Python内置模块300多个,但大多数人先学这10个就够了

5分钟Python · 模块篇 | 官方文档300+模块，普通人先搞定这10个

本文基于 Python 3.10+，示例代码兼容 3.6+

内置模块不用学完，按需调用就够了。

我们不需要记住所有模块的每一个 API，只需要知道"有哪些东西能解决什么问题"——遇到具体场景时能想起来去查文档，这就够了。

严格来说，Python 标准库远不止 300 个模块，但绝大多数属于"特定场景"或"平台绑定"：比如 winreg 只在 Windows 上才有用武之地，asyncio 也不是每个开发者都需要接触。对大多数普通开发者来说，真正通用且高频的核心模块其实没几个。而本文要做的，就是从这 300+ 中筛选出真正值得先学的这几个。

筛选标准

我自己的筛选标准大概是这样（个人观点）：

1. 跨类型项目普适性
   ：不管你做Web开发、脚本编写、自动化任务还是API对接，都会用到
2. 功能无替代性或强不可替代
   ：比如 datetime 处理时间，没有其他方式能替代；而 argparse 虽然好用，但小脚本里手动解析 sys.argv 也行
3. 新手学习成本 vs 长期收益
   ：有些模块需要专门学（如 logging），但一旦掌握，长期价值非常大

优先学的6个模块

1. os — 操作系统接口

os 承担两类职责：系统交互（环境变量、进程控制、工作目录）和路径操作（路径拼接、文件信息获取）。

系统交互方面，os.environ 读取环境变量、os.getcwd() 获取当前目录等能力无可替代。路径操作方面，Python 3.6+ 官方推荐用 pathlib，Path("a") / "b" 比 os.path.join("a", "b") 更直观。但存量项目、教程、Stack Overflow 答案中 os.path 仍大量存在，看懂它是基本功。

importos# 系统交互 —— 只有 os 能做os.environ["HOME"]        # 读取环境变量os.getcwd()               # 获取当前工作目录# 路径操作 —— 看懂即可，新代码推荐用 pathlibos.path.join("a", "b")    # 旧代码中常见，等价于 Path("a") / "b"os.path.exists("file")    # 旧代码中常见，等价于 Path("file").exists()

2. sys — Python运行时控制

和Python解释器本身打交道的模块。命令行参数、Python路径、标准输入输出、退出程序，都通过它。

importsysprint(sys.argv)          # 打印命令行参数（列表形式）sys.path# 查看/修改模块搜索路径sys.exit(0)              # 正常退出程序

3. json — JSON数据处理

现在几乎所有API接口都用JSON格式传输数据。json.dumps() 将Python对象转成JSON字符串，json.loads() 把JSON字符串转成Python对象，读写JSON文件则用 json.dump() 和 json.load()。

importjsondata = {"name": "test", "value": 123}json.dumps(data)          # 转成JSON字符串  →  '{"name": "test", "value": 123}'json.loads('{"a": 1}')    # 解析JSON字符串  →  {'a': 1}

4. datetime — 日期时间处理

处理时间戳、日期计算、时间格式化。在日志记录、数据分析和定时任务中高频使用。

fromdatetimeimportdatetime, timedeltadatetime.now()                   # 获取当前时间datetime.now() + timedelta(days=7)  # 7天后的日期

5. logging — 日志记录

超过10行的脚本就应该用日志代替print。print调试一时爽，线上排查火葬场——我踩过这个坑，不止一次。

importlogginglogging.basicConfig(level=logging.INFO)logging.info("程序启动")      # 输出带时间戳的日志logging.error("出错了")       # 错误级别单独控制

6. collections — 增强版数据结构

提供比Python内置数据类型更强大的版本。初学者最容易忽略这个模块，但其实非常实用：

fromcollectionsimportdefaultdict, Counter, namedtupled = defaultdict(list)d["key"].append(1)                        # 自动创建空列表，不用手动判断 key 是否存在Counter(["a", "b", "a"])                  # → Counter({'a': 2, 'b': 1})Point = namedtuple("Point", ["x", "y"])   # 轻量级数据类p = Point(3, 5)                           # p.x → 3, p.y → 5

defaultdict、Counter、namedtuple 这三个类型几乎在所有项目中都能用上，能让代码更简洁、更易读。虽然不用它们也能写代码，但用了会明显提升代码质量。

高频使用的5个模块

1. shutil — 高级文件操作

需要复制、移动、删除整个目录树时很有用。比 os 更高级的文件操作。

importshutilshutil.copy("src.txt", "dst.txt")   # 复制文件shutil.rmtree("folder")              # 删除整个目录

2. subprocess — 执行外部命令

需要调用系统命令或其他程序时使用。比如用Python调用ffmpeg处理视频。

importsubprocesssubprocess.run(["ls", "-la"])        # 执行shell命令（Linux/macOS）# Windows 可用: subprocess.run(["dir"], shell=True)

3. pathlib — 面向对象的路径操作

Python 3.4引入的现代化路径处理方式，语法比 os.path 更直观。Python 3.6+推荐优先使用。

frompathlibimportPathPath(".").iterdir()           # 遍历目录Path("a/b/c").mkdir(parents=True, exist_ok=True)  # 创建多层目录

4. argparse — 命令行参数解析

当脚本需要接收多个命令行参数时，argparse 是标准方案。它比手动解析 sys.argv 更强大——支持参数类型转换、默认值、帮助信息自动生成。

importargparseparser = argparse.ArgumentParser()parser.add_argument("--input", required=True)parser.add_argument("--output", default="./out")args = parser.parse_args()

5. re — 正则表达式

文本处理中最高频的需求之一：日志分析、数据清洗、表单验证、字符串提取。许多初学者遇到文本匹配需求时会用字符串方法硬写，写出又长又脆的代码，而几行正则就能干净利落地解决。

importretext = "订单号: ORD-2024-0881, 金额: ￥299.00"re.search(r"ORD-\d{4}-\d{4}", text)   # 提取订单号re.sub(r"￥", "¥", text)               # 统一货币符号re.findall(r"\d+\.\d{2}", text)        # 提取所有金额 → ['299.00']

按需学的模块

说明：以下模块不是让你马上学的，而是当你有对应需求时再学（官方文档有详细说明）。

这些模块遇到具体需求时再学就行。提前学大概率会忘，不如用的时候再查。

有基础后再学的模块

以下模块具备相关基础知识后学习会更快：

学习路径建议

如果你刚学完基础语法

1. 先通读一下上面6个模块的功能列表（知道它们能干什么，不需要记住API）
2. 每次写脚本时，主动用上这些模块（比如用 json 存配置，用 logging 输出信息）
3. 不需要背API，用的时候查就行

如果你有一定经验但觉得自己"模块盲"

1. 检查一下上面6个模块有没有哪个完全没用过
2. 高频的5个模块挑1-2个你还没用过的，下次写脚本时主动用上
3. 其他模块遇到需求时再学——效率远高于提前学一堆用不上的

按学习阶段排序

刚开始写代码时，先搞定 os、sys、json、datetime 这四个最基础的。等脚本写到 50 行以上，logging 和 collections 就派上用场了。再往后，shutil、pathlib、argparse、re 这些会让文件操作和文本处理更顺手，遇到对应场景再深入也不迟。剩下的，真的遇到需求再查官档就行。

一个综合示例

单独看每个模块的示例只能知道"各是什么"，但模块真正的价值在于协作。下面这个例子把 json、pathlib、datetime、logging、collections 串在一起，模拟一个真实场景——读取配置文件，处理日志，统计数据：

importjson, loggingfrompathlibimportPathfromdatetimeimportdatetimefromcollectionsimportCounter# 配置日志logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s")# 检查配置文件是否存在config_path = Path("config") / "app.json"ifnotconfig_path.exists():logging.error("配置文件不存在: %s", config_path)else:withopen(config_path, encoding="utf-8") asf:config = json.load(f)logging.info("配置加载成功: %s 个条目", len(config))# 统计请求日志中的接口调用次数requests_log = ["GET /api/users", "POST /api/order", "GET /api/users", "GET /api/products"]counter = Counter(requests_log)logging.info("接口调用统计: %s", dict(counter))logging.info("任务完成时间: %s", datetime.now().strftime("%Y-%m-%d %H:%M:%S"))

几个常见问题

1. 试图学完所有模块

官方文档有300+个模块，但日常写代码真正高频使用的不到20个。你不需要知道所有模块，只需要知道"有这些模块能解决什么问题"，用的时候能想起来就行。

2. 过早优化

不用在刚开始学的时候就试图把所有模块都学会。先掌握前面的6个，再按需扩展。大部分模块即使你现在学了，两个月不用也会忘掉。

3. 忽视内置模块直接上第三方库

requests 比 urllib.request 好用，这是事实。但内置模块的优势是不需要额外安装，在受限环境（如离线服务器、小型容器）中价值更明显。先了解内置方案能做什么，再决定是否需要第三方库。

判断什么时候该用内置模块、什么时候该上第三方库，可以看这三点：

• 代码量差异悬殊
  ：内置方案需要 10+ 行，第三方库 1 行搞定 → 上第三方库（如 requests vs urllib）
• 部署环境受限
  ：项目要跑在离线服务器、Docker 精简镜像里 → 优先内置模块
• 团队已有统一技术栈
  ：团队已经统一用某个第三方库 → 跟随团队，不要另起炉灶

总结

不要背模块，背不完，也没必要。先掌握最常用的这些，遇到问题时再去翻官方文档，比提前学一堆用不上的模块有效得多。

你平时用得最多的内置模块是哪个？

作者简介：码上工坊，探索用编程为己赋能，定期分享编程知识和项目实战经验。持续学习、适应变化、记录点滴、复盘反思、成长进步。

重要提示：本文主要是记录自己的学习与实践过程，所提内容或者观点仅代表个人意见，只是我以为的，不代表完全正确，欢迎交流讨论。