1、函数参数说明：

def login(name,info,passwd = '123456')

函数参数可以有默认值，调用函数时：

1、如果只传二个参数，则有默认值的一定要放到最后；

def login(name,passwd = '123456',info='welcome to you')

2、如果传二个参数，一定要指明形参；

login(user)

login(user,passwd)

login(user,info='欢迎')

login(user,info='欢迎',passwd='123456')

def login(*arg)      函数参数个数不定，传参数的时候可以多个，包装为列表；例：

def list_show(*args):

for name in args:

print(name)

list_show('a','b','c','d',1,2,3,4)      #传多个参数

list_show(['a','b','c',1,2,3])             #直接传个列表参数

def login(**arg)      函数参数个数不定，传参数的时候可以多个，包装为字典；例：

def dict_show(**args):

for name in args.items():

print(name)

dict_show(name='kevin',age=23)       #传多个参数时，格式为key=value

print('##################')

dict = {'name':'kevin','age':23}

dict_show(**dict)                   #直接传个字典参数时，字典前加二个**

2、生成器yield：

for i in range(1000): pass

会导致生成一个 1000 个元素的 List，而代码：for i in xrange(1000): pass

则不会生成一个 1000 个元素的 List，而是在每次迭代中返回下一个数值，内存空间占用很小。因为 xrange 不返回 List，而是返回一个 iterable 对象。

同样类似于文件读行的readlines和xreadlines。

带有 yield 的函数在 Python 中被称之为 generator(生成器)，例：

def kevin_readlines():

seek = 0

while True:

with open('D:/eclipse/workspace/python27/first_python27/file/file.txt','r') as f:

#with打开文件无需使用close来结束读取文件

f.seek(seek)

data =  f.readline()

if data:

seek = f.tell()

yield data

else:

return            #直接返回，退出函数

for line in kevin_readlines():

print(line)

yeild生成器需要用循环来一行一行读取。yeild经常用于读取函数的中间值，适合用于多线程之类的情况。使用next来一次一次调用函数值。

3、函数介绍：

★lamba

python lambda是在python中使用lambda来创建匿名函数，而用def创建的方法是有名称的，除了从表面上的方法名不一样外，python lambda还有哪些和def不一样呢？

1 python lambda会创建一个函数对象，但不会把这个函数对象赋给一个标识符，而def则会把函数对象赋值给一个变量。

2 python lambda它只是一个表达式，而def则是一个语句。

lambda语句中，冒号前是参数，可以有多个，用逗号隔开，冒号右边的返回值。lambda语句构建的其实是一个函数对象。

例：

m = lambda x,y,z: (x-y)*z

print m(234,122,5)

也经常用于生成列表，例：

list = [i ** i for i in range(10)]

print(list)

list_lambda = map(lambda x:x**x,range(10))

print(list_lambda)

★ enumerate(iterable,[start])   iterable为一个可迭代的对象；

enumerate(iterable[, start]) -> iterator for index, value of iterable Return an enumerate object.  iterable must be another object  that supports iteration.  The enumerate object yields pairs containing a count  (from start, which defaults to zero) and a value yielded by the iterable

argument. enumerate is useful for obtaining an indexed list:    (0, seq[0]), (1, seq[1]), (2, seq[2]), ...

例：

for k,v in enumerate(['a','b','c',1,2,3],10):

print k,v

★S.format(*args, **kwargs) -> string  字符串的格式输出，类似于格式化输出%s

Return a formatted version of S, using substitutions from args and kwargs.

The substitutions are identified by braces ('{' and '}').

s = 'i am {0},{1}'

print(s.format('wang',1))

★map(function,sequence) 将squence每一项做为参数传给函数，并返回值

例：

def add(arg):

return arg + 101

print(map(add,[12,23,34,56]))

★filter(function or None, sequence) -> list, tuple, or string  返还true的序列

Return those items of sequence for which function(item) is true.  If

function is None, return the items that are true.  If sequence is a tuple

or string, return the same type, else return a list.

例：

def comp(arg):

if arg < 8:

return True

else:

return False

print(filter(comp,[1,19,21,8,5]))

print(filter(lambda x:x % 2,[1,19,20,8,5]))

print(filter(lambda x:x % 2,(1,19,20,8,5)))

print(filter(lambda x:x > 'a','AbcdE'))

★reduce(function, sequence[, initial]) -> value   对二个参数进行计算

Apply a function of two arguments cumulatively to the items of a  sequence,

from left to right, so as to reduce the sequence to a single value.For example, reduce(lambda x, y: x+y, [1, 2, 3, 4, 5]) calculates((((1+2)+3)+4)+5).  If initial is present, it is placed before the

items of the sequence in the calculation, and serves as a default when  the sequence is empty.

例：

print(reduce(lambda x,y:x*y,[22,11,8]))

print(reduce(lambda x,y:x*y,[3],10))

print(reduce(lambda x,y:x*y,[],5))

★zip(seq1 [, seq2 [...]]) -> [(seq1[0], seq2[0] ...), (...)] 将多个序列转化为新元祖的序列

Return a list of tuples, where each tuple contains the i-th element from each of the argument sequences.  The returned list is  truncated in length to the length of the shortest argument sequence.

例：

a = [1,2,3,4,5,6]

b = [11,22,33,44,55]

c = [111,222,333,444]

print(zip(a,b,c))

★eval(source[, globals[, locals]]) -> value将表达式字符串执行为值,其中globals为全局命名空间，locals为局部命名空间，从指字的命名空间中执行表达式，

Evaluate the source in the context of globals and locals.    The source may be a string representing a Python expression  or a code object as returned by compile().    The globals must be a dictionary and locals can be any mapping,    defaulting to the current globals and locals.    If only globals is given, locals defaults to it.

例：

a = '8*(8+20-5%12*23'

print(eval(a))

d = {'a':5,'b':4}

print(eval('a*b',d))

★exec(source[, globals[, locals]]) 语句用来执行储存在字符串或文件中的Python语句

例：

a = 'print("nihao")'

b = 'for i in range(10): print i'

exec(a)

exec(b)

★execfile(filename[, globals[, locals]])

Read and execute a Python script from a file.The globals and locals are dictionaries, defaulting to the currentglobals and locals.  If only globals is given, locals defaults to it.

4、常用模块：

★random 生成随机数

print random.random()             生成0-1之间的小数

print random.randint(1,3)         生成整数，包含endpoint

print random.randrange(1,3,2)    生成整数，不包含endpoint

randrange(self, start, stop=None, step=？)

生成5位随机数，例：

import random

a = []

for i in range(5):

if i == random.randint(1,5):

a.append(str(i))

else:

a.append(chr(random.randint(65,90)))

else:

print(''.join(a))

★生成MD5码

例：

一. 使用md5包

import md5

src = 'this is a md5 test.'

m1 = md5.new()

m1.update(src)

print m1.hexdigest()

二. 使用hashlib

import hashlib

hash = hashlib.md5()

hash.update('this is a md5 test.')

hash.update('admin')

print(hash.digest())

print(hash.hexdigest())

推荐使用第二种方法。

对以上代码的说明：

1.首先从python直接导入hashlib模块

2.调用hashlib里的md5()生成一个md5 hash对象

3.生成hash对象后，就可以用update方法对字符串进行md5加密的更新处理

4.继续调用update方法会在前面加密的基础上更新加密

5.加密后的二进制结果

6.十六进制结果

如果只需对一条字符串进行加密处理，也可以用一条语句的方式：

print(hashlib.new("md5", "Nobody inspects the spammish repetition").hexdigest())

5、python对象与文件之间的序列化和反序列化(pickle和json)

★pickle模块用来实现python对象的序列化和反序列化。通常地pickle将python对象序列化为二进制流或文件。

python对象与文件之间的序列化和反序列化：

pickle.dump()

pickle.load()

如果要实现python对象和字符串间的序列化和反序列化，则使用：

pickle.dumps()

pickle.loads()

可以被序列化的类型有：

* None,True 和 False;

* 整数，浮点数，复数;

* 字符串，字节流，字节数组;

* 包含可pickle对象的tuples，lists，sets和dictionaries；

* 定义在module顶层的函数：

* 定义在module顶层的内置函数；

* 定义在module顶层的类；

* 拥有__dict__()或__setstate__()的自定义类型；

注意：对于函数或类的序列化是以名字来识别的，所以需要import相应的module。

例：

import pickle

data = {

'a': [1, 2.0, 3, 4+6j],

'b': ("character string", "byte string"),

'c': set([None, True, False])

}

du = pickle.dumps(data)

print(pickle.loads(du))

print(du)

with open('data.pickle', 'wb') as f:

pickle.dump(data, f)

with open('data.pickle', 'rb') as f:

data = pickle.load(f)

print(str(data))

★JSON(JavaScript Object Notation)：一种轻量级数据交换格式，相对于XML而言更简单，也易于阅读和编写，机器也方便解析和生成，Json是JavaScript中的一个子集。

Python的Json模块序列化与反序列化的过程分别是 encoding和 decoding

encoding：把一个Python对象编码转换成Json字符串

decoding：把Json格式字符串解码转换成Python对象

具体的转化对照如下：

loads方法返回了原始的对象，但是仍然发生了一些数据类型的转化。比如，上例中‘abc’转化为了unicode类型。从json到python的类型转化对照如下：

例：

import json

data = {    'a': [1, 2.0, 3, 4],    'b': ("character string", "byte string"),    'c': 'abc'}

du = json.dumps(data)

print(du)

print(json.loads(du,encoding='ASCII'))

with open('data.json','wb') as f:

json.dump(data,f)

with open('data.json','rb') as f:

data = json.load(f)

print(repr(data))

经测试，2.7版本导出的json文件，3.4版本导入会报错：TypeError: the JSON object must be str, not 'bytes'

6、正则表达式模块

★re.match的函数原型为：re.match(pattern, string, flags)

第一个参数是正则表达式，这里为"(\w+)\s"，如果匹配成功，则返回一个Match，否则返回一个None；

第二个参数表示要匹配的字符串；

第三个参数是标致位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

★re.search的函数原型为： re.search(pattern, string, flags)

每个参数的含意与re.match一样。

re.match与re.search的区别：re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

★re.findall可以获取字符串中所有匹配的字符串。如：re.findall(r'\w*oo\w*', text)；获取字符串中，包含'oo'的所有单词。

★re.sub的函数原型为：re.sub(pattern, repl, string, count)

其中第二个函数是替换后的字符串；本例中为'-'

第四个参数指替换个数。默认为0，表示每个匹配项都替换。

re.sub还允许使用函数对匹配项的替换进行复杂的处理。如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；将字符串中的空格' '替换为'[ ]'。

★re.split可以使用re.split来分割字符串，如：re.split(r'\s+', text)；将字符串按空格分割成一个单词列表。

★re.compile可以把正则表达式编译成一个正则表达式对象。可以把那些经常使用的正则表达式编译成正则表达式对象，这样可以提高一定的效率。下面是一个正则表达式对象的一个例子：

例：

import re

r = re.compile('\d+')

r1 = r.match('adfaf123asdf1asf1123aa')

if r1:

print(r1.group())

else:

print('no match')

r2 = r.search('adfaf123asdf1asf1123aa')

if r2:

print(r2.group())

print(r2.groups())

else:

print('no match')

r3 = r.findall('adfaf123asdf1asf1123aa')

if r3:

print(r3)

else:

print('no match')

r4 = r.sub('###','adfaf123asdf1asf1123aa')

print(r4)

r5 = r.subn('###','adfaf123asdf1asf1123aa')

print(r5)

r6 = r.split('adfaf123asdf1asf1123aa',maxsplit=2)

print(r6)

注：re执行分二步：首先编译，然后执行。故先使用re.compile进行查询的字符串进行编译，之后的操作无需在次编译，可以提高效率。

匹配IP具体实例：

ip = '12aa13.12.15aasdfa12.32aasdf192.168.12.13asdfafasf12abadaf12.13'

res = re.findall('(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})',ip)

print(res)

res1 = re.findall('(?:\d{1,3}\.){3}\d{1,3}',ip)

print(res1)

而group，groups 主要是针对查询的字符串是否分组，一般只是针对search和match，即'\d+' 和('\d+') 输出结果为：

123   和('123',)。

7、time模块

time模块提供各种操作时间的函数

import time

#1、时间戳    1970年1月1日之后的秒

#3、元组 包含了：年、日、星期等... time.struct_time

#4、格式化的字符串    2014-11-11 11:11

print time.time()

print time.mktime(time.localtime())

print time.gmtime()    #可加时间戳参数

print time.localtime() #可加时间戳参数

print time.strptime('2014-11-11', '%Y-%m-%d')

print time.strftime('%Y-%m-%d') #默认当前时间

print time.strftime('%Y-%m-%d',time.localtime()) #默认当前时间

print time.asctime()

print time.asctime(time.localtime())

print time.ctime(time.time())

import datetime

'''

datetime.date：表示日期的类。常用的属性有year, month, day

datetime.time：表示时间的类。常用的属性有hour, minute, second, microsecond

datetime.datetime：表示日期时间

datetime.timedelta：表示时间间隔，即两个时间点之间的长度

timedelta([days[, seconds[, microseconds[, milliseconds[, minutes[, hours[, weeks]]]]]]])

strftime("%Y-%m-%d")

'''

import datetime

print datetime.datetime.now()

print datetime.datetime.now() - datetime.timedelta(days=5)