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

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

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

1

2

3

4

5

6

7

8

9

10

11

12

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

1

2

3

4

5

6

7

8

9

10

11

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

1

2

3

4

5

6

7

8

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

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

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

1

2

3

4

5

6

7

8

9

10

11

12

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

1

2

3

4

5

6

7

8

9

10

11

12

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

1

2

3

4

5

6

7

8

9

10

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

1

2

3

4

5

6

7

8

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

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

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。


版权声明 : 本文内容来源于互联网或用户自行发布贡献,该文观点仅代表原作者本人。本站仅提供信息存储空间服务和不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权, 违法违规的内容, 请发送邮件至2530232025#qq.cn(#换@)举报,一经查实,本站将立刻删除。
原文链接 :
相关文章
  • 本站所有内容来源于互联网或用户自行发布,本站仅提供信息存储空间服务,不拥有版权,不承担法律责任。如有侵犯您的权益,请您联系站长处理!
  • Copyright © 2017-2022 F11.CN All Rights Reserved. F11站长开发者网 版权所有 | 苏ICP备2022031554号-1 | 51LA统计