python中time模块的常用方法及应用_F11 - 专业站长和开发者的学习网站

APP正在开发中...

返回顶部

分享到

python中time模块的常用方法及应用

python 来源：互联网作者：佚名发布时间：2025-03-19 21:29:44 人浏览

摘要

一、时间基石：time.time() time.time()是获取时间戳的入口函数，返回自1970年1月1日（Unix纪元）以来的秒数（浮点数）。这个10位数字像时间维度的身份证，是计算机世界的时间基准。典型场景：

一、时间基石：time.time()

time.time()是获取时间戳的入口函数，返回自1970年1月1日（Unix纪元）以来的秒数（浮点数）。这个10位数字像时间维度的身份证，是计算机世界的时间基准。

典型场景：程序性能分析

import time

def calculate_prime(n):

primes = []

for num in range(2, n):

is_prime = True

for i in range(2, int(num**0.5)+1):

if num % i == 0:

is_prime = False

break

if is_prime:

primes.append(num)

return primes

start_time = time.time() # 记录开始时间戳

primes = calculate_prime(10000)

end_time = time.time() # 记录结束时间戳

print(f"耗时：{end_time - start_time:.4f}秒")

# 输出：耗时：0.1234秒

进阶技巧：结合上下文管理器实现自动计时

from contextlib import contextmanager

@contextmanager

def timer():

start = time.time()

yield

print(f"耗时：{time.time() - start:.4f}秒")

# 使用示例

with timer():

data = [x**2 for x in range(1000000)]

# 输出：耗时：0.0456秒

二、时间暂停术：time.sleep()

time.sleep(seconds)让程序进入休眠状态，参数支持浮点数实现毫秒级控制。这是实现定时任务、速率限制的核心方法。

典型场景：数据采集间隔控制

import time

import requests

def fetch_data():

response = requests.get("https://api.example.com/data")

return response.json()

while True:

data = fetch_data()

print(f"获取数据：{len(data)}条")

time.sleep(60) # 每分钟采集一次

注意事项：

实际休眠时间可能略长于参数值（受系统调度影响）
在GUI程序中需在独立线程使用，避免界面冻结

三、时间格式化大师：time.strftime()

将时间戳转换为可读字符串，通过格式代码自定义输出样式。这是日志记录、数据展示的必备技能。

格式代码速查表：

代码含义示例

%Y 四位年份 2023

%m 月份（01-12） 09

%d 日期（01-31） 25

%H 小时（24制） 14

%M 分钟 30

%S 秒 45

%f 微秒 123456

典型场景：生成标准化日志时间

import time

def log(message):

timestamp = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())

print(f"[{timestamp}] {message}")

log("用户登录成功")

# 输出：[2023-09-25 14:30:45] 用户登录成功

四、时间差计算：time.perf_counter()

比time.time()更高精度的计时器，专为性能测量设计。返回包含小数秒的浮点数，适合短时间间隔测量。

典型场景：算法性能对比

import time

def algorithm_a():

# 算法A实现

time.sleep(0.1)

def algorithm_b():

# 算法B实现

time.sleep(0.05)

start = time.perf_counter()

algorithm_a()

end = time.perf_counter()

print(f"算法A耗时：{end - start:.6f}秒")

start = time.perf_counter()

algorithm_b()

end = time.perf_counter()

print(f"算法B耗时：{end - start:.6f}秒")

# 输出：

# 算法A耗时：0.100234秒

# 算法B耗时：0.050123秒

五、定时任务调度器

结合time.sleep()和循环结构，实现简单的定时任务系统。适用于轻量级后台任务。

典型场景：定时数据备份

import time

import shutil

def backup_data():

shutil.copy("data.db", "backup/data_backup.db")

print("数据备份完成")

while True:

current_hour = time.localtime().tm_hour

if current_hour == 2: # 凌晨2点执行

backup_data()

time.sleep(3600) # 每小时检查一次

优化方案：使用schedule库实现更复杂的定时任务

import schedule

import time

def job():

print("定时任务执行")

# 每天10:30执行

schedule.every().day.at("10:30").do(job)

while True:

schedule.run_pending()

time.sleep(60)

六、时间戳转换实战

time.localtime()和time.mktime()实现时间戳与结构化时间的相互转换，是数据持久化和网络传输的关键环节。

典型场景：解析日志时间戳

import time

log_entry = "1695624645: ERROR - 数据库连接失败"

timestamp = int(log_entry.split(":")[0])

# 转换为可读时间

struct_time = time.localtime(timestamp)

readable_time = time.strftime("%Y-%m-%d %H:%M:%S", struct_time)

print(f"错误发生时间：{readable_time}")

# 输出：错误发生时间：2023-09-25 14:30:45

反向转换：将结构化时间转为时间戳

import time

# 创建结构化时间

struct_time = time.strptime("2023-09-25 14:30:45", "%Y-%m-%d %H:%M:%S")

# 转换为时间戳

timestamp = time.mktime(struct_time)

print(f"时间戳：{int(timestamp)}")

# 输出：时间戳：1695624645

最佳实践建议

精度选择：短时间测量用perf_counter()，长时间间隔用time()
时区处理：涉及多时区时优先使用datetime模块
阻塞操作：在GUI或异步程序中避免直接使用sleep()
日志记录：始终包含时间戳信息
性能监控：结合time和logging模块实现执行时间追踪

综合案例：API调用速率限制

import time

import requests

class APIWrapper:

def __init__(self, rate_limit=60):

self.rate_limit = rate_limit # 每分钟最大请求数

self.request_times = []

def _check_rate_limit(self):

current_time = time.time()

# 清理过期记录（保留最近1分钟的请求）

self.request_times = [t for t in self.request_times if current_time - t < 60]

if len(self.request_times) >= self.rate_limit:

oldest = self.request_times[0]

wait_time = 60 - (current_time - oldest)

print(f"速率限制触发，等待{wait_time:.2f}秒")

time.sleep(wait_time + 0.1) # 额外缓冲时间

def get(self, url):

self._check_rate_limit()

response = requests.get(url)

self.request_times.append(time.time())

return response

# 使用示例

api = APIWrapper(rate_limit=60)

response = api.get("https://api.example.com/data")

print(response.status_code)

通过本文的6大核心方法和10+实战案例，开发者可以掌握时间处理的精髓。从基础的时间戳操作到复杂的定时任务调度，time模块始终是最可靠的伙伴。在实际开发中，建议结合具体场景选择合适的方法，并注意时间精度、系统资源消耗等细节问题。

您可能感兴趣的文章 :

原文链接 :

Tag : python(1094)

基于Python打造一个高效开发辅助全能工具箱

在日常开发过程中，我们经常需要进行各种琐碎但又必不可少的操作，比如文件处理、编码转换、哈希计算、二维码生成、单位换算等。如
python中time模块的常用方法及应用

一、时间基石：time.time() time.time()是获取时间戳的入口函数，返回自1970年1月1日（Unix纪元）以来的秒数（浮点数）。这个10位数字像时间维
讯飞webapi语音识别接口调用代码(python)

基于python3 讯飞webAPI语音识别接口调用的实现。一、环境 1、注册讯飞平台账号：讯飞平台网址 2、进入控制台并创建应用 3、进入应用后点
Python不支持中文路径的解决方法

在编程的世界里，遇到问题并不罕见，但有些问题可能会让人感到格外棘手。比如，你是否曾经在使用Python处理文件时，因为路径中包含中
Python使用DeepSeek进行联网搜索功能

在当今信息爆炸的时代，联网搜索已成为获取数据、优化模型效果的重要手段。Python作为一种非常流行的编程语言，结合DeepSeek这一高性能的
Python操作Word文档7种方法的实现与对比(史上最全

在Python中操作Word文档是一项常见的任务，特别是在办公自动化和数据处理领域。本文将详细总结和对比几种常用的Python库和方法，包括它们
Python实现语音启动电脑应用程序

实现思路 osk模型进行输入语音转换 txt字典导航程序路径 pyttsx3引擎进行语音打印输出关键词=程序路径完整代码 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Python实现高精度敏感词过滤

一、需求分析：敏感词过滤的四大核心挑战准确性要求：误判率需低于0.01% 性能压力：单机QPS需达到10万+ 对抗升级：需识别变体、拼音、谐
Python使用Marshmallow轻松实现序列化和反序列化

可能很多Python开发者都遇到过序列化。你可能会问：花姐，序列化有什么好聊的？这不就是把对象转成字符串、从字符串转回来吗？对啊，
Python中从文件路径中提取文件名及扩展名的多种

1. 使用字符串的 split() 方法提取文件名问题描述：给定一个文件路径，如何提取出文件名（包括扩展名）？ Python提供了多种方式来处理文

python中time模块的常用方法及应用

一、时间基石：time.time()

典型场景：程序性能分析

进阶技巧：结合上下文管理器实现自动计时

二、时间暂停术：time.sleep()

典型场景：数据采集间隔控制

三、时间格式化大师：time.strftime()

典型场景：生成标准化日志时间

四、时间差计算：time.perf_counter()

典型场景：算法性能对比

五、定时任务调度器

典型场景：定时数据备份

优化方案：使用schedule库实现更复杂的定时任务

六、时间戳转换实战

典型场景：解析日志时间戳

反向转换：将结构化时间转为时间戳

综合案例：API调用速率限制

您可能感兴趣的文章 :

基于Python打造一个高效开发辅助全能工具箱

python中time模块的常用方法及应用

讯飞webapi语音识别接口调用代码(python)

Python不支持中文路径的解决方法

Python使用DeepSeek进行联网搜索功能

Python操作Word文档7种方法的实现与对比(史上最全

Python实现语音启动电脑应用程序

Python实现高精度敏感词过滤

Python使用Marshmallow轻松实现序列化和反序列化

Python中从文件路径中提取文件名及扩展名的多种

python批量下载抖音视频

利用Pyecharts可视化微信好友的方法

python爬取豆瓣电影TOP250数据

基于tensorflow权重文件的解读

解决Python字典查找报Keyerror的问题