery(some_html)
3
4last_red_anchor = page('#container > a.red:last') 很简单吧，很像是 jQuery，但它却是 Python。
不过也有一些不足，在使用迭代时需要对文本进行重新封装：
1for paragraph in page('#container > p'):
2 paragraph = PyQuery(paragraph)
3 text = paragraph.text()
2. dateutil
安装方法：pip install dateutil
处理日期很痛苦，多亏有了 dateutil
01from dateutil.parser import parse
02
03>>> parse('Mon, 11 Jul 2011 10:01:56 +0200 (CEST)')
04datetime.datetime(2011, 7, 11, 10, 1, 56, tzinfo=tzlocal())
05
06# fuzzy ignores unknown tokens
07
08>>> s = """Today is 25 of September of 2003, exactly
09... at 10:49:41 with timezone -03:00."""
10>>> parse(s, fuzzy=True)
11datetime.datetime(2003, 9, 25, 10, 49, 41,
12 tzinfo=tzoffset(None, -10800))
3. fuzzywuzzy
安装方法：pip install fuzzywuzzy
fuzzywuzzy 可以让你对两个字符串进行模糊比较，当你需要处理一些人类产生的数据时，这非常有用。下面代码使用Levenshtein 距离比较方法来匹配用户输入数组和可能的选择。
01from Levenshtein import distance
02
03countries = ['Canada', 'Antarctica', 'Togo', ...]
04
05def choose_least_distant(element, choices):
06 'Return the one element of choices that is most similar to element'
07 return min(choices, key=lambda s: distance(element, s))
08
09user_input = 'canaderp'
10choose_least_distant(user_input, countries)
11>>> 'Canada' 这已经不错了，但还可以做的更好：
1from fuzzywuzzy import process
2
3process.extractOne("canaderp", countries)
4>>> ("Canada", 97)
4. watchdog
安装方法：pip install watchdog
watchdog 是一个用来监控文件系统事件的 Python API和shell实用工具。
5. sh
安装方法：pip install sh
sh 可让你调用任意程序，就好象是一个函数一般：
01from sh import git, ls, wc
02
03# checkout master branch
04git(checkout="master")
05
06# print(the contents of this directory
07print(ls("-l"))
08
09# get the longest line of this file
10longest_line = wc(__file__, "-L")
6. pattern
安装方法：pip install pattern
Pattern 是 Python 的一个 Web 数据挖掘模块。可用于数据挖掘、自然语言处理、机器学习和网络分析。
7. path.py
安装方法：pip install path.py
当我开始学习 Python 时，os.path 是我最不喜欢的 stdlib 的一部分。尽管在一个目录下创建一组文件很简单。
view sourceprint?
1import os
2
3some_dir = '/some_dir'
4files = []
5
6for f in os.listdir(some_dir):
7 files.append(os.path.joinpath(some_dir, f))
但 listdir 在 os 而不是 os.path 中。
而有了 path.py ，处理文件路径变得简单：
1from path import path
2
3some_dir = path('/some_dir')
4
5files = some_dir.files() 其他的用法：
01>>> path('/').owner
02'root'
03
04>>> path('a/b/c').splitall()
05
06
07# overriding __div__
08>>> path('a') / 'b' / 'c'
09path('a/b/c')
10
11>>> path('ab/c').relpathto('ab/d/f')
12path('../d/f') 是不是要好很多？
页:
[1]