学习Demo涵盖了kotlin python dagger hotfix greendao smart_refres.zip

# 常用内建模块 ### 知识点总结 > * datetime 1. datetime.now() # 获取当前datetime datetime.now()返回当前日期和时间，其类型是datetime。 2. datetime(2015, 4, 19, 12, 20) # 用指定日期时间创建datetime >>> dt = datetime(2015, 4, 19, 12, 20) # 用指定日期时间创建datetime >>> print(dt) 2015-04-19 12:20:00 3. datetime转换为timestamp >>> dt = datetime(2015, 4, 19, 12, 20) # 用指定日期时间创建datetime >>> dt.timestamp() # 把datetime转换为timestamp 1429417200.0 timestamp是一个浮点数。 4. fromtimestamp() >>> t = 1429417200.0 >>> print(datetime.fromtimestamp(t)) # 本地时间 2015-04-19 12:20:00 >>> print(datetime.utcfromtimestamp(t)) # UTC时间 2015-04-19 04:20:00 timestamp是一个浮点数，它没有时区的概念，而datetime是有时区的 5. str转换为datetime >>> cday = datetime.strptime('2015-6-1 18:19:59', '%Y-%m-%d %H:%M:%S') >>> print(cday) 2015-06-01 18:19:59 6. datetime转换为str >>> now = datetime.now() >>> print(now.strftime('%a, %b %d %H:%M')) Mon, May 05 16:28 7. datetime加减 now = datetime.now() now + timedelta(hours=10) now - timedelta(days=1) now + timedelta(days=2, hours=12) 8. 时区转换 astimezone() > * collections 1. namedtuple namedtuple是一个函数，它用来创建一个自定义的tuple对象，并且规定了tuple元素的个数， 并可以用属性而不是索引来引用tuple的某个元素 Point = namedtuple('Point', ['x', 'y']) Circle = namedtuple('Circle', ['x', 'y', 'r']) 2. deque deque是为了高效实现插入和删除操作的双向列表，适合用于队列和栈： deque除了实现list的append()和pop()外，还支持appendleft()和popleft() 3. defaultdict 使用dict时，如果引用的Key不存在，返回一个默认值，就可以用defaultdict： >>> dd = defaultdict(lambda: 'N/A') >>> dd['key1'] = 'abc' >>> dd['key1'] # key1存在 'abc' >>> dd['key2'] # key2不存在，返回默认值 'N/A' 4. OrderedDict 使用dict时，Key是无序的。在对dict做迭代时，我们无法确定Key的顺序。 如果要保持Key的顺序，可以用OrderedDict： >>> d = dict([('a', 1), ('b', 2), ('c', 3)]) >>> d # dict的Key是无序的 {'a': 1, 'c': 3, 'b': 2} >>> od = OrderedDict([('a', 1), ('b', 2), ('c', 3)]) >>> od # OrderedDict的Key是有序的 OrderedDict([('a', 1), ('b', 2), ('c', 3)]) 注意，OrderedDict的Key会按照插入的顺序排列，不是Key本身排序： 5. ChainMap ChainMap可以把一组dict串起来并组成一个逻辑上的dict。 ChainMap本身也是一个dict，但是查找的时候，会按照顺序在内部的dict依次查找。 6. Counter Counter是一个简单的计数器，例如，统计字符出现的个数： >>> c = Counter() >>> for ch in 'programming': ... c[ch] = c[ch] + 1 ... >>> c Counter({'g': 2, 'm': 2, 'r': 2, 'a': 1, 'i': 1, 'o': 1, 'n': 1, 'p': 1}) > * base64 1. Base64是一种用64个字符来表示任意二进制数据的方法。 >>> base64.b64encode(b'binary\x00string') b'YmluYXJ5AHN0cmluZw==' >>> base64.b64decode(b'YmluYXJ5AHN0cmluZw==') b'binary\x00string' 2. 由于标准的Base64编码后可能出现字符+和/，在URL中就不能直接作为参数， 所以又有一种"url safe"的base64编码，其实就是把字符+和/分别变成-和_： >>> base64.b64encode(b'i\xb7\x1d\xfb\xef\xff') b'abcd++//' >>> base64.urlsafe_b64encode(b'i\xb7\x1d\xfb\xef\xff') b'abcd--__' >>> base64.urlsafe_b64decode('abcd--__') b'i\xb7\x1d\xfb\xef\xff' 3. Base64是一种通过查表的编码方法，不能用于加密，即使使用自定义的编码表也不行。 Base64适用于小段内容的编码，比如数字证书签名、Cookie的内容等。 > * struct 1. struct 可以将bytes和其他二进制数据类型的转换 2. pack struct的pack函数把任意数据类型变成bytes： >>> import struct >>> struct.pack('>I', 10240099) b'\x00\x9c@c' pack的第一个参数是处理指令，'>I'的意思是： >表示字节顺序是big-endian，也就是网络序，I表示4字节无符号整数。 后面的参数个数要和处理指令一致。 unpack把bytes变成相应的数据类型： >>> struct.unpack('>IH', b'\xf0\xf0\xf0\xf0\x80\x80') (4042322160, 32896) 根据>IH的说明，后面的bytes依次变为I：4字节无符号整数和H：2字节无符号整数。 > * hashlib 1. MD5 md5 = hashlib.md5() md5.update('how to use md5 in python hashlib?'.encode('utf-8')) print(md5.hexdigest()) d26a53750bc40b38b65a520292f69306 MD5是最常见的摘要算法，速度很快，生成结果是固定的128 bit字节，通常用一个32位的16进制字符串表示。 2. SHA1 sha1 = hashlib.sha1() sha1.update('how to use sha1 in '.encode('utf-8')) sha1.update('python hashlib?'.encode('utf-8')) print(sha1.hexdigest()) SHA1的结果是160 bit字节，通常用一个40位的16进制字符串表示。 > * hmac 1. md5(message + salt) 2. hmac >>> message = b'Hello, world!' >>> key = b'secret' >>> h = hmac.new(key, message, digestmod='MD5') >>> # 如果消息很长，可以多次调用h.update(msg) >>> h.hexdigest() 'fa4ee7d173f2d97ee79022d1a7355bcf' 可见使用hmac和普通hash算法非常类似。 hmac输出的长度和原始哈希算法的长度一致。 需要注意传入的key和message都是bytes类型，str类型需要首先编码为bytes。 > * itertools 1. count() natuals = itertools.count(1) 2. cycle() cs = itertools.cycle('ABC') # 注意字符串也是序列的一种 3. repeat() ns = itertools.repeat('A', 3) 4. takewhile() 根据条件判断来截取出一个有限的序列： >>> natuals = itertools.count(1) >>> ns = itertools.takewhile(lambda x: x <= 10, natuals) >>> list(ns) [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 5. chain() 把一组迭代对象串联起来，形成一个更大的迭代器: >>> for c in itertools.chain('ABC', 'XYZ'): ... print(c) # 迭代效果：'A' 'B' 'C' 'X' 'Y' 'Z' 6. groupby() 把迭代器中相邻的重复元素挑出来放在一起： >>> for key, group in itertools.groupby('AAABBBCCAAA'): ... print(key, list(group)) ... A ['A', 'A', 'A'] B ['B', 'B', 'B'] C ['C', 'C'] A ['A', 'A', 'A'] 挑选规则是通过函数完成的: >>> for key, group in itertools.groupby('AaaBBbcCAAa', lambda c: c.upper()): ... print(key, list(group)) ... A ['A', 'a', 'a'] B ['B', 'B', 'b'] C ['c', 'C'] A ['A', 'A', 'a'] > * contextlib 1. 实际上，任何对象，只要正确实现了上下文管理，就可以用于with语句。 实现上下文管理是通过__enter__和__exit__这两个方法实现的 class Query(object): def __init__(self, name): self.name = name def __enter__(self): print('Begin') return self def __exit__(self, exc_type, exc_value, traceback): if exc_type: print('Error') else: