数据处理与序列化|第七部分：Python标准库精选 (The Standard Library)

欢迎来到数据处理的核心地带！在真实的软件世界里，数据很少是简单的数字和字符串。它们通常以特定的格式存在：日志文件中的时间戳、网页上的复杂文本、API返回的JSON对象等等。要成为一名高效的开发者，你必须能够熟练地解析、操作和转换这些数据。

本章，我们将聚焦于Python标准库中三个用于数据处理的“超级英雄”模块：

• datetime: 你的“时间机器”，让你能够轻松地处理日期、时间、时区，并进行各种时间计算。
• re (正则表达式): 文本处理的“终极武器”。它能让你定义复杂的匹配模式，从海量文本中精准地查找、提取和替换你需要的信息。
• json: 现代网络世界的“通用语”。我们将学习如何将Python对象与JSON格式进行无缝转换，这是编写任何网络应用（Web开发、API交互、爬虫等）的必备技能。

此外，我们还会简要介绍 pickle 和 xml，它们分别用于处理Python专属的对象序列化和传统的XML数据格式。掌握这些工具，你将能自如地应对绝大多数数据处理挑战。

17.1 datetime 模块：掌控时间

在编程中，处理时间远比想象的复杂，涉及到日期、时间、时区、夏令时等。datetime 模块为我们提供了一套完整的工具来应对这一切。

核心对象类型:

• datetime.date: 只表示日期（年、月、日）。
• datetime.time: 只表示时间（时、分、秒、微秒）。
• datetime.datetime: 同时表示日期和时间，最常用。
• datetime.timedelta: 表示两个日期或时间之间的差值。

import datetime
import time

# --- 1. 获取当前时间 ---
now = datetime.datetime.now()
print(f"当前精确时间: {now}")

today = datetime.date.today()
print(f"今天的日期: {today}")

# --- 2. 创建指定的时间对象 ---
new_year_2025 = datetime.datetime(2025, 1, 1, 0, 0, 0)
print(f"2025年新年: {new_year_2025}")

# --- 3. 时间与字符串的相互转换 ---
# a) 格式化时间为字符串 (strftime - string from time)
formatted_time = now.strftime("%Y-%m-%d %H:%M:%S") # %Y: 四位年份, %m: 月份, %d: 日, ...
print(f"格式化后的时间字符串: {formatted_time}")

# b) 从字符串解析时间 (strptime - string parse time)
date_string = "2024-07-26 10:30:00"
parsed_time = datetime.datetime.strptime(date_string, "%Y-%m-%d %H:%M:%S")
print(f"从字符串解析的时间对象: {parsed_time}")

# --- 4. 时间运算 (使用 timedelta) ---
# 计算两天零12小时后的时间
delta = datetime.timedelta(days=2, hours=12)
future_time = now + delta
print(f"两天半之后的时间: {future_time}")

# 计算两个日期相差多少天
days_until_new_year = new_year_2025 - now
print(f"距离2025年新年还有: {days_until_new_year}")

17.2 re 模块：文本模式的瑞士军刀

正则表达式 (Regular Expression) 是一种描述文本模式的微型语言。它非常强大，但初学时可能会觉得有些晦涩。一旦掌握，你处理文本的能力将发生质的飞跃。

核心函数:

• re.match(pattern, string): 从字符串的开头开始匹配。如果开头不匹配，就失败。
• re.search(pattern, string): 扫描整个字符串，查找第一个匹配项。
• re.findall(pattern, string): 查找所有匹配项，并以列表形式返回。
• re.sub(pattern, repl, string): 查找匹配项，并用 repl 替换它们。
• re.split(pattern, string): 根据匹配项分割字符串。

常用元字符:

• .: 匹配除换行符外的任意单个字符。
• *: 匹配前面的元素0次或多次。
• +: 匹配前面的元素1次或多次。
• ?: 匹配前面的元素0次或1次。
• \d: 匹配任意数字 (等价于 [0-9])。
• \w: 匹配任意字母、数字、下划线 (等价于 [a-zA-Z0-9_])。
• []: 匹配方括号内的任意一个字符。
• (): 分组，用于捕获匹配的内容。

案例：从一段文本中提取所有电子邮件地址

import re

text = "联系人: 小明 (ming@example.com), 小红 (hong@test.cn), 还有小刚 (gang@work.net)。无效邮箱: invalid-email@.com"

# 定义电子邮件的正则表达式模式
# \w+      : 匹配一个或多个字母/数字/下划线 (用户名)
# @        : 匹配 "@" 符号
# (\w+\.)+ : 匹配一个或多个 "单词." 结构 (域名，如 "example." 或 "mail.google.")
# \w+      : 匹配顶级域名 (如 "com", "cn")
email_pattern = r"[\w\.-]+@[\w\.-]+\.\w+"

# 使用 findall 查找所有匹配项
emails = re.findall(email_pattern, text)
print(f"提取到的所有邮箱: {emails}")

# 案例：替换敏感信息
# 使用 sub 将电话号码替换为 ****
log = "用户张三的电话是 13812345678, 李四的电话是 15987654321。"
# (\d{3})\d{4}(\d{4}) : 捕获前3位和后4位数字
safe_log = re.sub(r"(\d{3})\d{4}(\d{4})", r"\1****\2", log)
print(f"脱敏后的日志: {safe_log}")

17.3 json 模块：与Web世界对话

JSON (JavaScript Object Notation) 是一种轻量级的数据交换格式，易于人阅读和编写，也易于机器解析和生成。它是目前Web API和配置文件的事实标准。

json 模块的核心就是两个操作：编码 (dump/dumps) 和 解码 (load/loads)。

• dumps: 将Python对象 dump 成 string (字符串)。
• loads: 从 string load Python对象。
• dump: 将Python对象写入文件。
• load: 从文件中读取JSON数据并解析为Python对象。

Python对象与JSON类型的对应关系:

import json

# --- 1. 将Python字典转换为JSON字符串 (序列化) ---
py_data = {
    "name": "Alice",
    "age": 30,
    "is_student": False,
    "courses": ["Math", "Physics"],
    "address": None
}

# dumps: Python object -> JSON string
json_string = json.dumps(py_data, indent=4, ensure_ascii=False) # indent美化输出, ensure_ascii=False保证中文正常显示
print("--- JSON字符串 ---")
print(json_string)

# --- 2. 将JSON字符串解析为Python字典 (反序列化) ---
# loads: JSON string -> Python object
recreated_py_data = json.loads(json_string)
print("\n--- 解析回的Python字典 ---")
print(recreated_py_data)
print(f"姓名: {recreated_py_data['name']}")

# --- 3. 读写JSON文件 ---
# a) 将数据写入 a.json 文件
with open("a.json", "w", encoding="utf-8") as f:
    json.dump(py_data, f, indent=4, ensure_ascii=False)

# b) 从 a.json 文件中读取数据
with open("a.json", "r", encoding="utf-8") as f:
    data_from_file = json.load(f)
print("\n--- 从文件中读取的数据 ---")
print(data_from_file)

17.4 pickle 模块：Python对象的专属“冷冻剂”

json 只能序列化基本的数据类型。但如果你想保存一个自定义的类的实例，或者其他复杂的Python对象（如datetime对象），json 就无能为力了。

这时，pickle 就派上用场了。pickle 可以序列化几乎任何Python对象，并将其转换为字节流。

核心优势: 能处理复杂的Python对象。
核心劣势:

1. Python专用: 生成的数据只能被Python识别。
2. 安全风险: 绝对不要反序列化来自不可信来源的pickle数据！因为它在反序列化时可以执行任意代码。

import pickle

class Player:
    def __init__(self, name, level, inventory):
        self.name = name
        self.level = level
        self.inventory = inventory

# 创建一个复杂的对象实例
p1 = Player("Gandalf", 99, ["staff", "pipe", "spellbook"])

# 使用 pickle.dumps 将对象序列化为字节串
pickled_data = pickle.dumps(p1)
print(f"Pickle序列化后的字节数据: {pickled_data}")

# 使用 pickle.loads 将字节串反序列化回对象
recreated_p1 = pickle.loads(pickled_data)
print(f"反序列化后的对象名字: {recreated_p1.name}")
print(f"他的物品: {recreated_p1.inventory}")

17.5 xml 模块 (简介)

XML (eXtensible Markup Language) 是一种比JSON更早、更重量级的标记语言，常见于一些企业级应用和旧的Web服务中。Python标准库提供了 xml.etree.ElementTree 模块来解析和创建XML数据。

由于JSON的流行，XML的使用场景相对减少，这里只做概念性介绍。它的结构是树形的，通过标签来组织数据，例如：
<person><name>Alice</name><age>30</age></person>

太棒了！你现在已经掌握了Python标准库中处理各种数据格式的利器。你能够：

• 用 datetime 优雅地处理时间。
• 用 re 在文本的海洋中精准捕捞。
• 用 json 与现代Web世界无缝沟通。
• 用 pickle 保存和加载Python的复杂状态。

你处理真实世界数据的能力已经非常全面。在下一章，我们将进入一个更激动人心的领域：网络与并发编程。你将学习如何让你的程序连接到互联网，获取数据，并同时执行多个任务，极大地提升程序的效率和能力。准备好，让你的Python程序“联网”并“分身”吧！