Python 3 标准库深度指南：从入门到精通

第一章：引言——Python的“内置宝藏”

1.1 什么是Python标准库？

Python 被誉为“带着电池（batteries included）”的语言，这背后所指的正是其强大而全面的标准库（Standard Library）。它是一组随 Python 解释器一同安装的模块和包的集合，无需任何额外安装步骤（如 pip install），即可在您的代码中通过 import 关键字直接使用。从最简单的字符串操作到复杂的网络服务、从基础的数据结构到高级的并发编程，标准库提供了几乎所有通用编程场景的解决方案。

核心优势：

• 零依赖部署：这意味着您编写的一个基于标准库的脚本，可以在任何安装了相同版本 Python 的机器上直接运行，极大地简化了部署和分发流程。
• 性能与稳定性：标准库中的许多关键模块（如 json、math、pickle）的底层由 C 语言实现，性能优异。更重要的是，它们经过全球数百万开发者数十年的验证和锤炼，稳定性极高，bug 极少。
• 跨平台兼容：标准库为开发者屏蔽了底层操作系统的差异（Windows、Linux、macOS）。例如，os.path.join 会自动根据当前系统使用正确的路径分隔符（\ 或 /），让您的代码轻松实现跨平台运行。

1.2 标准库的历史与演进

标准库并非一成不变，它随着 Python 语言本身的发展而不断进化，逐步淘汰老旧模块，引入现代化、更安全、更高效的新模块。

• Python 3.0 (2008) - 重大重构：这是 Python 历史上一次彻底的革新。标准库也经历了大规模清理和重命名，例如 ConfigParser 被统一为 configparser，Queue 变为 queue，并且引入了 io 模块来统一处理文本和二进制流，明确了 str 和 bytes 的区分。
• Python 3.4 - 3.6 - 现代化引入：这一时期为标准库注入了大量新鲜血液。pathlib 提供了面向对象的文件路径操作，asyncio 带来了原生的异步 I/O 支持，typing 开启了类型提示的时代，而 dataclasses 则让创建数据类变得前所未有的简单。
• Python 3.7 - 3.11 - 性能与安全：持续的性能优化是这一时期的主题。同时，标准库增加了 zoneinfo 以提供对 IANA 时区的原生支持，tomllib 用于解析 TOML 格式的配置文件，并逐步移除了过时且存在安全隐患的模块，如 distutils（在 Python 3.12 中被移除）。

1.3 如何高效学习标准库

面对包含 200+ 核心模块（截至 Python 3.13+）的庞大库，我们不可能也不应该试图一次性记住所有内容。更高效的学习方法是：

1. 构建认知地图：理解标准库的宏观分类（如文件处理、网络通信、数据处理等），知道每个分类下有哪些常用模块。当遇到新问题时，能快速定位到可能用到的模块。
2. 从解决问题入手：不要死记硬背 API。而是在实际开发中（如“我想读取一个 CSV 文件”、“我需要发送一个 HTTP 请求”），带着问题去查找和学习对应的模块（如 csv、urllib.request）。
3. 善用官方文档：Python 官方文档是最好的学习资源。它不仅有全面的模块索引，还提供了新手教程和详尽的语言参考。除此之外，优秀的第三方教程和学习指南也能帮助您快速上手。熟悉内置的 dir() 和 help() 函数，它们是探索模块功能最快捷的命令行工具。
4. 优先考虑标准库：在寻找解决方案时，请优先思考“Python 标准库是否已经提供了这个功能？”。这不仅能减少项目依赖和部署复杂性，还能确保您的代码更稳定、更易维护。

---

第二章：核心模块分类与实战应用

本章将按照功能领域，对标准库中最常用、最重要的模块进行系统性的介绍和实战演练。

2.1 操作系统与文件系统接口

这是与计算机底层交互的基础，几乎所有的 Python 程序都离不开它。

2.1.1 os 模块：操作系统的瑞士军刀

os 模块提供了与操作系统进行交互的丰富接口，涵盖了环境变量、进程管理、文件和目录操作等多个方面。不过，对于日常文件和目录管理，shutil 模块提供了更高级、更易用的接口。

核心功能示例：

import os

# 获取当前工作目录
current_dir = os.getcwd()
print(f"当前工作目录: {current_dir}")  # 输出类似于 C:\Users\YourName\Project

# 切换工作目录
os.chdir('/path/to/new/directory')

# 创建目录（支持递归创建）
os.makedirs('data/logs/2024', exist_ok=True) # exist_ok=True 避免目录已存在时抛异常

# 列出目录下的所有文件和文件夹
for item in os.listdir('.'):
    print(item)

# 获取环境变量
home_dir = os.environ.get('HOME', '/home/default') # 提供默认值以防变量不存在
print(f"Home 目录: {home_dir}")

# 执行系统命令（不推荐用于复杂任务，建议使用 subprocess）
os.system('echo "Hello from OS"')

最佳实践：官方强烈建议使用 import os 而非 from os import *，因为 os 模块中的某些函数（如 os.open()）会覆盖内置函数 open()，导致难以排查的错误。

2.1.2 shutil 模块：高级文件操作

shutil 模块专注于文件、目录的高层次操作，如复制、移动、删除、归档等，是对 os 模块的有力补充。

import shutil

# 复制文件
shutil.copy2('source.txt', 'destination.txt')  # copy2 会尽量保留元数据（修改时间等）

# 复制整个目录
shutil.copytree('backup_2023', 'archive/backup_2023')

# 移动文件或目录
shutil.move('temp_data.csv', 'processed/temp_data.csv')

# 删除整个目录（非空）
shutil.rmtree('obsolete_folder')  # 危险操作，谨慎使用

# 创建归档文件（支持zip, tar等格式）
shutil.make_archive('project_backup', 'zip', 'my_project')

2.1.3 pathlib 模块：面向对象的路径操作（推荐）

自 Python 3.4 起引入的 pathlib 模块，被认为是文件路径处理的未来。它使用面向对象的方式，将路径封装为 Path 对象，比传统的 os.path 字符串操作更加直观、易用、不易出错。

from pathlib import Path

# 定义一个路径
p = Path('/usr/local/bin/python3')
print(p.name)         # 文件名: python3
print(p.stem)         # 不带后缀的文件名: python
print(p.suffix)       # 文件后缀: .3
print(p.parent)       # 父目录: /usr/local/bin
print(p.parents[8](@ref)   # 上上级目录: /usr/local

# 构建新路径（使用 / 运算符）
config_path = Path.home() / '.config' / 'myapp' / 'config.ini'
print(config_path)   # 类似于 /home/user/.config/myapp/config.ini

# 检查路径状态
if config_path.exists():
    print("配置文件存在")
if config_path.is_file():
    print("这是一个文件")

# 读写文件（最强大的特性之一）
file_path = Path('data.txt')
file_path.write_text('Hello, pathlib!', encoding='utf-8')
content = file_path.read_text(encoding='utf-8')
print(content)  # 输出: Hello, pathlib!

# 遍历目录
for py_file in Path('.').glob('**/*.py'):  # 递归查找所有 .py 文件
    print(py_file)

为什么推荐 pathlib？ 它为文件 I/O 提供了统一、清晰的接口，代码可读性更强，并且天然跨平台，无需担心路径分隔符的问题。除非维护旧代码，否则新项目应优先考虑 pathlib 而非 os.path。

2.2 文本处理与字符串操作

文本处理是编程中最常见的任务之一，标准库提供了从简单到复杂的全套工具。

2.2.1 re 模块：正则表达式引擎

当简单的字符串方法（如 str.find(), str.replace()）无法满足复杂的模式匹配需求时，就需要 re 模块登场了。它提供了对正则表达式的完整支持，可用于文本搜索、替换、分割和提取。

import re

text = "我的联系方式是: 138-1234-5678 和 010-8765-4321"

# 查找所有符合模式的字符串 (findall)
phone_numbers = re.findall(r'\d{3}-\d{4}-\d{4}', text)
print(phone_numbers)  # 输出: ['138-1234-5678', '010-8765-4321']

# 搜索第一个匹配项 (search)
match = re.search(r'(\d{3})-(\d{4}-\d{4})', text)
if match:
    print(f"完整号码: {match.group(0)}")   # 138-1234-5678
    print(f"区号: {match.group(1)}")      # 138
    print(f"剩余部分: {match.group(2)}")   # 1234-5678

# 替换 (sub)
masked_text = re.sub(r'\d{3}-\d{4}-\d{4}', '***-****-****', text)
print(masked_text)  # 输出: 我的联系方式是: ***-****-**** 和 ***-****-****

# 分割 (split)
# 依据一个或多个空白字符或标点来分割
words = re.split(r'\s+|[，。、！？]', "你好,世界！这是一个测试。")
print(words)  # 输出: ['你好', '世界', '这是一个测试', '']

性能提示：如果您需要在循环中多次使用同一个正则表达式，务必使用 re.compile() 对其进行预编译，这能显著提升性能。

pattern = re.compile(r'\d{3}-\d{4}-\d{4}')
for text in large_text_list:
    pattern.findall(text)  # 比 re.findall(pattern, text) 更快

2.2.2 textwrap 模块：文本排版利器

用于格式化文本段落，使其适应指定的宽度，常用于控制台输出或生成报告。

import textwrap

long_text = "Python标准库非常庞大，提供了许多组件。使用标准库我们可以轻松地完成各种任务。"
wrapped_text = textwrap.fill(long_text, width=30)  # 每行最多30个字符
print(wrapped_text)
# 输出:
# Python标准库非常庞大，提供了
# 许多组件。使用标准库我们可以
# 轻松地完成各种任务。

2.2.3 difflib 模块：文本差异比较

提供计算文本序列差异的工具，并可以生成类似 Unix diff 命令的输出，或用于模糊字符串匹配。

import difflib

text1 = """Python标准库
包含了众多模块
功能强大"""
text2 = """Python 标准库
包含了极多模块
功能非常强大"""

# 生成差异报告
diff = difflib.unified_diff(text1.splitlines(), text2.splitlines(), lineterm='')
print('\n'.join(diff))
# 输出:
# --- 
# +++ 
# @@ -1,3 +1,3 @@
# -Python标准库
# +Python 标准库
# -包含了众多模块
# +包含了极多模块
# -功能强大
# +功能非常强大

# 计算相似度
ratio = difflib.SequenceMatcher(None, "苹果", "苹果树").ratio()
print(f"相似度: {ratio:.2f}")  # 输出: 0.67

2.3 数据结构与算法支持

除了内置的 list, dict, set, tuple，标准库还提供了更专业、更高效的数据结构。

2.3.1 collections 模块：扩展容器

这是最实用的模块之一，提供了许多内置容器的补充。

• namedtuple：创建具有属性名称的元组，使代码更具可读性。
• deque：双端队列，从两端添加/删除元素的时间复杂度都是 O(1)。
• Counter：用于计数哈希对象的简单计数器。
• defaultdict：当键不存在时，自动调用工厂函数生成默认值。
• OrderedDict：在 Python 3.7+ 中，普通 dict 已保证插入顺序，但在某些需要明确顺序操作的场景下仍有用。

from collections import namedtuple, deque, Counter, defaultdict

# namedtuple
Point = namedtuple('Point', ['x', 'y'])
p = Point(10, y=20)  # 允许位置参数和关键字参数
print(p.x, p.y)     # 输出: 10 20
print(p[0] + p[8](@ref)  # 仍可作为普通元组使用: 30

# deque
d = deque(['a', 'b', 'c'])
d.append('d')
d.appendleft('start')
print(d.pop())      # 输出: 'd'
print(d.popleft())  # 输出: 'start'
d.rotate(1)         # 右旋一位, d 变为 ['c', 'a', 'b']
print(d)

# Counter
word_counts = Counter("abracadabra")
print(word_counts)  # Counter({'a': 5, 'b': 2, 'r': 2, 'c': 1, 'd': 1})
print(word_counts.most_common(2))  # [('a', 5), ('b', 2)]

# defaultdict
groups = defaultdict(list)  # 当键不存在时，自动创建一个空列表
groups['fruit'].append('apple')
groups['fruit'].append('banana')
groups['vegetable'].append('carrot')
print(groups)  # defaultdict(<class 'list'>, {'fruit': ['apple', 'banana'], 'vegetable': ['carrot']})

2.3.2 heapq 模块：堆队列算法

提供了一个实现最小堆（min-heap）的算法，这使得我们可以在 O(log n) 的时间复杂度内进行插入和提取最小元素的操作。

import heapq

data = [3, 1, 4, 1, 5, 9, 2, 6]

# 使用 heapify 将列表转换为堆
heapq.heapify(data)
print(data)  # 输出: [1, 1, 2, 3, 5, 9, 4, 6] (堆化后的顺序)

# 提取最小值
min_val = heapq.heappop(data)
print(min_val)  # 1

# 插入新元素
heapq.heappush(data, 0)
print(data[1](@ref)  # 现在堆顶是 0 (新的最小值)

# 获取前 n 个最大/最小元素
print(heapq.nlargest(2, data))  # [9, 6]
print(heapq.nsmallest(2, data)) # [0, 1]

应用场景：实现优先队列、查找流数据中的 Top K 元素、任务调度等。

2.3.3 bisect 模块：数组二分查找

维护一个已排序的列表，并使用二分查找来插入和查找元素，效率极高。

import bisect

sorted_list = [1, 3, 5, 7, 9]

# 查找插入点 (如果元素已存在，返回其右侧位置)
position = bisect.bisect_right(sorted_list, 5)
print(f"元素 5 应插入到索引 {position}")  # 输出: 3

# 插入操作 (在保持有序的同时进行插入)
bisect.insort(sorted_list, 6)
print(sorted_list)  # 输出: [1, 3, 5, 6, 7, 9]

2.4 日期与时间处理

正确处理时间和日期是一项挑战，标准库提供了 time 和 datetime 两个核心模块。

2.4.1 time 模块：底层时间访问

主要处理时间戳（自 Unix 纪元以来的秒数）、睡眠和格式化输出。

import time

# 获取当前时间戳
timestamp = time.time()
print(f"当前时间戳: {timestamp}")

# 将时间戳转换为结构化时间
struct_time = time.localtime(timestamp)
print(f"年: {struct_time.tm_year}, 月: {struct_time.tm_mon}, 日: {struct_time.tm_mday}")

# 格式化输出
formatted = time.strftime("%Y-%m-%d %H:%M:%S", struct_time)
print(f"格式化时间: {formatted}")

# 程序休眠
print("开始休眠...")
time.sleep(2)  # 暂停 2 秒
print("休眠结束！")

# 测量代码执行时间
start = time.perf_counter()
# ... 执行一些代码 ...
end = time.perf_counter()
print(f"执行用时: {end-start:.4f} 秒")

2.4.2 datetime 模块：高级日期时间处理 (推荐)

datetime 模块提供了更面向对象、功能更全面的日期和时间处理能力，处理时区、时间差、日期运算等任务的首选。

from datetime import datetime, date, time, timedelta, timezone

# 获取当前日期时间
now = datetime.now()
today = date.today()
print(f"当前时间: {now}")
print(f"今天日期: {today}")

# 创建特定日期
birthday = datetime(1990, 5, 15, 8, 30, 0)

# 日期运算
delta = now - birthday
print(f"距离生日过去了 {delta.days} 天")

# 未来/过去日期预测
future = now + timedelta(days=10, hours=2)
print(f"10天2小时后是: {future}")

# 格式化与解析
date_str = "2024-08-15 14:30:00"
parsed_date = datetime.strptime(date_str, "%Y-%m-%d %H:%M:%S")
print(f"解析后的对象: {parsed_date}")
formatted = parsed_date.strftime("%A, %B %d, %Y")  # 输出: 周几, 月 日, 年
print(f"美式格式: {formatted}")

# 时区处理 (Python 3.9+ 推荐使用 zoneinfo)
# 假设我们需要知道上海的时间
from zoneinfo import ZoneInfo
shanghai_tz = ZoneInfo("Asia/Shanghai")
shanghai_time = datetime.now(shanghai_tz)
print(f"上海当前时间: {shanghai_time}")

2.5 数据持久化与文件格式

Python 标准库支持从简单的文本文件到复杂的数据库，再到各种配置文件格式。

2.5.1 json 模块：数据交换的通用语言

JSON 是目前 Web 和配置领域最流行的数据格式之一。json 模块可以轻松地在 Python 对象和 JSON 字符串之间进行转换。

import json

# Python 对象 -> JSON 字符串 (序列化)
data = {
    "name": "Python 标准库",
    "version": 3.12,
    "features": ["文件处理", "网络通信", "并发"],
    "is_complete": True
}
json_string = json.dumps(data, indent=2, ensure_ascii=False)  # indent 美化输出，ensure_ascii 支持中文
print(json_string)

# JSON 字符串 -> Python 对象 (反序列化)
parsed_data = json.loads(json_string)
print(parsed_data['name'])  # 输出: Python 标准库

# 从文件读写
with open('config.json', 'w', encoding='utf-8') as f:
    json.dump(data, f, indent=2)

with open('config.json', 'r', encoding='utf-8') as f:
    loaded_data = json.load(f)

2.5.2 csv 模块：读写电子表格

用于读写逗号分隔值（CSV）文件，这是数据分析和自动化任务中最常见的文件格式之一。

import csv

# 写入 CSV
header = ['姓名', '年龄', '城市']
rows = [
    ['Alice', 30, '北京'],
    ['Bob', 25, '上海'],
    ['Carol', 35, '广州']
]
with open('people.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerow(header)
    writer.writerows(rows)

# 读取 CSV
with open('people.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)  # 每行是一个列表

2.5.3 configparser 模块：解析 INI 配置文件

用于读写类似 Windows INI 文件的配置文件，非常适合管理应用程序的配置项。

; config.ini
[DEFAULT]
ServerAliveInterval = 45
Compression = yes
ForwardX11 = yes

[forge.example]
User = hg

[topsecret.server.example]
Port = 50022
ForwardX11 = no

import configparser

config = configparser.ConfigParser()
config.read('config.ini')

# 读取配置
print(config['forge.example']['User'])  # 输出: hg
print(config['DEFAULT']['Compression']) # 输出: yes
print(config.getint('topsecret.server.example', 'Port')) # 输出: 50022 (作为整数)

2.5.4 sqlite3 模块：轻量级数据库

提供了一个对 SQLite 数据库的 DB-API 2.0 接口，SQLite 是一个轻量级、跨平台、无需服务器的关系型数据库，非常适合嵌入式应用和快速原型开发。

import sqlite3

# 连接数据库（文件不存在会自动创建）
conn = sqlite3.connect('example.db')
cursor = conn.cursor()

# 创建表
cursor.execute('''CREATE TABLE IF NOT EXISTS users
                  (id INTEGER PRIMARY KEY AUTOINCREMENT, name TEXT, age INTEGER)''')

# 插入数据
cursor.execute("INSERT INTO users (name, age) VALUES (?, ?)", ('Alice', 30))
cursor.execute("INSERT INTO users (name, age) VALUES (?, ?)", ('Bob', 25))
conn.commit()  # 提交事务

# 查询数据
cursor.execute("SELECT * FROM users WHERE age > ?", (20,))
rows = cursor.fetchall()
for row in rows:
    print(row)  # (1, 'Alice', 30)  (2, 'Bob', 25)

# 关闭连接
conn.close()

2.6 数学与随机数

标准库提供了从基础数学运算到高级统计的广泛支持。

2.6.1 math 模块：基础数学函数

提供对底层 C 数学库的访问，包括三角函数、对数、幂运算、常数（π, e）等。

import math

print(math.pi)          # 3.141592653589793
print(math.e)           # 2.718281828459045
print(math.sqrt(16))    # 4.0
print(math.sin(math.pi / 2)) # 1.0
print(math.log(1024, 2)) # 10.0
print(math.ceil(3.2))   # 4 (向上取整)
print(math.floor(3.8))  # 3 (向下取整)

2.6.2 random 模块：生成伪随机数

注意：random 模块生成的是伪随机数，适用于模拟、游戏、测试等场景。对于安全性要求高的场景（如密码生成），请使用 secrets 模块。

import random

# 基本随机数
print(random.random())        # 0.0 到 1.0 之间的浮点数
print(random.uniform(10, 20)) # 10.0 到 20.0 之间的浮点数
print(random.randint(1, 6))   # 1 到 6 之间的整数（包括1和6），模拟掷骰子
print(random.randrange(0, 101, 10)) # 从 range(0, 101, 10) 中随机选一个

# 从序列中选择
items = ['apple', 'banana', 'cherry']
print(random.choice(items))          # 随机选择一个元素
print(random.sample(items, 2))       # 随机选择2个不重复的元素（无放回抽样）
print(random.choices(items, k=10))   # 随机选择10个元素（有放回抽样）

# 打乱序列
deck = list(range(52))
random.shuffle(deck)
print(deck[:5])  # 随机排列后的前5张牌

2.6.3 statistics 模块：数学统计

用于基本的统计计算，如均值、中位数、众数、标准差等。

import statistics

data = [2.75, 1.75, 1.25, 0.25, 0.5, 1.25, 3.5]
print(statistics.mean(data))      # 1.6071428571428572 (均值)
print(statistics.median(data))     # 1.25 (中位数)
print(statistics.mode(data))       # 1.25 (众数)
print(statistics.stdev(data))      # 1.1442820787255006 (样本标准差)

2.7 网络通信

标准库支持从底层 socket 到高层 HTTP 协议的完整网络栈。

2.7.1 urllib 包：URL 处理

一个用于处理 URL 相关任务的模块集合，最常用的是 urllib.request 用于打开和读取 URL。

import urllib.request
import urllib.parse

# 获取网页内容 (GET 请求)
with urllib.request.urlopen('https://api.example.com/data') as response:
    html = response.read()
    print(f"状态码: {response.status}")
    # 如果是 JSON 响应，可以解码
    # import json; data = json.loads(html.decode('utf-8'))

# 发送 POST 请求
data = urllib.parse.urlencode({'key1': 'value1', 'key2': 'value2'}).encode('utf-8')
req = urllib.request.Request('https://httpbin.org/post', data=data, method='POST')
with urllib.request.urlopen(req) as response:
    print(response.read().decode('utf-8'))

2.7.2 http.server 模块：简易 Web 服务器

可以快速启动一个简易的 HTTP 服务器，常用于共享文件或测试静态页面。

# 命令行中，在当前目录启动一个 HTTP 服务，监听默认端口 8000
python -m http.server 8000

2.7.3 smtplib 模块：发送邮件

用于发送电子邮件的 SMTP 协议客户端库。

import smtplib
from email.message import EmailMessage

msg = EmailMessage()
msg.set_content("这是一封来自 Python 的测试邮件。")
msg['Subject'] = 'Python 邮件测试'
msg['From'] = 'sender@example.com'
msg['To'] = 'receiver@example.com'

# 连接到邮件服务器 (示例使用 Gmail 的 SMTP 服务器)
try:
    with smtplib.SMTP_SSL('smtp.gmail.com', 465) as server:
        server.login('your_email@gmail.com', 'your_app_password') # 使用应用专用密码
        server.send_message(msg)
    print("邮件发送成功！")
except Exception as e:
    print(f"邮件发送失败: {e}")

2.8 日志与调试

专业的程序离不开完善的日志系统和调试工具。

2.8.1 logging 模块：专业的日志系统

logging 模块是 print() 语句的强大替代品，它提供了灵活的日志级别、格式化输出以及将日志写入文件、网络等目标的能力。

import logging

# 基础配置
logging.basicConfig(
    level=logging.DEBUG,         # 设置日志级别，低于此级别的日志不会输出
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
    datefmt='%Y-%m-%d %H:%M:%S',
    filename='app.log',          # 将日志写入文件
    filemode='a'                 # 追加模式
)

# 不同级别的日志
logging.debug("这是一条调试信息，通常只在开发时使用。")
logging.info("这是一条普通信息，记录了程序的正常运行状态。")
logging.warning("这是一条警告信息，表示可能存在问题。")
logging.error("这是一条错误信息，表示程序遇到了问题。")
logging.critical("这是一条严重错误信息，表示程序可能无法继续运行。")

# 使用更简单的打印风格
# logging.basicConfig(level=logging.INFO, format='%(message)s')

2.8.2 pdb 模块：交互式调试器

Python 自带的调试器，允许您逐步执行代码、检查变量、设置断点等。

import pdb

def complex_function(a, b):
    result = a + b
    pdb.set_trace()  # 程序执行到这里会进入交互式调试模式
    # 在调试模式下，可以输入 c (继续), s (单步进入), n (单步跳过), p (打印变量) 等命令
    result = result * 2
    return result

result = complex_function(3, 4)
print(result)

2.8.3 timeit 模块：精准计时

用于测量小段代码的执行时间，是性能测试的利器。

import timeit

# 测量一条语句的执行时间
code_to_test = """
a = [i for i in range(1000)]
b = [i*2 for i in a]
"""
execution_time = timeit.timeit(code_to_test, number=10000)  # 执行 10000 次
print(f"执行 10000 次用时: {execution_time:.4f} 秒")

# 比较两种方法的性能
print(timeit.timeit('"-".join(str(n) for n in range(100))', number=10000))
print(timeit.timeit('"-".join([str(n) for n in range(100)])', number=10000))

2.9 并发与并行

Python 支持多种并发编程模型，以适应不同的场景。

• 多线程 (threading)：适合 I/O 密集型任务（如网络请求、文件读写），利用等待 I/O 的时间执行其他任务。
• 多进程 (multiprocessing)：适合 CPU 密集型任务（如复杂计算、图像处理），利用多核 CPU 的并行计算能力。
• 异步 I/O (asyncio)：适合高并发 I/O 密集型任务（如 Web 服务器、爬虫），通过单一事件循环在单线程内并发处理大量任务。

2.9.1 threading 模块：多线程

import threading
import time

def worker(name, delay):
    print(f"线程 {name} 启动")
    time.sleep(delay)
    print(f"线程 {name} 完成")

# 创建线程
threads = []
for i in range(3):
    t = threading.Thread(target=worker, args=(f"Thread-{i}", i))
    threads.append(t)
    t.start()

# 等待所有线程完成
for t in threads:
    t.join()

print("所有线程执行完毕")

2.9.2 concurrent.futures 模块：高级并发接口

提供了更高级别的抽象，让我们可以方便地使用线程池和进程池。

from concurrent.futures import ThreadPoolExecutor, as_completed
import urllib.request

urls = ['https://httpbin.org/delay/1', 'https://httpbin.org/delay/2', 'https://httpbin.org/delay/3']

def fetch_url(url):
    with urllib.request.urlopen(url, timeout=5) as response:
        return url, response.status

# 使用线程池并发抓取
with ThreadPoolExecutor(max_workers=5) as executor:
    # 提交所有任务
    future_to_url = {executor.submit(fetch_url, url): url for url in urls}
    # 按完成顺序获取结果
    for future in as_completed(future_to_url):
        url, status = future.result()
        print(f"{url} 完成，状态码: {status}")

---

第三章：标准库的未来发展与最佳实践

3.1 发展方向

标准库会随 Python 一起持续进化，未来的发展重点包括：

• 现代化重构：逐步用更直观、面向对象的新模块替代老旧的过程式模块。最典型的例子是 pathlib 逐步取代 os.path 的工作正在进行中。
• 性能提升：关键模块（如 json、pickle、math）的底层会持续采用 C 实现或优化算法，以获得更好的性能。
• 安全增强：加强 hashlib、ssl、secrets 等安全相关模块的默认配置，为开发者提供更安全的默认选项。
• 异步化：逐步为更多 I/O 密集型模块提供原生 asyncio 支持，使标准库更好地适应高并发网络编程的需求。
• 类型提示支持：为标准库全面添加类型注解，提升 IDE 支持、代码可读性和运行安全性。
• 精简与安全：移除不再维护或存在安全隐患的模块（如 distutils），并推荐使用更现代的替代方案。

3.2 核心使用原则

• 优先使用标准库：这是最重要的原则。在引入第三方库之前，先检查标准库是否能满足需求。这能显著降低项目复杂性和部署风险。
• 理解而非死记：面对 200+ 个模块，重点不是记住所有 API，而是知道每个功能领域有哪些核心模块，以及如何查阅官方文档。
• 注意模块的弃用：学习时尽量基于 Python 的最新稳定版本（现在是 3.14+），了解模块的生命周期，避免使用已弃用或计划移除的模块。官方文档的“弃用”章节会列出不推荐使用的功能。
• 善用社区资源：虽然标准库本身稳定，但最佳实践会不断演进。关注 PEP（Python 增强提案）和社区博客，了解新的模块和更优的使用方法。

---

附录：常见模块速查表

功能领域	核心模块	简要说明	初学优先级
操作系统接口	os, shutil, pathlib	文件、目录、环境变量、进程操作	⭐⭐⭐⭐⭐
文本处理	re, string, textwrap	正则表达式、文本常量、格式化	⭐⭐⭐⭐⭐
数据结构	collections, heapq, bisect	扩展容器、堆、二分查找	⭐⭐⭐⭐
日期时间	datetime, time, calendar	日期时间对象、时间戳、日历	⭐⭐⭐⭐⭐
数据持久化	json, csv, sqlite3, pickle	数据序列化、文件读写、轻量数据库	⭐⭐⭐⭐⭐
数学与随机	math, random, statistics	数学函数、伪随机数、统计计算	⭐⭐⭐⭐
命令行交互	sys.argv, argparse, getpass	参数解析、密码输入	⭐⭐⭐
网络通信	urllib, http, smtplib, socket	URL 请求、HTTP 服务、邮件发送	⭐⭐⭐⭐
并发与并行	threading, multiprocessing, asyncio	线程、进程、异步 I/O	⭐⭐⭐
日志与测试	logging, unittest, pdb, doctest	日志记录、单元测试、调试	⭐⭐⭐⭐
数据压缩	zlib, gzip, zipfile, tarfile	数据打包与压缩	⭐⭐
加密服务	hashlib, hmac, secrets	哈希、消息认证、安全随机数	⭐⭐⭐