锐客网

  1. 首页 > 生活百科 > it技术 > >

imap函数python php imap函数

IT技术函数

进程池Pool的imap方法解析 Python中，multiprocessing库中Pool类代表进程池 ， 其对象有imap()和imap_unordered()方法 。
两者都用于对大量数据遍历多进程计算，返回一个迭代器(multiprocessing.pool.IMapIterator) 。
imap返回结果顺序和输入相同，imap_unordered则为不保证顺序 。
经过测试，发现Python多进程和imap()的一些特性:
1、 iter = pool.imap(fn, data)一旦生成，无论使不使用iter，多进程计算都会开始 。
计算结果会缓存在内存中 ， 所以要注意内存用尽的问题 。
2、fn，即执行函数，不可以是局部对象（不能嵌套在其他函数里），否则会报错：
AttributeError: Can't pickle local object 'fn_outer.locals.fn'
3、使用进程池map数据时 ， 如果每次的运算量很?。?最后的效率还不如单进程 。这时多进程切换造成的开销已大于多进程计算提升的效率 。
这时，可以将输入数据集分段 ， 每次map ， 计算一段 。具体分段多大时获得最佳效率，需要实际测试 。
4、注意，Pool使用完毕后必须关闭，否则进程不会退出 。
有两种写法，推荐第2种：
注意 ，第二种中，必须在with的块内使用iter 。
我用python通过imap收取邮件时为什么能收取想用python做一个很简单imap函数python的接收邮件imap函数python的功能,只看python的官方doc()真的很不好懂,经过google之,探索之,稍微总结一下:
要使用imap接收邮件,当然要导入imaplib拉.
import imaplib
然后按常规的,建立链接→登录
conn = imaplib.IMAP4("imap.xxx.com",143)
conn.login("userName","password")
然后imap函数python我想查看收件箱的邮件,咋办呢?要先选择一个目录,收件箱默认名称是"INBOX",IMAP是支持创建文件夹,查看其它文件夹的,如果是自己新建的文件夹,那么名称一般会是"INBOX.新建文件夹",不同的邮箱可能表示方式不一样,如果imap函数python你不知道的话,那运行conn.list()查看所有的文件夹.
conn.select("INBOX")
选择后,然后查看文件夹,注意,IMAP的查看其实是一个搜索的过程,IMAP的原始命令是search all(大概的),在python里这么用:
type, data = https://www.04ip.com/post/conn.search(None,'ALL')
然后返回的是这个收件箱里所有邮件的编号,按接收时间升序排列,最后的表示最近.
search这个很鬼麻烦,因为官方文档里没讲这个函数的第二个参数怎么用,于是找了下,可以填的命令有:
于是如果imap函数python我想找Essh邮件的话,使用
type, data = https://www.04ip.com/post/conn.search(None,'(SUBJECT "Essh")')
里面要用一个括号,代表是一个查询条件,可以同时指定多个查询条件,例如FROM xxxx SUBJECT "aaa",注意,命令要用括号罩住(痛苦的尝试)
search第一个参数是charset的意思,填None表示用默认ASCII,
data里获取到的是一个只有一个字符串元素的数组,包含很多数字,用空格隔开
['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 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103'
于是想获取最后一封的做法是:
msgList = data[0].split()
last = msgList[len(msgList) - 1]
然后把那个邮件获取回来,用fetch函数
例子:
conn.fetch(last, '(RFC822.SIZE BODY[HEADER.FIELDS (SUBJECT)])')
但是返回的是一串MIME编码的东东,看不懂,如果能像eml那一操作一封邮件就好了.
方法是有的,用email库.
import email
然后以RFC822获取邮件格式,再用email.message_from_string转换为message对象.就可以当message操作了,()
type,data=https://www.04ip.com/post/connect.fetch(msgList[len(msgList)-1],'(RFC822)')
msg=email.message_from_string(data[0][1])
content=msg.get_payload(decode=True)
最后content得到就是邮件的内容了
Python判断列表是否已排序的各种方法及其性能本节判断列表排序imap函数python的函数名格式为IsListSorted_XXX() 。为简洁起见imap函数python ， 除代码片段及其输出外，一律以_XXX()指代 。
2.1 guess
def IsListSorted_guess(lst):
listLen = len(lst)if listLen = 1:return True
#由首个元素和末尾元素猜测可能的排序规则
if lst[0] == lst[-1]: #列表元素相同
for elem in lst:if elem != lst[0]: return False
elif lst[0]lst[-1]: #列表元素升序
for i, elem in enumerate(lst[1:]):if elemlst[i]: return False
else: #列表元素降序
for i, elem in enumerate(lst[1:]):if elemlst[i]: return False
return True
_guess()是最通用的实现，几乎与语言无关 。值得注意的是 ， 该函数内会猜测给定列表可能的排序规则 ， 因此无需外部调用者指明排序规则 。
2.2 sorted
def IsListSorted_sorted(lst):
return sorted(lst) == lst or sorted(lst, reverse=True) == lst
_sorted()使用Python内置函数sorted() 。由于sorted()会对未排序的列表排序，_sorted()函数主要适用于已排序列表 。
若想判断列表未排序后再对其排序，不如直接调用列表的sort()方法，因为该方法内部会判断列表是否排序 。对于已排序列表，该方法的时间复杂度为线性阶O(n)——判断为O(n)而排序为O(nlgn) 。
2.3 for-loop
def IsListSorted_forloop(lst, key=lambda x, y: x = y):
for i, elem in enumerate(lst[1:]):#注意，enumerate默认迭代下标从0开始
if not key(lst[i], elem): #if elemlst[i]更快，但通用性差
return False
return True
无论列表是否已排序，本函数的时间复杂度均为线性阶O(n) 。注意，参数key表明缺省的排序规则为升序 。
2.4 all
def IsListSorted_allenumk(lst, key=lambda x, y: x = y):
return all(key(lst[i], elem) for i, elem in enumerate(lst[1:]))import operatordef IsListSorted_allenumo(lst, oCmp=operator.le):
return all(oCmp(lst[i], elem) for i, elem in enumerate(lst[1:]))def IsListSorted_allenumd(lst):
return all((lst[i] = elem) for i, elem in enumerate(lst[1:]))def IsListSorted_allxran(lst, key=lambda x,y: x = y):
return all(key(lst[i],lst[i 1]) for i in xrange(len(lst)-1))def IsListSorted_allzip(lst, key=lambda x,y: x = y):
from itertools import izip #Python 3中zip返回生成器(generator)，而izip被废弃
return all(key(a, b) for (a, b) in izip(lst[:-1],lst[1:]))
lambda表达式与operator运算符速度相当 ， 前者简单灵活 ， 后者略为高效(实测并不一定) 。但两者速度均不如列表元素直接比较(可能存在调用开销) 。亦即，_allenumd()快于_allenumo()快于_allenumk() 。
若使用lambda表达式指示排序规则，更改规则时只需要改变x和y之间的比较运算符imap函数python；若使用operator模块指示排序规则，更改规则时需要改变对象比较方法 。具体地，lt(x, y)等效于xy，le(x, y)等效于x = y，eq(x, y)等效于x == y ， ne(x, y)等效于x != y，gt(x, y)等效于xy ， ge(x, y)等效于x = y 。例如，_allenumo()函数若要严格升序可设置oCmp=operator.lt 。
此外，由all()函数的帮助信息可知，_allenumk()其实是_forloop()的等效形式 。
2.5 numpy
def IsListSorted_numpy(arr, key=lambda dif: dif = 0):
import numpytry:if arr.dtype.kind == 'u': #无符号整数数组执行np.diff时存在underflow风险
arr = numpy.int64(lst)except AttributeError:pass #无dtype属性，非数组
return (key(numpy.diff(arr))).all() #numpy.diff(x)返回相邻数组元素的差值构成的数组
NumPy是用于科学计算的Python基础包，可存储和处理大型矩阵 。它包含一个强大的N维数组对象，比Python自身的嵌套列表结构(nested list structure)高效得多 。第三节的实测数据表明，_numpy()处理大型列表时性能非常出色 。
在Windows系统中可通过pip install numpy命令安装NumPy包，不建议登录官网下载文件自行安装 。
2.6 reduce
def IsListSorted_reduce(iterable, key=lambda x, y: x = y):
cmpFunc = lambda x, y: y if key(x, y) else float('inf')return reduce(cmpFunc, iterable, .0)float('inf')
reduce实现是all实现的变体 。累加器(accumulator)中仅存储最后一个检查的列表元素 ， 或者Infinity(若任一元素小于前个元素值) 。
前面2.1~2.5小节涉及下标操作的函数适用于列表等可迭代对象(Iterable) 。对于通用迭代器(Iterator)对象，即可以作用于next()函数或方法的对象，可使用_reduce()及后面除_rand()外各小节的函数 。迭代器的计算是惰性的，只有在需要返回下一个数据时才会计算，以避免不必要的计算 。而且，迭代器方式无需像列表那样切片为两个迭代对象 。
2.7 imap
def IsListSorted_itermap(iterable, key=lambda x, y: x = y):
from itertools import imap, tee
a, b = tee(iterable) #为单个iterable创建两个独立的iterator
next(b, None)return all(imap(key, a, b))
2.8 izip
def IsListSorted_iterzip(iterable, key=lambda x, y: x = y):
from itertools import tee, izip
a, b = tee(iterable)next(b, None)return all(key(x, y) for x, y in izip(a, b))def pairwise(iterable):
from itertools import tee, izip
a, b = tee(iterable)next(b, None)return izip(a, b) #"s - (s0,s1), (s1,s2), (s2, s3), ..."def IsListSorted_iterzipf(iterable, key=lambda x, y: x = y):
return all(key(a, b) for a, b in pairwise(iterable))
第三节的实测数据表明，虽然存在外部函数调用，_iterzipf()却比_iterzip()略为高效 。
2.9 fast
def IsListSorted_fastd(lst):
it = iter(lst)try:
prev = it.next()except StopIteration:return True
for cur in it:if prevcur:return False
prev = curreturn Truedef IsListSorted_fastk(lst, key=lambda x, y: x = y):
it = iter(lst)try:
prev = it.next()except StopIteration:return True
for cur in it:if not key(prev, cur):return False
prev = curreturn True
_fastd()和_fastk()是Stack Overflow网站回答里据称执行最快的 。实测数据表明，在列表未排序时，它们的性能表现确实优异 。
2.10 random
import randomdef IsListSorted_rand(lst, randNum=3, randLen=100):
listLen = len(lst)if listLen = 1:return True
#由首个元素和末尾元素猜测可能的排序规则
if lst[0]lst[-1]: #列表元素升序
key = lambda dif: dif = 0
else: #列表元素降序或相等
key = lambda dif: dif = 0
threshold, sortedFlag = 10000, True
import numpyif listLen = threshold or listLen = randLen*2 or not randNum:return (key(numpy.diff(numpy.array(lst)))).all()from random import samplefor i in range(randNum):
sortedRandList = sorted(sample(xrange(listLen), randLen))
flag = (key(numpy.diff(numpy.array([lst[x] for x in sortedRandList])))).all()
sortedFlag = sortedFlag and flagreturn sortedFlag
_rand()借助随机采样降低运算规模，并融入其imap函数python他判断函数的优点 。例如，猜测列表可能的排序规则，并在随机采样不适合时使用相对快速的判断方式，如NumPy 。
通过line_profiler分析可知 ， 第20行和第21行与randLen有关，但两者耗时接近 。因此randLen应小于listLen的一半，以抵消sorted开销 。除内部限制外，用户可以调节随机序列个数和长度，如定制单个但较长的序列 。
注意，_rand()不适用于存在微量异常数据的长列表 。因为这些数据很可能被随机采样遗漏，从而影响判断结果的准确性 。
【imap函数python php imap函数】imap函数python的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于php imap函数、imap函数python的信息别忘了在本站进行查找喔 。

    推荐阅读


    上一篇：如何变现跨境电商，跨境电商怎么能做好

    下一篇：硬盘有数据线怎么接，硬盘数据线接线图解