collections---------------------------------------->扩展数据类型

re-------------------------------------------------->正则相关操作，正则  匹配字符串

time----------------------------------------------->时间相关 三种格式：时间戳，结构化时间，格式化时间

random------------------------------------------->随机数相关：生成验证码

os------------------------------------------------->和操作系统相关

sys------------------------------------------------>和pytho解释器交互的

序列化-------------------------------------------->json.json  通用数据结构，在python里表现的是字典和列表

                                                                               pickle在python里专用的，可以对任何数据类型做序列化，结果是byte

                                                                               shelve 只提供一个open方法，操作像字典

一：正则表达式

定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符，及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

 元字符           匹配内容

         .             匹配换行符以外的

任意字符

     \w              匹配数字子母下滑线

     \W             匹配非数字字母下滑线

     \s               匹配任意空白字符

     \S               匹配任意非任意字符

     \d               匹配数字

     \D               匹配非数字

     \n                匹配一个换行符

     \t                 匹配一个制表符

     \b                匹配一个单词结尾

     ^                 匹配一个字符串的开始

    $                  匹配字符串的结尾

    a|b               匹配字符a或字符b

    ()                  匹配括号内的表达式，也表示一个组

    [.......]            匹配字符组中的字符

   2：量词

   量词          用法说明

 *              重复零次或更多次

 +              重复一次或更多次

 ？             重复零次或一次

{n}              重复n次

{n,}             重复n次或更多次

{n,m}          重复n次到m次 

 3：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

4：.^$

正则       待匹配字符               匹配结果                       说明

天.          天空天下天上人间      天空天下天上人间         匹配所有“天.”的字符

^天         天空天下天上人间      天空                               只从开头匹配“天”

天$        天空天下天上人间       天上人间                        只匹配结尾的“海$”

5:*+?{}

正则            待匹配字符                                   匹配结果                         说明

李？           李杰和李莲英和李二棍子           李杰   李莲  李二                 匹配”李“后面一个任意字符  

李*             李杰和李莲英和李二棍子           李杰和李莲英和李二棍子     匹配“李”后面0个或多个任意字符

李+            李杰和李莲英和李二棍子            李杰和李莲英和李二棍子     匹配“李”字后面一个或多个字符

李{1，2}    李杰和李莲英和李二棍子            李杰和

                                                                    李莲英

                                                                    李二棍子                             匹配“李”字后面1到2次任意字符 

6：惰性匹配

正则            待匹配字符                           匹配结果                 说明

李*^             李杰和李莲英和李二棍子    李杰  李莲  李二      加？号变惰性匹配

7：字符集[]    [^]

正则                          待匹配字符                           匹配结果                              说明

李[杰莲英二棍子]*      李杰和李莲英和李二棍子     李杰                                     匹配"李"字后面李[杰莲英二棍子]*的字符的任意次数

                                                                             李莲英

                                                                             李二棍子

李[^和]*                  李杰和李莲英和李二棍子       李杰   李莲英  李二棍子         匹配一个不是“和”的字符任意次

[\d]                         456bdha3                             4 5 6 3                                    匹配任意一个数字，匹配到四个结果

[\d]+                        456bdha3                             456

                                                                              3                                           匹配任意个数字，匹配到2个结果

8：分组()与或|  [^]

正则                                       待匹配字符                           匹配结果                                      说明

^[1-9]\d{13,16}[0-9x]$            110101198001017032      110101198001017032               匹配一个正确的身份证号

^[1-9]\d{14}(\d{2}[0-9x])?$    110101198001017032        False                                         现在不会匹配错误的身份证号了 ()表示分组，将\d{2}[0-9x]                                                                                                                                                                                             分成一组，就可以整体约束他们出现的次数为0-1次

^([1-9]\d{16}[0-9x]|[1-9]\d{14})$     110101198001017032    110105199812067023            表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}

9：转义符

10：贪婪匹配
贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配
正则 待匹配字符 匹配结果 说明
<*> <script>......<script> <script>......<script> 默认贪婪匹配模式，会匹配尽量长的字符串
<*?> r'\d' <script>
<script> 加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串
11:几个常用的非贪婪匹配pattern
*?重复任意次，但尽可能少重复
+？重复1次或多次，但尽量少重复
？？重复0次或一次，但尽可能少重复
{n,m}重复n到m次，但尽量少重复
{n,}?重复n次以上，但尽量少重复

. 是任意字符 * 是取 0 至 无限长度 ? 是非贪婪模式。 何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在： .*?x 就是取前面任意长度的字符，直到一个x出现
12:re模块下的常用方法

二:模块
常见的场景：一个模块就是你一个包含了python定义和声明的文件，文件名就是模块名字加上.py的后缀
1使用python编写的代码（.py文件）
2已被编译为共享库或DELL的c或c++扩展
3包好一组模块的包
4使用c编写并链接到python解释器的内置模块

为何要使用模块？

   如果你退出python解释器然后重新进入，那么你之前定义的函数或者变量都将丢失，因此我们通常将程序写到文件中以便永久保存下来，需要时就通过python test.py方式去执行，此时test.py被称为脚本script。

    随着程序的发展，功能越来越多，为了方便管理，我们通常将程序分成一个个的文件，这样做程序的结构更清晰，方便管理。这时我们不仅仅可以把这些文件当做脚本去执行，还可以把他们当做模块来导入到其他的模块中，实现了功能的重复利用。

      1：re模块

import re
phone_number=input("请输入您的手机号：")
if re.match('^(13|14|15|18)[0-9]{9}$',phone_number):print("您输入的手机号合法！")
else:print("您输入的手机号不合法")

        re 模块下的常用方法

#! usr/bin/env python
# -*- coding: utf-8 -*-
#输入手机号是否合法
# import re
# phone_number=input("请输入您的手机号：")
# if re.match('^(13|14|15|18)[0-9]{9}$',phone_number):
#     print("您输入的手机号合法！")
# else:
#     print("您输入的手机号不合法")
#执行结果 请输入您的手机号：18740920463#您输入的手机号合法！
#re模块下的常用方法# 返回所有满足匹配的条件，放在列表里
# import re
# ret = re.findall('a','eva egon yuan')
# print(ret)#只找一个
# ret = re.search('a','eva egon yuan').group()#---------->search找到所有的a函数会在字符串内查找模式匹配，只
# print(ret)  #结果：a                        # 到找到第一个匹配然后返回一个包含匹配信息的对象，该对象可以#通过调用group()方法得匹配的字符串，如果字符串没有匹配，则返回None。#只找开头
# import re
# ret = re.match('a','abc').group()#--------------------->match在字符串开始处进行查找
# print(ret)#结果a                                  #同seach,不过尽在字符串开始处进行匹配。
# string = '4653fhfhfg4547'
# ret = re.findall('\d+',string)  #找全部
# ret = re.search('\d+',string)     #找一个
# ret = re.match('\d+',string).group()   # 必须在字符串的开头，
# print(ret)#分割
# import re
# ret = re.split('[ab]','abcd')#先按'a'进行分割得到''和'bcd',再对'和'bcd'分别按'b'分割
# print(ret)#替换
# import re
# ret = re.sub('\d','H','eva3egon4yuan4',1)#将数字替换成'H',参数1，表示只替换一个
# print(ret)#匹配3个数字-------->将正则表达式，编译成一个正则表达对象
# import re
# obj=re.compile('\d{3}')#将正则表达式编译成为一个正则表达对象，匹配3个数字
# ret = obj.search('abc123qqqqqqq')#正则表达式对象调用search,参数为待匹配的字符串
# print(ret.group())# import re
# ret = re.finditer('\d','ds3sy4784a')#finditer返回一个存放匹配结果的迭代器
# print(ret)
# print(next(ret).group())#查看第一个结果
# print(next(ret).group())#查看第二个结果
# print([i.group()for i in ret])#查看剩余的左右结果#findall的优先级查询
# import re
# ret = re.findall('www.(beidu|oldboy).com','www.oldboy.com')
# print(ret)#findall会优先把匹配结果组的内容返回，如果想要匹配结果取消权限即可
# ret = re.findall('www.(?:beidu|oldboy).com','www.oldboy.com')
# print(ret)#spilt的优先级查询
# import re
# ret = re.split('\d+','eva3yuan4yuan')#没有匹配所有的项
# print(ret)
# ret = re.split('(\d+)','eva3egon4yuan')#加()匹配所有的项
# print(ret)

collections模块
1：namedtupe:生成可以使用名字来访问的元素tupe

namedtupe模块
#tuple可以表示不变集合，表示坐标
from collections import namedtuple
point = namedtuple('point',['x','y'])
p=point(1,2)
print(p.x)
print(p.y)

#用坐标和半径表示一个圆# from collections import namedtuple# s=namedtuple('s',['x','y','r'])# q = s(1,2,3)# print(q)

2:deque:双端队列，可以快速的从另外一侧追加和推出对象（为了高效实现插入和删除操作的双向列表，适合用于队列和栈：）
使用list存储数据时，按索引访问元素很快，但是插入和删除就很慢了，因为list是线性存储，数据量大的时候，插入和删除效率很低。

from collections import deque
q= deque(['a','b','c'])
q.append('x')
q.appendleft('y')
print(q)

deque除了实现list的append()和pop()外，还支持appendleft()和popleft()，这样就可以非常高效地往头部添加或删除元素。

3：Counter:计数器，主要用来计数
Couter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型，以字典的建值形式存储，其中元素作为key,
其计数作为va。计数值可以是任意的Interer(包括0和负数)。coun类和其他语言的bag或multisets相似。

#Counter
from collections import Counter
c=Counter('cabywuhqsijhbcdjshcbcdnjxchbcdjch')
print(c)
#其他详细内容 http://www.cnblogs.com/Eva-J/articles/7291842.html

4：OrderedDict：有序字典
使用dic时，key是无序的。在对dic做迭代时，我们无法确定Key的顺序
如果要保持Key的顺序。

from collections import OrderedDict
d = dict([('a',1),('b',2),('c',3)])
print(d)#dict的Key是无序的
# 结果：'a': 1, 'b': 2, 'c': 3}
s=OrderedDict([('a',1),('b',2),('c',3)])
print(s)#OrderedDict的key是有序的
#结果OrderedDict([('a', 1), ('b', 2), ('c', 3)])  

#OrderedDict的Key会按照插入的顺序排列，不是Key本身排序：
from collections import OrderedDict
s=OrderedDict()
s['z']=1
s['x']=2
s['y']=3
s.keys()#按照插入的Key的顺序返回
print(s)

5：defaultict:带有默认值的字典

    有如下值集合 [11,22,33,44,55,66,77,88,99,90...]，将所有大于 66 的值保存至字典的第     一个key中，将小于 66 的值保存至第二个key的值中。

    即： {'k1': 大于66 , 'k2': 小于66}

values = [11,22,33,44,55,66,77,88,99,90]
my_dict = {}
for value in values:if values >66:if my_dict.has_key('k1'):my_dict['k1'].append(value)else:my_dict['k1'] = [value]else:if my_dict.has_key('k2'):my_dict['k2'].append(value)else:my_dict['k2'] = [value]
print(my_dict)
# from collections import defaultdict
# values = [11,22,33,44,55,66,77,88,99,90]
# my_dict = defaultdict(list)
# for value in values:
#     if value>66:
#         my_dict['k1'].append(value)
#     else:
#         my_dict['k2'].append(value)
# print(my_dict)

使用dic时，如果引用的key不存在，就会抛出keyError。如果key不存在，返回一个默认的值，就可以用defaultdict:

>>> from collections import defaultdict
>>> dd = defaultdict(lambda: 'N/A')
>>> dd['key1'] = 'abc'
>>> dd['key1'] # key1存在
'abc'
>>> dd['key2'] # key2不存在，返回默认值
'N/A'

                                                    时间模块

和时间有关系的我们就要用到时间模块。在使用模块之前，先导入这个模块。

   常用方法：

1：time.sleep(sacs)

  （线程）推迟指定的时间运行。单位为秒

2：time.time()

   获取当前时间戳

表示时间的三种方式

         时间戳-------元组（struct_time）----------格式化的时间字符串

  (1)时间戳(timestamp)：通常来说，时间戳表示的是从1970年1月1日00：00：00开始按秒计算的偏移量。我们运行“type(time.time())”,返回的是float类型。

 (2)格式化的时间字符串（FormatString）：‘1999-12-06’

   python中的时间日期格式化符号：

 两位数的年份表示（00-99）
%Y 四位数的年份表示（000-9999）
%m 月份（01-12）
%d 月内中的一天（0-31）
%H 24小时制小时数（0-23）
%I 12小时制小时数（01-12）
%M 分钟数（00=59）
%S 秒（00-59）
%a 本地简化星期名称
%A 本地完整星期名称
%b 本地简化的月份名称
%B 本地完整的月份名称
%c 本地相应的日期表示和时间表示
%j 年内的一天（001-366）
%p 本地A.M.或P.M.的等价符
%U 一年中的星期数（00-53）星期天为星期的开始
%w 星期（0-6），星期天为星期的开始
%W 一年中的星期数（00-53）星期一为星期的开始
%x 本地相应的日期表示
%X 本地相应的时间表示
%Z 当前时区的名称
%% %号本身

(3)元组（struct_time）:struct_time元组共有9个元素（年，月，日，时，分，秒，一年中的第几周，一年中第几天等）

#! usr/bin/env python
# -*- coding: utf-8 -*-
# import time
#时间戳
# s=time.time()
# print(s)
#结果：1502189619.652187
#时间字符串
# s=time.strftime('%Y-%m-%d')
# print(s)
#结果：2017-08-08
#时间元组：localtime将一个时间戳转换为当前时区的struct_time
# import time
# time.localtime()
# time.struct_time(tm_year=2017,tm_mon=7,tm_mday=24,
#                  tm_hour=13,tm_min=59,tm_sec=37,
#                  tm_wday=0,tm_yday=205,tm_isdst=0
#                  )

        时间戳是计算机能够识别的时间，时间字符是人能够看懂的时间，元组是用来操作时间的

几种格式之间的转换

1：时间戳--------->结构化时间
结构化时间--------->时间戳

#时间戳---->结构化时间import time# time.gmtime(时间戳)#UTC时间，与英国当地时间一致# time.localtime(时间戳)#当地时间。例如我们现在在北京执行这个方法：与UTC时间相差8个小时，UTC时间+8小时=北京时间# import time# s=time.localtime(1500000000)# print(s)#结果：me.struct_time(tm_year=2017, tm_mon=7, tm_mday=14, tm_hour=10, tm_min=40, tm_sec=0, tm_wday=4, tm_yday=195, tm_isdst=0)

#Process finished with exit code 0## s=time.gmtime(1500000000)# print(s)#结果：time.struct_time(tm_year=2017, tm_mon=7, tm_mday=14, tm_hour=2, tm_min=40, tm_sec=0, tm_wday=4, tm_yday=195, tm_isdst=0)#结构化时间--->时间戳#time.mktime(结构化时间)# s=time.localtime(1500000000)# g=time.mktime(s)# print(g)#结果：1500000000.0

 2:结构化时间----------->字符串时间

   字符串时间------------>结构化时间

#结构化时间------>字符串时间
import time
#time.strftime("格式定义"，"结构化时间")结构化时间参数，则实现当前时间
# s=time.strftime('%Y-%m-%d %X')
# print(s)
#结果：2017-08-08 20:07:00
# s=time.strftime("%Y-%m-%d ",time.localtime(1500000000))
# print(s)
#结果：2017-07-14
#字符串时间-------->结构化时间
#time.strptime(时间字符串，字符串对应格式)
# s=time.strptime("2017-03-16","%Y-%m-%d")
# print(s)
#结果：time.struct_time(tm_year=2017, tm_mon=3, tm_mday=16,
#  tm_hour=0, tm_min=0, tm_sec=0, tm_wday=3, tm_yday=75, tm_isdst=-1)
# s=time.strptime("07/24/2017","%m/%d/%Y")
# print(s)
#结果：time.struct_time(tm_year=2017, tm_mon=7, tm_mday=24, tm_hour=0, tm_min=0,
#  tm_sec=0, tm_wday=0, tm_yday=205, tm_isdst=-1)

3：结构化时间--------->%a     %b    %d %H:%M:        %S     %Y

  %a     %b    %d %H:%M:        %S     %Y-------------------> 结构化时间

结构化时间-------->%a  %b   %d   %H:%M:%s   %Y串
#time。asctime（结构化时间）如果不传参数，直接返回当前时间的格式化串
import time
# s=time.asctime(time.localtime(1500000000))
# print(s)
#结果：Fri Jul 14 10:40:00 2017
# q=time.asctime()
# print(q)
#%a  %b   %d   %H:%M:%s   %Y-------->结构化时间
#time.ctime（时间戳）如果不传参数，直接返回当前时间扽格式化串
# import time
# s=time.ctime()

# print(s)# s=time.ctime(1500000000)# print(s)#结果：Wed Aug  9 15:29:20 2017#       Fri Jul 14 10:40:00 2017

　　                rabdom模块

import random
#随机小数
# s=random.random()    #大于0且小于1之间的小数
# print(s)
#结果：0.9186793553824543
# s=random.uniform(1,3)        #大于1小于3的小数
# print(s)
#结果：2.3885376764938453
#随机整数
# s=random.randint(1,5)      #大于等于 1且小于等于5之间的整数
# print(s)
# s=random.randrange(1,10,2)              #大于等于1小于等于10的奇书
# print(s)
#随机选择一个返回

# s=random.choice([1,'23',[4,5]])   #1或者23或者[45]# print(s)#随机选择多个返回，返回的个数为函数的第二个参数# s=random.sample([1,'23',[4,5]],2)   #列表元素任意2个组合# print(s)#结果：[1, [4, 5]]#打乱列表顺序# item=[1,3,5,7,9]# random.shuffle(item)# print(item)#结果：[1, 7, 5, 3, 9]

  随机生成验证码

随机生成验证码
import random
def yanzhengma():code=' 'for i in range(5):num = random.randint(0,9)alf = chr(random.randint(65,90))anm = chr(random.randint(91,122))add = random.choice([num,alf,anm])code = "".join([code,str(add)])return code
print(yanzhengma())

                                         os模块

os模块是与操作系统交互的一个接口

os.getcwd() 获取当前工作目录，即当前python脚本工作的目录路径
os.chdir("dirname")  改变当前脚本工作目录；相当于shell下cd
os.curdir  返回当前目录: ('.')
os.pardir  获取当前目录的父目录字符串名：('..')
os.makedirs('dirname1/dirname2')    可生成多层递归目录
os.removedirs('dirname1')    若目录为空，则删除，并递归到上一级目录，如若也为空，则删除，依此类推
os.mkdir('dirname')    生成单级目录；相当于shell中mkdir dirname
os.rmdir('dirname')    删除单级空目录，若目录不为空则无法删除，报错；相当于shell中rmdir dirname
os.listdir('dirname')    列出指定目录下的所有文件和子目录，包括隐藏文件，并以列表方式打印
os.remove()  删除一个文件
os.rename("oldname","newname")  重命名文件/目录
os.stat('path/filename')  获取文件/目录信息
os.sep    输出操作系统特定的路径分隔符，win下为"\\",Linux下为"/"
os.linesep    输出当前平台使用的行终止符，win下为"\t\n",Linux下为"\n"
os.pathsep    输出用于分割文件路径的字符串 win下为;,Linux下为:
os.name    输出字符串指示当前使用平台。win->'nt'; Linux->'posix'
os.system("bash command")  运行shell命令，直接显示
os.popen("bash command)  运行shell命令，获取执行结果
os.environ  获取系统环境变量
os.path
os.path.abspath(path) 返回path规范化的绝对路径 os.path.split(path) 将path分割成目录和文件名二元组返回 os.path.dirname(path) 返回path的目录。其实就是os.path.split(path)的第一个元素 os.path.basename(path) 返回path最后的文件名。如何path以／或\结尾，那么就会返回空值。即os.path.split(path)的第二个元素
os.path.exists(path)  如果path存在，返回True；如果path不存在，返回False
os.path.isabs(path)  如果path是绝对路径，返回True
os.path.isfile(path)  如果path是一个存在的文件，返回True。否则返回False
os.path.isdir(path)  如果path是一个存在的目录，则返回True。否则返回False
os.path.join(path1[, path2[, ...]])  将多个路径组合后返回，第一个绝对路径之前的参数将被忽略
os.path.getatime(path)  返回path所指向的文件或者目录的最后访问时间
os.path.getmtime(path)  返回path所指向的文件或者目录的最后修改时间
os.path.getsize(path) 返回path的大小
'''

注意：os.stat('path/filename')  获取文件/目录信息 的结构说明

stat 结构:st_mode: inode 保护模式
st_ino: inode 节点号。
st_dev: inode 驻留的设备。
st_nlink: inode 的链接数。
st_uid: 所有者的用户ID。
st_gid: 所有者的组ID。
st_size: 普通文件以字节为单位的大小；包含等待某些特殊文件的数据。
st_atime: 上次访问的时间。
st_mtime: 最后一次修改的时间。
st_ctime: 由操作系统报告的"ctime"。在某些系统上（如Unix）是最新的元数据更改的时间，在其它系统上（如Windows）是创建时间（详细信息参见平台的文档）。

                                 序列化模块

什么叫序列化——将原本的字典、列表等内容转换成一个字符串的过程就叫做序列化

序列化的目的：

1:以某种存储形式使自定义对象持久化；

2：将对象从一个地方传递到另一个地方。

3：是程序更具维护性

 json

json模块提供了四个功能：dumps，dump，loads，load

loads和dumps

port json
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = json.dumps(dic)  #序列化：将一个字典转换成一个字符串
print(type(str_dic),str_dic)  #<class 'str'> {"k3": "v3", "k1": "v1", "k2": "v2"}
#注意，json转换完的字符串类型的字典中的字符串是由""表示的dic2 = json.loads(str_dic)  #反序列化：将一个字符串格式的字典转换成一个字典
#注意，要用json的loads功能处理的字符串类型的字典中的字符串必须由""表示
print(type(dic2),dic2)  #<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}list_dic = [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}]
str_dic = json.dumps(list_dic) #也可以处理嵌套的数据类型
print(type(str_dic),str_dic) #<class 'str'> [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}]
list_dic2 = json.loads(str_dic)
print(type(list_dic2),list_dic2) #<class 'list'> [1, ['a', 'b', 'c'], 3, {'k1': 'v1', 'k2': 'v2'}]

load和dump

import json
f = open('json_file','w')
dic = {'k1':'v1','k2':'v2','k3':'v3'}
json.dump(dic,f)  #dump方法接收一个文件句柄，直接将字典转换成json字符串写入文件
f.close()f = open('json_file')
dic2 = json.load(f)  #load方法接收一个文件句柄，直接将文件中的json字符串转换成数据结构返回
f.close()
print(type(dic2),dic2)
复制代码

pickle

json & pickle 模块

用于序列化的两个模块

• json，用于字符串 和 python数据类型间进行转换
• pickle，用于python特有的类型 和 python的数据类型间进行转换

pickle模块提供了四个功能：dumps、dump(序列化，存）、loads（反序列化，读）、load  （不仅可以序列化字典，列表...可以把python中任意的数据类型序列化）

pickle

import pickle
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = pickle.dumps(dic)
print(str_dic)  #一串二进制内容dic2 = pickle.loads(str_dic)
print(dic2)    #字典import time
struct_time  = time.localtime(1000000000)
print(struct_time)
f = open('pickle_file','wb')
pickle.dump(struct_time,f)
f.close()f = open('pickle_file','rb')
struct_time2 = pickle.load(f)
print(struct_time.tm_year)

shelve

shelve也是python提供给我们的序列化工具，比pickle用起来更简单一些。

shelve只提供给我们一个open方法，是用key来访问的，使用起来和字典类似。

shelve

import shelve
f = shelve.open('shelve_file')
f['key'] = {'int':10, 'float':9.5, 'string':'Sample data'}  #直接对文件句柄操作，就可以存入数据
f.close()import shelve
f1 = shelve.open('shelve_file')
existing = f1['key']  #取出数据的时候也只需要直接用key获取即可，但是如果key不存在会报错
f1.close()
print(existing)

这个模块有个限制，它不支持多个应用同一时间往同一个DB进行写操作。所以当我们知道我们的应用如果只进行读操作，我们可以让shelve通过只读方式打开DB

shelve只读

import shelve
f = shelve.open('shelve_file', flag='r')
existing = f['key']
f.close()
print(existing)

由于shelve在默认情况下是不会记录待持久化对象的任何修改的，所以我们在shelve.open()时候需要修改默认参数，否则对象的修改不会保存。

设置writeback

import shelve
f1 = shelve.open('shelve_file')
print(f1['key'])
f1['key']['new_value'] = 'this was not here before'
f1.close()f2 = shelve.open('shelve_file', writeback=True)
print(f2['key'])
f2['key']['new_value'] = 'this was not here before'
f2.close()

writeback方式有优点也有缺点。优点是减少了我们出错的概率，并且让对象的持久化对用户更加的透明了；但这种方式并不是所有的情况下都需要，首先，使用writeback以后，shelf在open()的时候会增加额外的内存消耗，并且当DB在close()的时候会将缓存中的每一个对象都写入到DB，这也会带来额外的等待时间。因为shelve没有办法知道缓存中哪些对象修改了，哪些对象没有修改，因此所有的对象都会被写入。

                              sys模块

sys模块是与python解释器交互的一个接口

ys.argv           命令行参数List，第一个元素是程序本身路径
sys.exit(n)        退出程序，正常退出时exit(0)
sys.version        获取Python解释程序的版本信息
sys.maxint         最大的Int值
sys.path           返回模块的搜索路径，初始化时使用PYTHONPATH环境变量的值
sys.platform       返回操作系统平台名称