day17_7.19包与logging模块，深浅拷贝

一。包

　　在模块的定义里，模块就是方法的集合，可以将一些常用的方法封装到一个py文件中，通过调用使用，而且，其中的表现形式也有以包的形式导入。

　　其实，包就是一系列模块的结合体，表示形式就是一个文件夹，在文件夹中有一个__init__py文件。

　　init文件就是将包中的方法全部集合 的地方，使用者使用包的时候就是通过运行init文件。

　　在init文件中可以使用两种方法调用包里的方法：

import p.m1

from p.m1 import f1 

　　当文件启动时：首次导入包:先产生一个执行文件的名称空间

　　1.创建包下面的__init__.py文件的名称空间

　　2.执行包下面的__init__.py文件中的代码 将产生的名字放入包下面的__init__.py文件名称空间中

　　3.在执行文件中拿到一个指向包下面的__init__.py文件名称空间的名字。

　　 而无论是import 还是from import都需要以起始运行文件为参照。

　　为了更加方便的管理包，作为包的设计者来说

　　1.当模块的功能特别多的情况下 应该分文件管理

　　2.每个模块之间为了避免后期模块改名的问题 你可以使用相对导入(包里面的文件都应该是被导入的模块)

　　我总结了几个使用包的方法：

　　1.在写包的时候，将所有的模块中的方法都写到init中，在调用包的时候就可以直接调用方法。　

　　2.在调用包的阶段索引包的位置导入包的模块，然后再使用模块中的方法。

　　而包也有相对路径和绝对路径 之分

　　站在包的开发者角度来说，如果使用绝对路径来管理的自己的模块 那么它只需要永远以包的路径为基准依次导入模块站。

　　在包的使用者你必须得将包所在的那个文件夹路径添加到system path中。

　　在py2和py3中也有对于包不同的地方：

　　python2如果要导入包 包下面必须要有__init__.py文件

　　python3如果要导入包 包下面没有__init__.py文件也不会报错

　　当你在删程序不必要的文件的时候 千万不要随意删除__init__.py文件。

二。logging模块（日志模块）

　　记录事务的模块

　　日志分为5个等级，从10-50从轻到重。

logging.debug('debug日志')  #
logging.info('info日志')  #
logging.warning('warning日志')  #
logging.error('error日志')  #
logging.critical('critical日志')  #

　　日志的生成

import logging

logging.basicConfig(filename='access.log',
                    format='%(asctime)s - %(name)s - %(levelname)s -%(module)s:  %(message)s',
                    datefmt='%Y-%m-%d %H:%M:%S %p',
                    level=10,
                    )

　　filename是文件名，format是生成日志的格式，datefmt是时间的格式，level设置的是日志错误显示的的等级下线。最后生成一个文件。

　　如果在终端打印是可以将stream参数变成true，而且不能与filename一起使用。

　　4个logging对象

　　1.logger对象：负责产生日志。

　　2.filter对象：过滤日志

　　3.handler对象:控制日志输出的位置(文件/终端)

　　4.formmater对象:规定日志内容的格式。

　　在handler对象中可以设置日志对象输出的方向：

hd1 = logging.FileHandler('a1.log',encoding='utf-8')  # 输出到文件中
hd2 = logging.FileHandler('a2.log',encoding='utf-8')  # 输出到文件中
hd3 = logging.StreamHandler()  # 输出到终端

　　可以设置多个对象。

　　在规定formmater对象中可以规定日志内容的格式。：

fm1 = logging.Formatter(
        fmt='%(asctime)s - %(name)s - %(levelname)s -%(module)s:  %(message)s',
        datefmt='%Y-%m-%d %H:%M:%S %p',
)

　　formmate中用到的格式：

logging.basicConfig()函数中可通过具体参数来更改logging模块默认行为，可用参数有：

filename：用指定的文件名创建FiledHandler，这样日志会被存储在指定的文件中。
filemode：文件打开方式，在指定了filename时使用这个参数，默认值为“a”还可指定为“w”。
format：指定handler使用的日志显示格式。
datefmt：指定日期时间格式。
level：设置rootlogger（后边会讲解具体概念）的日志级别
stream：用指定的stream创建StreamHandler。可以指定输出到sys.stderr,sys.stdout或者文件(f=open(‘test.log’,’w’))，默认为sys.stderr。若同时列出了filename和stream两个参数，则stream参数会被忽略。

format参数中可能用到的格式化串：
%(name)s Logger的名字
%(levelno)s 数字形式的日志级别
%(levelname)s 文本形式的日志级别
%(pathname)s 调用日志输出函数的模块的完整路径名，可能没有
%(filename)s 调用日志输出函数的模块的文件名
%(module)s 调用日志输出函数的模块名
%(funcName)s 调用日志输出函数的函数名
%(lineno)d 调用日志输出函数的语句所在的代码行
%(created)f 当前时间，用UNIX标准的表示时间的浮 点数表示
%(relativeCreated)d 输出日志信息时的，自Logger创建以 来的毫秒数
%(asctime)s 字符串形式的当前时间。默认格式是 “2003-07-08 16:49:45,896”。逗号后面的是毫秒
%(thread)d 线程ID。可能没有
%(threadName)s 线程名。可能没有
%(process)d 进程ID。可能没有
%(message)s用户输出的消息

　　同样，也可以设置多个对象。

　　然后，需要对logger对象进行绑定handler

logger.addHandler(hd1)
logger.addHandler(hd2)
logger.addHandler(hd3)
#将hd1，2，3绑定到logger，规定输出方向

　　后面再对其格式进行绑定：

hd1.setFormatter(fm1)
hd2.setFormatter(fm2)
hd3.setFormatter(fm1)
#对hd对象绑定格式。

　　设置日志等级

logger.setLevel(20)

　　最后记录日志

logger.debug('写了半天 好累啊 好热啊 好想释放')

　　logger，handler，formmate三者的关系如下：

　　logger可以给多个handler对象，一个formate也可以修饰多个handler，最后由handler对象输出到该输出的位置。

　　上述过程就是将日志文件生成log的过程，很麻烦，所以可以使用日志字典来处理:

import os
import logging.config

# 定义三种日志输出格式 开始

standard_format = '[%(asctime)s][%(threadName)s:%(thread)d][task_id:%(name)s][%(filename)s:%(lineno)d]' \
                  '[%(levelname)s][%(message)s]' #其中name为getlogger指定的名字

simple_format = '[%(levelname)s][%(asctime)s][%(filename)s:%(lineno)d]%(message)s'

# 定义日志输出格式 结束
"""
下面的两个变量对应的值 需要你手动修改
"""
logfile_dir = os.path.dirname(__file__)  # log文件的目录
logfile_name = 'a3.log'  # log文件名

# 如果不存在定义的日志目录就创建一个
if not os.path.isdir(logfile_dir):
    os.mkdir(logfile_dir)

# log文件的全路径
logfile_path = os.path.join(logfile_dir, logfile_name)
# log配置字典
LOGGING_DIC = {
    'version': 1,
    'disable_existing_loggers': False,
    'formatters': {
        'standard': {
            'format': standard_format
        },
        'simple': {
            'format': simple_format
        },
    },
    'filters': {},  # 过滤日志
    'handlers': {
        #打印到终端的日志
        'console': {
            'level': 'DEBUG',
            'class': 'logging.StreamHandler',  # 打印到屏幕
            'formatter': 'simple'
        },
        #打印到文件的日志,收集info及以上的日志
        'default': {
            'level': 'DEBUG',
            'class': 'logging.handlers.RotatingFileHandler',  # 保存到文件
            'formatter': 'standard',
            'filename': logfile_path,  # 日志文件
            'maxBytes': 1024*1024*5,  # 日志大小 5M
            'backupCount': 5,
            '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(__name__)拿到的logger配置
        '': {
            'handlers': ['default', 'console'],  # 这里把上面定义的两个handler都加上，即log数据既写入文件又打印到屏幕
            'level': 'DEBUG',
            'propagate': True,  # 向上（更高level的logger）传递
        },  # 当键不存在的情况下 默认都会使用该k:v配置
    },
}

# 使用日志字典配置
logging.config.dictConfig(LOGGING_DIC)  # 自动加载字典中的配置
logger1 = logging.getLogger('asajdjdskaj')
logger1.debug('好好的 不要浮躁 努力就有收获')

　　在项目的编写中使用logger需要对其路径进行配置，对其getlogger的名字可以随意修改，其返回值也应该是logger1对象，使得用户可以自由返回日志内容。

三。haslib模块

　　哈希lib模块是一个对文件加密的模块

　　1.md5算法：

import hashlib
md1=hashlib.md5()
md1.update(b'')
print(md1.hexdigest())
#输出结果>>>a87ff679a2f3e71d9181a67b7542122c

　　在上述代码中，引入了hashlib模块的md5算法，然后建立一个制造密文的对象，调用该对象使用update进明文加密，注意，update只接受bytes格式的数据。最后输出密文。

　　hashlib的加密是无法被解密的，因为这个算法是不可逆的，唯一的破解方法就是撞库，

　　撞库分为脱库和洗库，将各个字符串的哈希值存储到数据库中，在根据哈希值逆推原数据。

　　只要传入的内容相同，生成的密文一定相同，密文可以分多次传入：

import hashlib
md1=hashlib.md5()
md2=hashlib.md5()
md1.update(b'')
md1.update(b'')
md1.update(b'')
md2.update(b'')
print(md1.hexdigest())
print(md2.hexdigest())
#输出结果>>>550a141f12de6341fba65b0ad0433500
#550a141f12de6341fba65b0ad0433500

　　不同的算法使用的方法是相同的。

　　生成的密文越长，算法越复杂，所消耗的时间就越多。

　　应用场景

　　1.密码的密文存储

　　2.检验文件是否相同

　　加盐:

　　在加密的时候，可以通过加盐处理对密文进行加工，是密文更加复杂，即使通过撞库获得了原密码，也不会知道真正的密码。

md1=hashlib.md5()
md1.update('我是盐'.encode('utf-8'))
md1.update('我是密码'.encode('utf-8'))
print(md1.hexdigest())

　　比加盐更复杂的是动态加盐，就是对加的盐进行动态处理。

　　在实际应用中可以用函数对其封装，解密的时候再次调用函数进行对比。

四。openpyxl模块

　　openpyxl模块是为了操作excel文件而存在　

　　在03版本之前，excel的后缀名是xls，而03以后的版本是xlsx。

　　openpyxl只支持03版本以后的，就是操作文件后缀为xlsx的文件。

　　openpyxl是第三方模块，所以需要在setting里面设置模块下载。

from openpyxl import Workbook
wb = Workbook()  # 先生成一个工作簿
wb1 = wb.create_sheet('index',0)  # 创建一个表单页  后面可以通过数字控制位置
wb2 = wb.create_sheet('index1')
wb1.title = 'login'  # 后期可以通过表单页对象点title修改表单页名称
wb.save('test.xlsx')

　　首先建立一个工作铺，然后对工作簿进行操作就是对表进行操作。

　　使用create_sheet的方法建立表中的分表，也可以传入索引指定表所生成的位置。

　　当分表建立好之后可以使用.title方法对分表的名字进行修改。

　　最后使用save进行保存，这样就会生成该名字的表。

　　索引写入值：

wb1['A3'] = 666
wb1['A4'] = 444
wb1.cell(row=6,column=3,value=88888888)
wb1['A5'] = '=sum(A3:A4)'

　　直接对分表中的单元格进行赋值。赋值也可以写入函数对其他单元格中的数据进行求和等操作。

　　使用cell方法输入行列和值也可以对单元格进行传值。

wb1.append(['username','age','hobby'])
wb1.append(['jason',18,'study'])
wb1.append(['tank',72,'吃生蚝'])
wb1.append(['egon',84,'女教练'])
wb1.append(['sean',23,'会所'])
wb1.append(['nick',28,])
wb1.append(['nick','','秃头'])

　　使用append将一个列表加入分表。

　　读文件：

　　使用load_workbook对文件进行读操作：

from openpyxl import load_workbook  # 读文件
wb = load_workbook('test.xlsx',read_only=True,data_only=True)
print(wb.sheetnames)

　　其输出的是一个对象，使用sheetname可以返回其终端分表单。

print(wb['login']['A3'].value)
print(wb['login']['A4'].value)
print(wb['login']['A5'].value)

　　使用这种方法可以取出单元格中的值

　　如果使用函数data_only将单元格中 的算数数据变成实际数据。需要在表格写完后，认为的改动文件后才能看到真实数据。也就是说存算法变成数据时存储的时算法。

　　读取表格中的数据，（大面积）

res = wb['login']
# print(res)
ge1 = res.rows
for i in ge1:
    for j in i:
        print(j.value)

五。深浅拷贝

　　以列表为例，在列表的拷贝中，有深与浅的区别：

import copy

l = [1,2,[1,2]]
l1 = l
print(id(l),id(l1))
l1 = copy.copy(l)  # 拷贝一份 .......  浅拷贝
print(id(l),id(l1))
l[0] = 222
print(l,l1)
l[2].append(666)
print(l,l1)
#输出结果>>>1939403613512 1939403613512
#1939403613512 1939403614792
#[222, 2, [1, 2]] [1, 2, [1, 2]]
#[222, 2, [1, 2, 666]] [1, 2, [1, 2, 666]]

　　当拷贝完毕后，输出其id发现是一样的，而拷贝后的id是不一样的，当变动其中的不可变类型数据后，浅拷贝后的列表对应元素是不可变的，而变动其可变类型的数据会使得元素改变，原理如图：

　　其中的元素都是完全不变的拷贝下来，而深拷贝则是另外创建一个列表

import copy

l = [1,2,[1,2]]
l1 = copy.deepcopy(l)
l[2].append(666)
print(l,l1)
#输出结果>>>[1, 2, [1, 2, 666]] [1, 2, [1, 2]]

　　深拷贝后改变原来的列表中的列表，拷贝后的文件就不会改变了：

print(wb.sheetnames)