Python标准库常用模块速查表PDF：os/sys/re等核心库精简版

一、速查表核心设计与高频模块分类

Python 标准库庞大而丰富，但在日常工程实践中，超过 80% 的系统与文本交互集中在少数几个模块上。为了制作一份真正适合桌面放置、单次翻阅即可覆盖高频操作的“两页精简版 PDF 速查表”，必须对标准库的能力边界进行清晰划分。

根据实际使用场景，速查表提炼为四大核心维度：

• 解释器与运行环境交互（sys）：负责控制 Python 进程自身、捕获外部 CLI 命令行参数、管理包导入搜索路径（sys.path）以及标准流的控制。
• 操作系统与底层文件系统（os 及现代 pathlib）：负责读取系统环境变量、管理当前工作目录、递归遍历多层子目录及文件原语操作。
• 文本模式匹配与规则替换（re）：负责文本扫描、基于捕获组的结构化提取、多行模式匹配以及高频规则预编译。
• 基础数据与时间协同（json 与 datetime）：作为系统交互的紧密辅助，负责配置持久化反序列化与具备时区感知的时间戳处理。

二、系统级与解释器交互：sys 与 os 核心速查与演进

sys 与 os 经常成对出现，但分工截然不同：sys 面向 Python 解释器内部与运行时，而 os 面向外部宿主操作系统。

1. sys 核心速查清单

命令行工具开发中最基础的代码通常始于 sys.argv，但对参数的处理必须警惕越界。

import sys

# 1. 命令行参数捕获：sys.argv[0] 始终是脚本自身路径，真实参数从下标 1 开始
args = sys.argv[1:]  # 获取切片列表，无入参时为 []，避免直接 sys.argv[1] 触发 IndexError

# 2. 安全退出：相比 os._exit()，sys.exit() 抛出 SystemExit，能正常执行 finally 与清理逻辑
if not args:
    sys.stderr.write("错误：未提供必要参数\n")
    sys.exit(1)  # 退出码非 0 表示异常

# 3. 动态模块搜索路径注入：首位插入确保优先加载当前项目模块
sys.path.insert(0, "/path/to/custom_libs")

# 4. 原始标准输出（无内置换行）
sys.stdout.write(f"正在处理参数: {args[0]}\n")
sys.stdout.flush()

2. os 环境变量与文件系统遍历

在容器化与跨平台部署中，配置注入通常依赖环境变量。os.environ 是一个类似字典的对象，但必须注意类型约束。

import os

# 1. 环境变量安全读取：必须提供默认值，避免直接字典索引 KeyError
db_host = os.environ.get("DATABASE_HOST", "127.0.0.1")
db_port = int(os.environ.get("DATABASE_PORT", "5432"))  # 环境变量返回均为 str，需显式转换

# 2. 目录切换与获取
current_work_dir = os.getcwd()

# 3. 传统目录遍历：os.walk 产出 (当前路径, 子目录列表, 文件列表)
target_dir = os.path.join(current_work_dir, "logs")
if os.path.exists(target_dir):
    for root, dirs, files in os.walk(target_dir):
        for file in files:
            if file.endswith(".log"):
                file_full_path = os.path.join(root, file)

3. 从 os.path 到现代 pathlib 的平滑过渡

Python 3.4 引入的 pathlib 提供了面向对象的路径操作方式。速查表建议在维护遗留脚本时熟悉 os.path，但在新代码中优先选用 pathlib.Path，两者在语义上有一对一的演进关系。

三、文本处理主力：re 正则模块决策树与语法速查

在日常开发中，许多正则匹配问题源自方法混淆。最典型的误区是误将 re.match() 当作全文搜寻工具。

1. 正则匹配四大核心方法决策依据

• re.match(pattern, string)：仅从字符串的索引 0 严格匹配。若首字符不符合正则规则，即使整个字符串后续完全符合，也会立即返回 None。适用于严格协议头、格式前缀的校验。
• re.search(pattern, string)：在整个字符串中从左至右扫描，返回第一个命中的 Match 对象。在日志分析与非结构化文本中提取首个指标时应优先选用。
• re.findall(pattern, string)：扫描全文并返回所有符合条件的字符串列表。特别陷阱：如果正则表达式中包含了未命名的括号捕获组 (abc)，findall 将仅返回捕获组中的内容，而非整个匹配片段。若需使用括号调整优先级而不需要单独提取，必须使用非捕获分组 (?:abc)。
• re.finditer(pattern, string)：惰性返回由 Match 对象组成的迭代器。在大文本文件（如 GB 级别日志）流式扫描中占用极低内存，且能保留每次匹配的起止坐标（.start(), .end()）。

2. 结构化捕获与动态替换示例

import re

log_line = "2026-10-30 15:20:00 [ERROR] user_id=4092: connection timeout"

# 1. 命名捕获组 (?P<name>pattern) 提升代码可维护性
pattern = re.compile(
    r"^(?P<datetime>\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2})\s"
    r"\[(?P<level>[A-Z]+)\]\suser_id=(?P<uid>\d+):\s(?P<msg>.*)$"
)

match = pattern.search(log_line)
if match:
    data = match.groupdict()
    # 示例输出: {'datetime': '2026-10-30 15:20:00', 'level': 'ERROR', 'uid': '4092', 'msg': 'connection timeout'}
    print(f"日志级别: {data['level']}, 涉及用户: {data['uid']}")

# 2. re.sub 反向引用替换：屏蔽敏感数字
mask_pattern = re.compile(r"user_id=(?P<uid>\d+)")
masked_log = mask_pattern.sub(r"user_id=***\g<uid>", log_line)

3. 高频 Flags 标志位速记

• re.IGNORECASE（简写 re.I）：忽略大小写。
• re.DOTALL（简写 re.S）：改变 . 的默认行为，使其匹配包括换行符 在内的任意字符。在跨行 HTML 或 JSON 片段提取中必加。
• re.MULTILINE（简写 re.M）：改变 ^ 和 $ 的行为，使其匹配字符串中每一行的起始与结束，而非仅匹配全文首尾。

四、常用辅助核心库：json 与 datetime 高频范式

在 CLI 脚本与文件系统交互中，配置持久化与时间戳记录通常与 os/sys 紧密交织。

1. json 模块核心参数速记

在处理中文文本或美化配置文件输出时，记住关键参数能够避免乱码与可读性问题：

import json

payload = {"task_id": 101, "status": "成功", "tags": ["核心库", "速查"]}

# 序列化为格式化 JSON 字符串：
# ensure_ascii=False 保证中文字符直接输出而非 \uXXXX 转义
# indent=2 提供规范的层级缩进
json_str = json.dumps(payload, ensure_ascii=False, indent=2)

# 反序列化
parsed_dict = json.loads(json_str)

2. datetime 模块时区安全规范

Python 3.12 明确废弃了返回无时区（naive）UTC 时间的 datetime.utcnow()。速查表中应统一更新为带时区标识（aware）的现代写法：

from datetime import datetime, timezone, timedelta

# 1. 获取当前 UTC 时间（带时区感知，推荐）
now_utc = datetime.now(timezone.utc)

# 2. 格式化字符串输出（strftime: string from time）
formatted_str = now_utc.strftime("%Y-%m-%d %H:%M:%S")

# 3. 字符串解析为时间对象（strptime: string parse time）
parsed_dt = datetime.strptime("2026-10-30 15:30:00", "%Y-%m-%d %H:%M:%S")
# 显式挂载 UTC 时区
parsed_dt = parsed_dt.replace(tzinfo=timezone.utc)

# 4. 时间加减计算
next_week = now_utc + timedelta(days=7, hours=2)

五、双页 PDF 速查表排版规划与避坑总览

将上述核心模块浓缩为物理打印件或桌面两页 PDF 时，版面空间必须进行严谨的栅格规划。

1. PDF 双页版面栅格与排版标准

• 页面尺寸与外边距：标准 A4 纵向排版（210mm × 297mm），上下左右外边距严格保持在 10mm - 12mm 之间。这样不仅保障打印不被边缘裁切，还能预留打孔或文件夹收纳空间。
• 分栏策略与字符限制：单页采用双栏等宽栅格设计。代码示例单行字符数控制在 42 字符以内，超过长度的代码采用反斜杠或括号显式折行，杜绝打印时代码块溢出或被裁断。
• 正面（Page 1）：集中安排 sys 与 os / pathlib。作为脚本的基础入口与文件交互基础，包含参数解析、路径操作映射表及标准退出码规范。
• 反面（Page 2）：集中安排 re 与 json / datetime。左栏为正则方法决策树与常用元字符，右栏为 JSON 中文格式化与时区感知时间处理。

2. 生成 PDF 的工程实践

要将本份速查表高质量导出为矢量 PDF，无需依赖重量级 IDE 插件。在配备 Python 环境的机器上，推荐以下两种轻量级导出路径：

• 浏览器无头打印（推荐）：利用现代 Chrome / Chromium 引擎的打印功能：
  chrome --headless --disable-gpu --print-to-pdf="python_core_cheatsheet.pdf" --no-margins body.html
  该方式能够完整保留矢量 SVG 与 CSS 布局，文字保持可选中状态。
• Python WeasyPrint 工具：使用 pip install weasyprint，直接调用 weasyprint body.html cheatsheet.pdf 即可依据标准 @page CSS 生成工业级打印版。

3. 高频避坑清单速查

在日常开发与速查过程中，牢记以下 4 条核心避坑法则：

1. sys.argv[0] 永远表示脚本自身路径：真实命令行参数切片必须从 sys.argv[1:] 获取。切勿直接使用 sys.argv[1] 作为判断条件，若用户未传参会导致未捕获的 IndexError。
2. re.match 绝不等同于 re.search：re.match 仅从索引 0 开始比对，字符串中段出现符合规则的子串一律返回 None。若要全文本搜索，请无条件使用 re.search。
3. re.findall 包含分组时仅返回元组：在构建复杂提取规则时，如果不希望 findall 仅返回括号内的子分组，请使用 (?:pattern) 非捕获分组修饰。
4. datetime.utcnow() 属于已废弃接口：在 Python 3.12 及以上版本中，必须使用 datetime.now(timezone.utc)，否则不仅触发 DeprecationWarning，还极易在跨系统时区转换中产生 8 小时的时间偏差。