数据治理框架实战：从资产盘点、标准落地到质量闭环与安全分级
2026/10/29 7:14:18
前言
标准库（standard library）是随 Python 一起安装、不需要pip就能import的那一大堆模块。官方常说 Python "batteries included"（自带电池），指的就是标准库覆盖面极广：文件操作、日期时间、正则、JSON、CSV、SQLite、网络、并发、加密哈希、单元测试全都有。
一个很常见的误区是：遇到需求第一反应去搜第三方库。实际上很多场景标准库就够了——处理 JSON 用json而不是手写解析，做命令行参数用argparse而不是自己切sys.argv，算统计量用statistics而不是装numpy。第三方库有它的位置（数据分析、Web 框架、科学计算），但"先看标准库"能省掉大量依赖管理成本。
真正的问题往往不是"没有模块"，而是"不记得有没有、存在哪个模块里、参数怎么传"。所以本文分两部分：先按用途给出一张常用模块地图，再重点讲怎么查——help()、dir()、pydoc、以及程序里怎么列出所有标准库模块名。示例基于 Python 3.8+，用到新版本特性的地方单独标注。
一、常用标准库模块地图
下面按用途归类。同一件事常有多个模块可选，括号里注明更现代的替代或需要使用的新版本。
| 用途 | 模块 | 代表内容 |
|---|
| 系统与解释器 | sys、os、platform | sys.argv、os.environ、platform.system() |
| 路径与文件 | pathlib、os.path、shutil、glob、tempfile | Path、copy、rmtree、glob、TemporaryDirectory |
| 文本处理 | re、string、textwrap、difflib | 正则、字符常量、折行、序列比对 |
| 日期时间 | datetime、time、zoneinfo | date、datetime、timedelta、时区 |
| 数据格式 | json、csv、configparser、tomllib | 读写 JSON/CSV/INI/TOML（tomllib需 3.11+） |
| 数据结构 | collections、heapq、bisect、array | defaultdict、Counter、deque、堆、二分 |
| 函数式工具 | itertools、functools、operator | groupby、chain、partial、lru_cache |
| 数值与统计 | math、statistics、decimal、fractions、random | 数学函数、均值方差、精确小数、分数、随机 |
| 持久化 | sqlite3、pickle、dbm | 嵌入式数据库、对象序列化 |
| 并发 | threading、multiprocessing、concurrent.futures、asyncio | 线程、进程、执行器、协程 |
| 网络与协议 | urllib、http、socket、email、smtplib | 请求、HTTP 工具、套接字、邮件 |
| 安全与编码 | hashlib、hmac、secrets、base64、uuid、ssl | 摘要、恒定时间比较、安全随机、编码、UUID |
| 命令行与日志 | argparse、logging、getpass | 参数解析、日志、隐藏输入 |
| 测试与调试 | unittest、doctest、traceback、pdb | 单元测试、文档测试、异常栈、调试器 |
| 类型与元编程 | typing、dataclasses、enum、abc、contextlib | 类型标注、数据类、枚举、抽象基类、上下文管理器 |
pickle需要特别提醒：它能反序列化出任意对象，反序列化不可信数据等于允许对方在你的进程里执行代码，跨信任边界的数据一律改用json等纯数据格式。
二、在程序里查询：help 与 dir
最直接的查询方式是内置的help()和dir()。help()会打印签名、文档字符串和成员列表；dir()只列出名字，速度快、适合探索。
# 适用于 Python 3.8+
import json
print(dir(json)[:8]) # 看到 dump、dumps、load 等名字
help(json.dumps) # 打印签名与说明
import inspect
print(inspect.signature(json.dumps))注意help()的输出是给"人"看的，格式会随版本变；要在程序里稳定地拿签名，用inspect.signature()。签名里的/表示其前的参数是仅位置参数，*表示其后的参数是仅关键字参数。比如json.dumps(obj, *, skipkeys=False, ensure_ascii=True, ...)—— 第一个参数是位置的，后面那一堆都得写关键字。
__doc__属性也能拿到文档字符串，但格式化不好，不如help()。
三、命令行查询：pydoc
pydoc能把文档直接输出到终端，甚至起一个本地网页服务器。
# 查看某个模块的文档
python -m pydoc json
# 按关键词搜索所有模块的摘要行
python -m pydoc -k csv
# 启动本地文档服务器并自动打开浏览器
python -m pydoc -b
# 指定端口启动文档服务器
python -m pydoc -p 1234-k很适合"我记得有个模块能干这件事，但想不起叫什么"。注意它是在已安装的所有模块里搜摘要，因此搜索结果可能包含第三方库。
四、列出所有标准库模块名
Python 3.10 起，sys.stdlib_module_names提供了一个 frozenset，里面是全平台一致的标准库模块名。
# 适用于 Python 3.10+
import sys
names = sys.stdlib_module_names
print(len(names))
print("json" in names) # True
# 找出所有以 "csv" 开头的标准库模块
print(sorted(n for n in names if n.startswith("csv")))官方文档说明它有几个特点：全平台一致（某些平台上不可用、或构建时被禁用的模块也列在里面）；纯 Python 模块、内置模块、冻结模块、扩展模块都算；测试模块被排除；包只列主包名，子包不列（例如有email，但没有email.mime）。
如果只想知道哪些模块是"编译进解释器"的，用sys.builtin_module_names。要判断某个已导入的模块来自标准库还是第三方，可以看它的__file__路径是否落在标准库目录下，但更省事的做法是直接查sys.stdlib_module_names。
五、一段常用于自检的查询脚本
# 适用于 Python 3.10+
import sys
import importlib
import inspect
def probe(modname, attr):
"""打印模块某个成员的存在性、签名与文档首行。"""
try:
mod = importlib.import_module(modname)
except ImportError as e:
print(f"无法导入 {modname}: {e}")
return
obj = getattr(mod, attr, None)
if obj is None:
print(f"{modname} 中没有 {attr}")
return
try:
sig = inspect.signature(obj)
except (TypeError, ValueError):
sig = "(无法获取签名)"
doc = (inspect.getdoc(obj) or "").splitlines()
print(f"{modname}.{attr}{sig}")
print(" ", doc[0] if doc else "(无文档)")
probe("json", "dumps")
probe("pathlib", "Path")
print("stdlib 模块数:", len(sys.stdlib_module_names))这段代码不依赖任何第三方库，可以当作探索陌生模块的起点。
常见坑点
坑 1：模块名和变量名撞车。
❌
import json
json = {"a": 1} # 之后 json.dumps 全废✅ 模块名（json、csv、random、email）别拿来当变量名；尤其别写import random之后又random = random.choice(xs)。
坑 2：from 模块 import *污染命名空间。
❌from os import *之后os、sys里的一堆名字混进本模块，还可能与自己的变量重名。
✅import os，或用from os import path, getcwd这类显式导入。
坑 3：以为标准库都是纯 Python。
❌ 以为json、socket这些是纯 Python 实现，能随便读源码改。
✅ 标准库混合了纯 Python、C 扩展和内置模块。要确认来源用sys.stdlib_module_names与sys.builtin_module_names；json的核心加速是 C 扩展_json。
坑 4：用pickle加载外来数据。
❌pickle.load(open("下载来的文件", "rb"))——pickle反序列化会执行构造逻辑，不可信数据可能引发任意代码执行。
✅ 跨信任边界一律用json等纯数据格式；pickle只用于自己完全掌控的进程内持久化。
坑 5：忘记标准库版本差异。
❌ 在 3.9 上写import tomllib（3.11 才有）、用sys.stdlib_module_names（3.10 才有）。
✅ 需要 TOML 且版本低于 3.11 时用第三方tomli；需要标准库模块名单时先用getattr(sys, "stdlib_module_names", None)做特性探测。
坑 6：读写文件不指定编码。
❌json.load(open("data.json"))在 Windows 上按本地编码读，UTF-8 内容乱码。
✅open("data.json", encoding="utf-8")；pathlib则用Path("data.json").read_text(encoding="utf-8")。
坑 7：os.path与pathlib混着用。
❌ 一半代码os.path.join(a, b)，另一半Path(a) / b，字符串与Path对象来回转换。
✅ 新代码统一用pathlib.Path，它在大多数接收路径的 API 上都能直接传。
坑 8：import 模块写在函数里图省事。
❌ 在一个被高频调用的函数里反复import json，虽不算错但可读性差、也让人低估依赖。
✅ 模块级统一导入；只在解决循环导入或加载很重的可选依赖时才在函数内导入，并加注释说明原因。
总结
| 需求 | 先看哪个模块 | 备注 |
|---|
| 路径与目录操作 | pathlib | 新代码优先，取代os.path拼接 |
| 读写 JSON / CSV / INI | json/csv/configparser | TOML 用tomllib（3.11+） |
| 日期时间 | datetime | 时区用zoneinfo（3.9+） |
| 容器增强 | collections | defaultdict、Counter、deque |
| 迭代工具 | itertools、functools | chain、groupby、lru_cache |
| 命令行参数 | argparse | 别手动切sys.argv |
| 日志 | logging | 别用print当日志 |
| 查询文档 | help()、dir()、pydoc、inspect | 命令行用python -m pydoc -k 关键词 |
掌握"先查标准库、再考虑第三方"的习惯，配合help()、dir()、python -m pydoc -k这三把工具，基本可以摆脱"不记得有没有现成模块"的焦虑。要记住的边界只有两条：涉及不可信数据时不要用pickle，以及较新的模块（tomllib3.11、sys.stdlib_module_names3.10、zoneinfo3.9）在使用前先确认目标 Python 版本。遇到版本差异，以 Python 官方文档的模块索引和各版本的"更新日志"章节为准，不要采信二手说法。