python中的struct模块中pack参数个数限制？

一、python中的struct模块中pack参数个数限制？

struct.pack 函数后面的可变长参数没有参数长度的限制。

另外，如果你已经将所需的参数放入一个叫args 的 tuple中，那么可以用下面的方法传给 pack 函数：

args = ("H", "ello world ", 5)struct.pack("c12si", *args)# 等价于struct.pack("c12si", "H", "ello world ", 5)

二、浅析Python中的多重继承？

 　　这篇文章主要介绍了Python中的多重继承,是Python学习中的基本知识,代码基于Python2.x版本,需要的朋友可以参考下

　　继承是面向对象编程的一个重要的方式，因为通过继承，子类就可以扩展父类的功能。

　　回忆一下Animal类层次的设计，假设我们要实现以下4种动物：

　　Dog - 狗狗;

　　Bat - 蝙蝠;

　　Parrot - 鹦鹉;

　　Ostrich - 鸵鸟。

　　如果按照哺乳动物和鸟类归类，我们可以设计出这样的类的层次：

　　但是如果按照“能跑”和“能飞”来归类，我们就应该设计出这样的类的层次：

　　如果要把上面的两种分类都包含进来，我们就得设计更多的层次：

　　哺乳类：能跑的哺乳类，能飞的哺乳类;

　　鸟类：能跑的鸟类，能飞的鸟类。

　　这么一来，类的层次就复杂了：

　　如果要再增加“宠物类”和“非宠物类”，这么搞下去，类的数量会呈指数增长，很明显这样设计是不行的。

　　正确的做法是采用多重继承。首先，主要的类层次仍按照哺乳类和鸟类设计：

　　? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 class Animal(object): pass   # 大类: class Mammal(Animal): pass   class Bird(Animal): pass   # 各种动物: class Dog(Mammal): pass   class Bat(Mammal): pass   class Parrot(Bird): pass   class Ostrich(Bird): pass

　　现在，我们要给动物再加上Runnable和Flyable的功能，只需要先定义好Runnable和Flyable的类：

　　? 1 2 3 4 5 6 7 class Runnable(object): def run(self): print('Running...')   class Flyable(object): def fly(self): print('Flying...')

　　对于需要Runnable功能的动物，就多继承一个Runnable，例如Dog：

　　? 1 2 class Dog(Mammal, Runnable): pass

　　对于需要Flyable功能的动物，就多继承一个Flyable，例如Bat：

　　? 1 2 class Bat(Mammal, Flyable): pass

　　通过多重继承，一个子类就可以同时获得多个父类的所有功能。

　　Mixin

　　在设计类的继承关系时，通常，主线都是单一继承下来的，例如，Ostrich继承自Bird。但是，如果需要“混入”额外的功能，通过多重继承就可以实现，比如，让Ostrich除了继承自Bird外，再同时继承Runnable。这种设计通常称之为Mixin。

　　为了更好地看出继承关系，我们把Runnable和Flyable改为RunnableMixin和FlyableMixin。类似的，你还可以定义出肉食动物CarnivorousMixin和植食动物HerbivoresMixin，让某个动物同时拥有好几个Mixin：

　　? 1 2 class Dog(Mammal, RunnableMixin, CarnivorousMixin): pass

　　Mixin的目的就是给一个类增加多个功能，这样，在设计类的时候，我们优先考虑通过多重继承来组合多个Mixin的功能，而不是设计多层次的复杂的继承关系。

　　Python自带的很多库也使用了Mixin。举个例子，Python自带了TCPServer和UDPServer这两类网络服务，而要同时服务多个用户就必须使用多进程或多线程模型，这两种模型由ForkingMixin和ThreadingMixin提供。通过组合，我们就可以创造出合适的服务来。

　　比如，编写一个多进程模式的TCP服务，定义如下：

　　? 1 2 class MyTCPServer(TCPServer, ForkingMixin): pass

　　编写一个多线程模式的UDP服务，定义如下：

　　? 1 2 class MyUDPServer(UDPServer, ThreadingMixin): pass

　　如果你打算搞一个更先进的协程模型，可以编写一个CoroutineMixin：

　　? 1 2 class MyTCPServer(TCPServer, CoroutineMixin): pass

　　这样一来，我们不需要复杂而庞大的继承链，只要选择组合不同的类的功能，就可以快速构造出所需的子类。

　　小结

　　由于Python允许使用多重继承，因此，Mixin就是一种常见的设计。

　　只允许单一继承的语言(如Java)不能使用Mixin的设计。

三、在Python的struct模块中进行数据格式转换的方法？

Python为各种数据类型（如整型等）提供与“C”不同的抽象层次，它们也以不同的方式存储它们。当然，存储在二进制文件中的数据或通过网络发送和接收的数据是连续的字节。在Python中，列表中的数据可能不会被存储为连续的字节块。

2

为了处理它们，将python值转换为“C”结构很重要，即将它们打包成连续的数据字节，或者将一个连续的字节块分解成Python对象。模块“struct”提供了将python对象打包为连续的字节块的功能，或者将一大块字节拆分成python结构。

四、python中的getass模块作用？

这个模块的作用主要是对他的数据进行一个及时的检索

五、如何导入python中的模块？

在Python中，要导入模块，可以使用import语句后跟要导入的模块名。例如，要导入math模块可以使用“import math”。此外，还可以使用from语句和as语句来导入模块或模块中的特定函数或变量。

例如，“from math import sqrt”将导入math模块中的sqrt函数，而“import math as m”将给模块math起一个简短的别名m。通过这些方法，可以轻松地在Python中导入所需的模块，并且使用它们提供的函数和变量来扩展程序的功能和实现需求。

六、python中np模块的应用？

NumPy

NumPy(Numerical Python) 是 Python 的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Nupmy可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

一个强大的 N 维数组对象 ndarray

广播功能函数

整合 C/C++/Fortran 代码的工具

线性代数、傅里叶变换、随机数生成等功能

ndarray对象

NumPy 最重要的一个对象是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，可以使用基于 0 的索引访问集合中的项目。

ndarray 对象是用于存放同类型元素的多维数组。ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)

numpy.array( object , dtype = None , ndmin = 0 ,copy = True , order = None , subok = False )

一般只有 object 、dtype和 ndmin 参数常用，其他参数不常用

import numpy

a=numpy.array([1,2,3]) #一维

b=numpy.array([[1,2,3],[4,5,6]]) #二维

c=numpy.array([1,2,3],dtype=complex) #元素类型为复数

d=numpy.array([1,2,3],ndmin=2) #二维

print(a,type(a))

print(b,type(b))

print(c,type(c))

print(d,type(d))

####################################

[1 2 3] <class 'numpy.ndarray'>

[[1 2 3]

[4 5 6]] <class 'numpy.ndarray'>

[1.+0.j 2.+0.j 3.+0.j] <class 'numpy.ndarray'

[[1 2 3]] <class 'numpy.ndarray'>

Numpy数组属性

NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。

在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

ndarray 对象属性有：

常见的属性有下面几种 ：

ndarray.shape ： 这一数组属性返回一个包含数组纬度的元组，它也可以用于调整数组大小

import numpy as np

a=np.array([[1,2,3],[4,5,6]])

print(a.shape) #打印shape属性

a.shape=(3,2) #修改shape属性

print(a)

#######################################

(2, 3)

[[1 2]

[3 4]

[5 6]]

ndarray.ndim： 这一数组属性返回数组的维数

import numpy as np

a=np.arange(24) #np.arange返回0-23的列表类型的数据

print(a.ndim)

b=a.reshape(2,3,4)

print(b)

print(b.ndim)

############################

1

[[[ 0 1 2 3]

[ 4 5 6 7]

[ 8 9 10 11]]

[[12 13 14 15]

[16 17 18 19]

[20 21 22 23]]]

3

ndarray.itemsize ： 这一数组属性返回数组中每个元素的字节单位长度

import numpy as np

a=np.array([1,2,3]) #默认是四个字节

print(a.itemsize)

#########################################

4

numpy.mat()函数的用法

该函数用来创建矩阵

import numpy as np

#将列表转为矩阵

a=[7,8,9]

b=np.mat(a)

print(b)

print("#"*10)

#创建一行的矩阵

m=np.mat([1,2,3])

print(m)

print("打印出第一行的第三个值：",m[0,2]) #取第一行的第三个值

print("#"*10)

x=np.mat([[3,2,1],[6,5,4]])

print(x)

print("打印出矩阵的第二行：",x[1])

print("打印出矩阵的第二行：",x[1,:])

print("打印出矩阵的行列数：",x.shape) #获得矩阵的行列数

print("打印出矩阵的行数 ：",x.shape[0]) #获得矩阵的行数

print("打印出矩阵的列数 ：",x.shape[1]) #获得矩阵的列数

x.sort() #对矩阵的每一行进行排序

print("对矩阵的每一行进行排序:")

print(x)

print("#"*10)

numpy.zeros()函数的用法

该函数用于返回给定形状和类型的新数组。返回的数据类型为 numpy.ndarray，具有给定形状，类型和顺序的0的数组。

参数：

shape：int 或 int 的元组。新阵列的形状，例如：（2，3）或2。

dtype：数据类型，可选。、例如numpy.int8。默认是numpy.float64

order：{'C'，'F'}，可选，默认：'C' 。是否在内容中以行（C）或列（F）顺序存储多维数据。

import numpy as np

a=np.zeros(5)

print(a,type(a))

b=np.zeros([1,2],dtype='int8')

print(b)

c=np.zeros([1,2,3],dtype='int8')

print(c)

七、python中什么是模块？

python中符合下面的就是模块。

1.每一个以扩展名py结尾的python源代码文件都是一个模块。

2.模块名同样也是一个标识符，需要符合标识符的命名规范。

3.在模块中定义的全局变量、函数、类都是提供给外界直接使用的工具。

4.模块就好比工具包，要想使用这个工具包中的工具，就需要先导入这个模块。

八、python中的pywifi模块和wifi模块区别？

pywifi和wifi都是python操作wifi的模块，只不过wifi模块只支持linux系统，而pywifi模块支持windows系统，下面我简单介绍一下这2个模块的安装和使用，感兴趣的朋友可以自己尝试一下：

pywifi

1.首先，安装pywifi模块，这个直接在cmd窗口输入安装命令“pip install pywifi”就行，如下，安装非常迅速：

2.安装完成后，我们就可以直接编程来操作wifi了，测试代码及截图如下：

查看无线网卡状态，代码如下，基本思想，获取无线网卡状态，如果是connect连接状态，则打印出已连接信息，否则打印出未连接：

程序运行截图如下，网卡已正常连接：

断开无线网卡，代码如下，先disconnect断开连接，然后检查无线网卡状态，如果是disconnected未连接，则打印出断开信息，否则，打印出未断开：

程序运行截图如下，已成功断开无线网卡：

扫描周围wifi，代码如下，获取周围wifi列表，然后循环打印wifi信息就行：

程序运行截图如下，已成功获取到周围wifi名称及信号强度，这里可能会出现重复信息：

连接wifi，代码如下，先断开无线网卡，然后配置wifi信息，最后再连接就行：

程序运行截图如下，已经成功连接wifi：

wifi

这也是一个Python操作wifi的模块，只不过只能在Linux系统下使用，安装的话，也直接输入命令“pip install wifi”就行，测试代码如下：

扫描周围wifi网络：

>>> from wifi import Cell, Scheme

>>> Cell.all('wlan0')

连接wifi网络，这里你需要进行配置：

>>> cell = Cell.all('wlan0')[0]

>>> scheme = Scheme.for_cell('wlan0', 'home', cell, passkey)

>>> scheme.save()

>>> scheme.activate()

保存方案，之后就可以使用它进行检索：

>>> scheme = Scheme.find('wlan0', 'home')

>>> scheme.activate()

至此，我们就完成了Python模块pywifi和wifi的安装和简单使用。总的来说，这2个模块使用起来都非常不错，对于日常Python操作wifi来说，完全可以满足需求，只要你有一定的Python基础，熟悉一下上面的代码，多调试几遍程序，很快就能掌握的，网上也有相关教程和资料，介绍的非常详细，感兴趣的话，可以搜一下，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言进行补充。

九、Python的socket模块中的bind？

accept_thread = threading.Thread(target=accept, args=(s, ))accept_thread.start()def accept(s): while True: conn, accept = s.accept() thread_send = MyThread(conn,addr) thread_recv = MyThread(conn,addr) thread_send.start() thread_recv.start()

十、python email模块中formataddr的作用？

formataddr函数

email.utils.formataddr(pair)和parseaddr函数相反，formataddr函数是构建邮件地址的，传入一个tuple，返回str

>>> a=formataddr(("user","123@163.com"))

>>> a

'user <123@163.com>'

>>> type(a)

<class 'str'>

>>>