企业官网建设流程全解析

Python 常用模块：别从头造轮子，这些内置的和第三方的直接拿来用

Python 最值钱的东西就是它的生态——标准库加上 PyPI 上几十万的第三方包，几乎覆盖了你可能遇到的所有需求。

写代码的时候，遇到问题第一反应不应该是"自己怎么实现"，而是"有没有现成的模块可以用"。

文件和路径：os、sys、pathlib

os：跟操作系统打交道

importos# 路径拼接（跨平台）path=os.path.join("data","logs","app.log")# data/logs/app.log# 获取当前目录os.getcwd()# 创建目录（存在也不报错）os.makedirs("data/logs",exist_ok=True)# 判断文件/目录是否存在os.path.exists("data.txt")os.path.isfile("data.txt")os.path.isdir("data")# 列出目录内容os.listdir(".")# 删除文件os.remove("temp.txt")# 环境变量os.environ.get("PATH")

sys：控制 Python 解释器

importsys# 命令行参数# python script.py --name Alicesys.argv# ['script.py', '--name', 'Alice']# 程序退出sys.exit(1)# 非0表示异常# Python 版本检查ifsys.version_info<(3,8):print("需要 Python 3.8+")sys.exit(1)# 模块搜索路径sys.path sys.path.append("/my/custom/path")# 平台信息sys.platform# 'linux', 'win32', 'darwin'

pathlib：面向对象的路径操作（推荐）

frompathlibimportPath# 创建路径p=Path("/home/user/data/file.txt")home=Path.home()current=Path.cwd()# 路径属性p.name# 'file.txt'p.stem# 'file'p.suffix# '.txt'p.parent# '/home/user/data'# 拼接（用 / 运算符）path=Path("data")/"logs"/"app.log"# 读写文件（一行搞定）Path("data.txt").write_text("Hello",encoding="utf-8")content=Path("data.txt").read_text(encoding="utf-8")# 遍历文件forfileinPath(".").glob("*.py"):print(file)# 递归遍历forfileinPath(".").rglob("*.txt"):print(file)# 创建目录Path("data/logs").mkdir(parents=True,exist_ok=True)# 判断存在ifPath("data.txt").exists():Path("data.txt").unlink()# 删除

os还是pathlib？pathlib是新代码的推荐选择，更直观、跨平台更好。老代码里os.path也很常见，两种都认识就行。

日期时间：datetime

fromdatetimeimportdatetime,date,timedelta# 获取当前时间now=datetime.now()today=date.today()# 格式化输出now.strftime("%Y-%m-%d %H:%M:%S")# '2026-07-02 10:30:00'now.strftime("%Y年%m月%d日")# '2026年07月02日'# 字符串转 datetimedt=datetime.strptime("2026-07-02 10:30:00","%Y-%m-%d %H:%M:%S")# 时间计算tomorrow=now+timedelta(days=1)next_week=now+timedelta(weeks=1)yesterday=now-timedelta(days=1)# 时间差delta=datetime(2026,12,31)-datetime(2026,1,1)delta.days# 364# 时间戳timestamp=now.timestamp()datetime.fromtimestamp(timestamp)

日期格式符记住%Y-%m-%d %H:%M:%S就够了，其他格式遇到再查。

JSON 处理：json

import json data = {"name": "张三", "age": 25, "active": True} # 字典 → JSON 字符串 json_str = json.dumps(data, ensure_ascii=False, indent=2) # { # "name": "张三", # "age": 25, # "active": true # } # JSON 字符串 → 字典 parsed = json.loads('{"name": "张三", "age": 25}') # 读写文件 with open("data.json", "w", encoding="utf-8") as f: json.dump(data, f, ensure_ascii=False, indent=2) with open("data.json", "r", encoding="utf-8") as f: data = json.load(f)

记住两个参数：ensure_ascii=False保留中文，indent=2让输出可读。

正则表达式：re

常用函数就四个：search（找一个）、findall（找所有）、sub（替换）、split（分割）。

importre text="联系我：13812345678 或 email@test.com"# 找第一个match=re.search(r"1[3-9]\d{9}",text)ifmatch:print(match.group())# '13812345678'# 找所有re.findall(r"1[3-9]\d{9}",text)# ['13812345678']# 找所有 + 捕获组match=re.search(r"(\w+)@(\w+\.\w+)",text)match.group(1)# 'email'match.group(2)# 'test.com'# 替换re.sub(r"1[3-9]\d{9}","***",text)# '联系我：*** 或 email@test.com'# 预编译（多次使用时提升性能）pattern=re.compile(r"1[3-9]\d{9}")pattern.findall(text)

常用正则速查：

高级数据结构：collections

defaultdict：不存在的键自动给默认值

fromcollectionsimportdefaultdict# 默认值是列表dd=defaultdict(list)dd["fruits"].append("apple")# 不会报 KeyErrordd["fruits"]# ['apple']# 默认值是数字 0dd_int=defaultdict(int)dd_int["count"]+=1# 1

Counter：计数神器

fromcollectionsimportCounter words=["apple","banana","apple","orange","apple","banana"]counter=Counter(words)# Counter({'apple': 3, 'banana': 2, 'orange': 1})counter.most_common(2)# [('apple', 3), ('banana', 2)]counter["apple"]# 3counter["grape"]# 0（不存在的返回0，不报错）

deque：两端操作 O(1)

fromcollectionsimportdeque dq=deque([1,2,3])dq.append(4)# 右边加dq.appendleft(0)# 左边加dq.pop()# 右边删dq.popleft()# 左边删# 固定长度，满了自动挤掉旧的dq=deque(maxlen=3)foriinrange(5):dq.append(i)# deque([2, 3, 4], maxlen=3)

迭代器工具：itertools

product：多层循环替代品

fromitertoolsimportproduct colors=["红","蓝"]sizes=["S","M","L"]# 替代嵌套 forforc,sinproduct(colors,sizes):print(f"{c}{s}")# 红S, 红M, 红L, 蓝S, 蓝M, 蓝L

permutations和combinations：排列组合

fromitertoolsimportpermutations,combinationslist(permutations([1,2,3],2))# 排列，有序list(combinations([1,2,3,4],2))# 组合，无序不重复

chain：串联多个列表

fromitertoolsimportchainlist(chain([1,2],[3,4],[5,6]))# [1, 2, 3, 4, 5, 6]

缓存和偏函数：functools

lru_cache：函数结果缓存

fromfunctoolsimportlru_cache@lru_cache(maxsize=128)deffib(n):ifn<2:returnnreturnfib(n-1)+fib(n-2)fib(40)# 第一次慢，之后直接从缓存取fib.cache_info()# 查看缓存命中情况

partial：固定部分参数，生成新函数

fromfunctoolsimportpartialdefpower(base,exponent):returnbase**exponent square=partial(power,exponent=2)cube=partial(power,exponent=3)square(5)# 25cube(5)# 125

日志：logging

importlogging# 基础配置logging.basicConfig(level=logging.INFO,format="%(asctime)s - %(levelname)s - %(message)s",handlers=[logging.FileHandler("app.log"),logging.StreamHandler()])logger=logging.getLogger(__name__)logger.debug("调试")logger.info("信息")logger.warning("警告")logger.error("错误")logger.critical("严重")# 记录异常堆栈try:1/0exceptException:logger.exception("发生异常")

HTTP 请求：requests（第三方）

importrequests# GET 请求resp=requests.get("https://api.github.com")resp.status_code# 200resp.json()# 解析 JSON# GET 带参数resp=requests.get("https://api.github.com/search/repositories",params={"q":"python","page":1})# POST JSONresp=requests.post("https://httpbin.org/post",json={"username":"alice","password":"secret"})# 错误处理try:resp=requests.get("https://api.example.com",timeout=5)resp.raise_for_status()# 4xx/5xx 抛异常exceptrequests.exceptions.Timeout:print("超时")exceptrequests.exceptions.ConnectionError:print("连接失败")

session 保持登录状态：

session=requests.Session()session.post("https://example.com/login",data={"user":"alice","pass":"123"})# 后续请求自动带 cookiesprofile=session.get("https://example.com/profile")

数据分析三件套：pandas、numpy、matplotlib

pandas：处理表格数据

importpandasaspd# 读 CSV / Exceldf=pd.read_csv("data.csv")df=pd.read_excel("data.xlsx")# 看一眼数据df.head()df.info()df.describe()# 筛选df[df["age"]>25]df[(df["age"]>25)&(df["score"]>85)]# 分组聚合df.groupby("city")["score"].mean()# 写回文件df.to_csv("output.csv",index=False)

numpy：数值计算

importnumpyasnp arr=np.array([1,2,3,4,5])arr.mean()# 3.0arr.sum()# 15arr.max()# 5arr[arr>2]# 条件筛选 [3, 4, 5]# 创建数组np.zeros((3,4))# 3x4 全0np.ones((2,3))# 2x3 全1np.arange(0,10,2)# [0, 2, 4, 6, 8]np.random.rand(3,3)# 3x3 随机数

matplotlib：画图

importmatplotlib.pyplotaspltimportnumpyasnp x=np.linspace(0,10,100)y=np.sin(x)plt.plot(x,y)plt.xlabel("X")plt.ylabel("Y")plt.title("正弦曲线")plt.show()