Python内置模块大全

网站备案号:蜀ICP备2026035467号-3|官网:www.xservx.com

⚡ Python内置模块概述

Python内置模块(也称标准库)是Python解释器自带的一组模块集合,无需额外安装即可使用。它们覆盖了从系统交互、数据处理、网络通信、日期时间到数学运算等各类应用场景,是Python强大功能的重要支撑。Python标准库遵循“内置电池”哲学,致力于提供全面而一致的工具集,极大提升开发效率。

截至Python 3.12版本,标准库包含超过200个模块,分为多个功能类别。每个模块都经过严格设计与测试,具备良好的可移植性和稳定性,是编写高质量Python程序的基础保障。

〔重要提示〕

虽然所有模块均可通过import语句直接导入,但部分模块依赖系统环境或特定编译选项。例如,sqlite3模块需系统安装SQLite开发库;ssl模块需OpenSSL支持。可通过sys.builtin_module_names查看当前Python解释器实际内置的模块列表。

标准库与第三方库(如NumPy、Django、Requests等)共同构成Python生态。标准库提供基础能力与通用工具,第三方库则扩展专业领域功能。掌握内置模块是深入Python编程的必经之路,也是高效开发的基石。

模块命名规范与访问方式

标准库模块命名通常采用小写字母,部分模块以下划线开头表示内部实现(如_thread),不建议直接使用。官方推荐通过标准路径访问模块:

import math
from datetime import datetime, timedelta
import os.path as osp

建议使用import module_name或from module import item形式,避免from module import *导致命名空间污染。

官方文档与辅助工具

Python标准库文档位于https://docs.python.org/3/library/,提供完整模块说明、函数签名与使用示例。此外,Python提供内置帮助系统:

help(math)
help(math.sqrt)
dir(math)

dir()列出模块所有公开属性,help()显示详细文档字符串,是学习与调试的重要工具。

⚙️ 基础模块详解

基础模块提供Python语言核心能力的封装,是日常开发最常接触的部分。它们构建了语言的表达力与抽象能力,支撑上层功能的实现。

1. 内置函数与对象

Python解释器启动时即加载builtins模块,包含所有内置函数与异常类。例如:

函数/类说明典型用法
len()返回对象长度len([1,2,3]) # → 3
range()生成整数序列list(range(3,8,2)) # → [3,5,7]
enumerate()为可迭代对象添加索引for i,v in enumerate(['a','b']): print(i,v)
zip()聚合多个可迭代对象list(zip([1,2],['a','b'])) # → [(1,'a'),(2,'b')]
map()应用函数到序列list(map(str.upper, ['a','b'])) # → ['A','B']
filter()过滤序列元素list(filter(lambda x:x>0, [-1,0,1])) # → [1]
⚠️ 注意:内置函数返回的是迭代器(如map、filter、zip),需用list()或tuple()显式转换。

2. 枚举类与常量

enum模块提供枚举类定义,增强代码可读性与类型安全性:

from enum import Enum, auto
class Color(Enum):
    RED = 1
    GREEN = auto()
    BLUE = 'blue'
print(Color.RED.name, Color.RED.value)  # RED 1
print(list(Color))  # [Color.RED, Color.GREEN, Color.BLUE]

enum.IntEnum、Flag、IntFlag等子类支持整数比较与位运算,适用于权限控制、状态机等场景。

3. 抽象基类(ABC)

collections.abc定义了常用抽象基类,用于类型检查与接口规范:

抽象基类要求实现的方法适用场景
Iterable__iter__()可迭代对象
Container__contains__(item)支持in操作
Sized__len__()支持len()操作
Mapping__getitem__, __iter__, __len__字典类对象

示例:自定义字典类需继承MutableMapping:

from collections.abc import MutableMapping
class MyDict(MutableMapping):
    def __init__(self): self._data = {}
    def __getitem__(self, key): return self._data[key]
    def __setitem__(self, key, value): self._data[key] = value
    def __delitem__(self, key): del self._data[key]
    def __iter__(self): return iter(self._data)
    def __len__(self): return len(self._data)

📊 数据处理模块

数据处理是Python的核心应用场景之一,标准库提供了从基础容器到高级序列操作的完整工具链。

〔重点模块〕

  • collections:扩展容器类型
  • array:高效数值数组
  • heapq:堆排序实现
  • bisect:二分查找与有序插入

1. collections模块

提供高性能专用容器类型:

类型特性示例
namedtuple具名元组Point = namedtuple('Point', ['x','y']); p = Point(1,2)
deque双端队列d = deque([1,2]); d.appendleft(0); d.rotate(1)
Counter计数器Counter('aabbc').most_common(2) # → [('a',2),('b',2)]
defaultdict默认值字典dd = defaultdict(list); dd['a'].append(1)

使用namedtuple替代普通元组可提升可读性:

from collections import namedtuple
Student = namedtuple('Student', ['name','age','grade'])
s = Student('张三', 18, 'A')
print(s.name)  # 张三

2. array模块

提供紧凑的数值数组,内存效率高于列表:

from array import array
arr = array('i', [1, 2, 3])  # 'i'表示有符号整型
arr.append(4)
print(arr.typecode)  # i
print(arr.itemsize)  # 4 (字节)

支持类型码:'b'(signed char)、'f'(float)、'd'(double)等。

3. 堆与排序

heapq实现最小堆,适合优先队列:

import heapq
h = []
heapq.heappush(h, (2, '任务B'))
heapq.heappush(h, (1, '任务A'))
print(heapq.heappop(h))  # (1, '任务A')

bisect模块在有序列表中插入元素:

import bisect
scores = [10, 20, 30, 40]
bisect.insort(scores, 25)  # → [10,20,25,30,40]

🖥️ 系统交互模块

系统交互模块提供与操作系统、环境、进程等交互的能力,是构建跨平台应用的关键。

1. os与os.path模块

os模块提供操作系统接口:

功能示例
目录操作os.makedirs('a/b/c', exist_ok=True)
文件操作os.rename('old.txt', 'new.txt')
环境变量os.environ['PATH']
路径处理os.path.join('dir', 'file.txt')
💡 提示:pathlib模块( pathlib.Path)提供面向对象路径操作,推荐替代os.path:
from pathlib import Path
p = Path('docs') / 'readme.txt'
print(p.exists())
print(p.read_text())

2. sys模块

访问解释器使用的核心变量与功能:

属性说明
sys.argv命令行参数列表
sys.path模块搜索路径
sys.versionPython版本字符串
sys.exit(code)退出程序

示例:读取命令行参数:

import sys
if len(sys.argv) > 1:
    print(f"参数:{sys.argv[1]}")
else:
    print("未提供参数")

3. subprocess模块

安全执行子进程,替代os.system:

import subprocess
result = subprocess.run(['ls', '-l'], capture_output=True, text=True)
print(result.stdout)
print(result.returncode)

支持超时控制与异常处理:

try:
    result = subprocess.run(['sleep', '5'], timeout=2)
except subprocess.TimeoutExpired:
    print("命令超时")

🌐 网络编程模块

网络编程是Python的强项,标准库提供从底层Socket到高层HTTP的全栈支持。

1. socket模块

底层网络通信接口:

import socket
# 服务器端
server = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
server.bind(('127.0.0.1', 8080))
server.listen(5)
conn, addr = server.accept()
conn.send(b'Hello')
conn.close()
# 客户端
client = socket.socket()
client.connect(('127.0.0.1', 8080))
data = client.recv(1024)
print(data.decode())

支持IPv6(AF_INET6)、UDP(SOCK_DGRAM)等协议。

2. urllib与http模块

高层HTTP客户端工具:

from urllib import request, parse
# GET请求
with request.urlopen('https://www.xservx.com') as resp:
    print(resp.read().decode())
# POST请求
data = parse.urlencode({'q': 'Python'}).encode()
req = request.Request('https://api.example.com/search', data=data)
with request.urlopen(req) as resp:
    print(resp.read().decode())

http.server可快速启动HTTP服务:

python -m http.server 8000

3. email模块

解析与构造邮件消息:

from email.message import EmailMessage
msg = EmailMessage()
msg['Subject'] = '测试邮件'
msg['From'] = 'sender@example.com'
msg['To'] = 'receiver@example.com'
msg.set_content('Hello, this is a test.')
# 发送
import smtplib
with smtplib.SMTP('localhost') as s:
    s.send_message(msg)

📅 日期时间模块

日期时间处理是编程常见需求,Python提供精确且灵活的解决方案。

1. datetime模块

核心类:date、time、datetime、timedelta:

from datetime import datetime, timedelta
now = datetime.now()
print(now.strftime('%Y-%m-%d %H:%M:%S'))
# 时间差计算
past = now - timedelta(days=7)
print((now - past).days)  # 7

格式化与解析:

dt_str = '2023-12-25 14:30:00'
dt = datetime.strptime(dt_str, '%Y-%m-%d %H:%M:%S')

2. 时区处理

Python 3.9+支持zoneinfo模块:

from datetime import datetime
from zoneinfo import ZoneInfo
ny = datetime(2023, 12, 25, 14, 30, tzinfo=ZoneInfo('America/New_York'))
tokyo = ny.astimezone(ZoneInfo('Asia/Tokyo'))
print(tokyo.strftime('%Y-%m-%d %H:%M %Z'))

注意:pytz是第三方库,zoneinfo为标准库替代方案。

3. calendar模块

生成日历与计算日期:

import calendar
cal = calendar.monthcalendar(2023, 12)  # 12月日历(二维列表)
print(calendar.isleap(2024))  # True

📐 数学计算模块

提供数学运算、统计分析与随机数生成能力。

1. math模块

数学常量与函数:

import math
print(math.pi, math.e)
print(math.sqrt(16))  # 4.0
print(math.log(8, 2))  # 3.0
⚠️ 注意:math函数仅处理实数,复数需用cmath模块。

2. statistics模块

描述性统计计算:

import statistics as stats
data = [1, 2, 2, 3, 4, 5]
print(stats.mean(data))   # 2.833...
print(stats.median(data)) # 2.5
print(stats.stdev(data))  # 标准差

3. random模块

生成伪随机数:

import random
print(random.random())      # [0,1)
print(random.randint(1,10)) # [1,10]
print(random.choice(['A','B','C']))
random.shuffle(['A','B','C'])

使用secrets模块生成加密安全随机数:

import secrets
print(secrets.token_hex(16))

🔒 安全与加密模块

保障数据安全与传输隐私的核心模块。

1. 哈希算法

hashlib提供SHA系列哈希:

import hashlib
md5 = hashlib.md5(b'hello').hexdigest()
sha256 = hashlib.sha256(b'hello').hexdigest()
# 文件校验
with open('file.txt', 'rb') as f:
    data = f.read()
    print(hashlib.sha256(data).hexdigest())
⚠️ 警告:md5与sha1已不安全,建议使用sha256或更强算法。

2. 对称加密

cryptography是第三方库,标准库提供hmac与ssl:

import hmac, hashlib
key = b'secret'
message = b'hello'
sig = hmac.new(key, message, hashlib.sha256).digest()

ssl模块用于TLS连接:

import ssl
context = ssl.create_default_context()
with context.wrap_socket(socket.socket(), server_hostname='example.com') as s:
    s.connect(('example.com', 443))

3. secrets模块

生成加密安全的随机数:

import secrets
password = secrets.token_urlsafe(16)  # 安全密码
token = secrets.token_hex(32)         # 安全令牌

🧪 测试与调试模块

支持单元测试、日志记录与性能分析的工具集。

1. unittest框架

基于xUnit架构的单元测试框架:

import unittest
class TestMath(unittest.TestCase):
    def test_add(self):
        self.assertEqual(1+1, 2)
if __name__ == '__main__':
    unittest.main()

支持测试夹具(setUp、tearDown)、跳过测试与参数化。

2. logging模块

灵活的日志记录系统:

import logging
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
logger.info("应用启动")
logger.error("错误发生", exc_info=True)

支持多处理器、文件输出与日志轮转(RotatingFileHandler)。

3. 性能分析

cProfile与timeit模块:

import cProfile, pstats
def test():
    sum(range(1000000))
cProfile.run('test()', 'stats')
p = pstats.Stats('stats')
p.sort_stats('cumulative').print_stats(10)

timeit精确测量代码执行时间:

import timeit
timeit.timeit('sum(range(10))', number=1000000)