Python 标准库：你身边藏着一把瑞士军刀

我是陈默，一个正拼命上岸的码农。

你有没有干过这种事——

想处理 JSON，去 pip 装一个第三方库。想解析 URL，又去 pip 装一个。想生成随机数，再去 pip 装一个。

装了一圈回来发现，这些功能 Python 自带的就有。

Python 的标准库里有超过 200 个模块。很多人学了几年 Python，连一半都没碰过。

这就像你买了一把瑞士军刀，却只用它开啤酒瓶。

今天我带你快速过一遍，哪些标准库模块最值得你花时间掌握。

1. 文件和目录操作

你写代码，不可能不跟文件打交道。

os —— 操作系统交互：

import os# 获取当前目录print(os.getcwd())# 创建目录os.makedirs("new_folder", exist_ok=True)# 列出目录内容files = os.listdir(".")

pathlib —— 更优雅的路径操作：

from pathlib import Path# 创建路径对象p = Path("my_project/data")# 创建目录p.mkdir(parents=True, exist_ok=True)# 遍历所有 .py 文件for f in p.glob("**/*.py"):    print(f)

pathlib 比 os.path 好用太多。如果你还在拼路径字符串，赶紧换过来。

shutil —— 高级文件操作：

import shutil# 复制文件shutil.copy("source.txt", "dest.txt")# 复制整个目录shutil.copytree("old_dir", "new_dir")# 删除目录shutil.rmtree("unwanted_dir")

复制、移动、删除，一个模块全搞定。

2. 数据处理三剑客

日常开发中，你用得最多的就是数据转换和处理。

json —— JSON 解析：

import json# 字典转 JSON 字符串data = {"name": "陈默", "age": 28}json_str = json.dumps(data, ensure_ascii=False)# JSON 字符串转字典parsed = json.loads(json_str)# 直接读写文件with open("data.json", "w") as f:    json.dump(data, f, ensure_ascii=False)with open("data.json") as f:    loaded = json.load(f)

Web 开发、API 调用、配置文件，到处都是 JSON。这个模块你一定会用到。

collections —— 特殊容器：

from collections import Counter, defaultdict, OrderedDict# 统计词频words = ["python", "java", "python", "go", "python"]print(Counter(words))# Counter({'python': 3, 'java': 1, 'go': 1})# 默认值字典，不再怕 KeyErrord = defaultdict(list)d["fruits"].append("apple")# 不用手动判断 key 是否存在# 有序字典（Python 3.7+ 普通 dict 已经有序了）od = OrderedDict([("a", 1), ("b", 2)])

itertools —— 迭代器工具：

from itertools import combinations, chain, groupby# 组合for pair in combinations(["A", "B", "C"], 2):    print(pair)# ('A', 'B'), ('A', 'C'), ('B', 'C')# 拼接多个列表merged = list(chain([1, 2], [3, 4], [5]))# 分组data = sorted([("A", 1), ("A", 2), ("B", 3)], key=lambda x: x[0])for key, group in groupby(data, key=lambda x: x[0]):    print(key, list(group))

这三个模块组合起来，能帮你省掉大量的 for 循环和 if 判断。

3. 日期和时间

时间处理是编程里的高频需求。也是最容易出 bug 的地方。

datetime —— 日期时间：

from datetime import datetime, timedelta, date# 获取当前时间now = datetime.now()print(now.strftime("%Y-%m-%d %H:%M:%S"))# 日期计算tomorrow = date.today() + timedelta(days=1)last_week = datetime.now() - timedelta(weeks=1)# 字符串转日期parsed = datetime.strptime("2024-03-15", "%Y-%m-%d")# 日期转字符串formatted = parsed.strftime("%Y年%m月%d日")

日志记录、定时任务、数据分析，都离不开时间处理。

记住一个原则——永远用 datetime 模块处理时间，不要手动拼字符串。

4. 实用工具

还有一些模块，虽然不起眼，但关键时刻能救命。

re —— 正则表达式：

import re# 提取邮箱text = "联系我: chenmo@example.com 或 admin@test.cn"emails = re.findall(r'[\w.-]+@[\w.-]+\.\w+', text)# 替换文本clean = re.sub(r'\d+', '[数字]', "订单号12345已发货")# 验证手机号pattern = r'^1[3-9]\d{9}$'is_valid = bool(re.match(pattern, "13800138000"))

正则表达式很强大，但别过度使用。简单的字符串操作用 str 方法就够了。

logging —— 日志记录：

import logginglogging.basicConfig(    level=logging.INFO,    format='%(asctime)s - %(levelname)s - %(message)s')logging.debug("调试信息")logging.info("普通信息")logging.warning("警告信息")logging.error("错误信息")

别再 print 调试了。用 logging，你至少能控制日志级别和输出格式。

argparse —— 命令行参数解析：

import argparseparser = argparse.ArgumentParser(description="数据处理工具")parser.add_argument("--input", required=True, help="输入文件路径")parser.add_argument("--output", default="result.txt", help="输出文件路径")parser.add_argument("--verbose", action="store_true", help="详细输出")args = parser.parse_args()print(f"处理 {args.input}，输出到 {args.output}")

写脚本的时候，命令行参数比硬编码路径专业一百倍。

最后

Python 标准库有一个设计哲学——batteries included（自带电池）。

意思是，你拿到 Python 就已经拥有了大部分常用工具。不需要额外安装任何东西。

回顾一下今天介绍的模块：

1. 文件操作：pathlib、os、shutil
2. 数据处理：json、collections、itertools
3. 时间处理：datetime
4. 实用工具：re、logging、argparse

这只是冰山一角。标准库里还有 http、socket、threading、unittest、csv 等大量模块等着你去探索。

我的建议是——下次遇到问题，先查查标准库里有没有现成的方案。大概率有。

今天就到这里。

我是陈默，我们下期再见。

如果你觉得这篇文章有帮助，欢迎关注我。我会持续分享 Python 学习的干货。