c2utils 0.1.0

Toolkit

C2 Toolkit

总结了一些可能会在项目中用到的工具（方法）

安装

pip install --upgrade c2utils

基本使用

1. 公共方法

from c2utils.utils import common

print(common.is_chinese_string('科创信息'))
print(common.is_number_in_string('科创信息666'))
print(common.clear_all_spaces('科 创  信   息'))

• calculate_execution_time: 计算程序执行时间装饰器
• is_chinese: 判断一个字符是否是汉字
• is_chinese_string: 判断输入文本是否全为汉字
• is_digit: 判断输入对象是否是数字
• is_number_in_string: 判断文本中是否含有数字
• extract_numbers: 提取文本中的数字
• clear_all_spaces: 去除文本中的所有空格
• clear_all_punctuation: 去除文本中的标点符号
• is_alphabet: 判断一个字符是否是英文字母
• is_alphabet_string: 判断输入文本是否全是英文
• randomly_generate_string: 随机生成n位字符串
• extract_text_through_re: 通过正则表达式抽取文本
• ReadConfig: 读取配置文件类

2. 文本处理

from c2utils.utils import text_processing

print(text_processing.simple2tradition('科创'))
print(text_processing.tradition2simple('科創'))
print(text_processing.get_homophones_by_char('科'))
print(text_processing.get_homophones_by_pinyin('ke1'))
print(text_processing.pinyin_split('hunankechuangxinxijishugufenyouxiangongsi'))

• simple2tradition: 将简体转换成繁体
• tradition2simple: 将繁体转换成简体
• get_homophones_by_char: 根据汉字取同音字
• get_homophones_by_pinyin: 根据拼音取同音字
• chinese2pinyin: 中文文本转拼音
• pinyin_split: 拼音分割
• text_split: 文本分割（分句）

3. 分词

from c2utils.utils.text_segmentation import Segment, load_user_dictionary

segment = Segment('baidu_stopwords.txt')  # 默认使用百度停用词
load_user_dictionary('user_dict.txt')  # 加载用户词典
print(segment.cut('湖南科创信息技术股份有限公司'))
print(segment.pseg_cut('湖南科创信息技术股份有限公司'))
print(segment.cut_for_search('湖南科创信息技术股份有限公司'))

• segment.cut: jieba分词
• segment.pseg_cut: 词性标注
• segment.cut_for_search: 搜索引擎模式
• segment.extract_keywords_through_tfidf: 关键词抽取（TF-IDF）
• segment.extract_keywords_through_text_rank: 关键词抽取（TextRank）

4. 时间处理

from c2utils.utils import time_processing

print(time_processing.get_current_time())
print(time_processing.get_current_date())

• date2timestamp_s: 日期时间转换成秒级时间戳
• date2timestamp: 日期时间转换成毫秒级时间戳
• timestamp2date: 时间戳转换为指定格式的日期
• get_current_time: 获取当前日期时间
• get_current_date: 获取当前日期
• get_yesterday_date: 获取昨天日期
• get_current_timestamp_s: 获取当前日期时间对应的时间戳（秒级）
• get_current_timestamp_ms: 获取当前日期时间对应的时间戳（毫秒级）

5. 文件处理

from c2utils.utils.file_processing import FileProcessing

file_processing = FileProcessing('file.txt')
print(file_processing.get_file_size())
print(file_processing.get_file_dir())
print(file_processing.get_file_data_len())
for line in file_processing.read_file_by_line():
    print(line)

• file_processing.read_all_data: 一次读取整个文件
• file_processing.read_file_by_line: 按行读取，去掉行尾换行符
• file_processing.write_file_all: 写入数据到文件
• file_processing.check_file_exist: 检查文件是否存在
• file_processing.get_file_data_len: 获取文件总行数
• file_processing.get_file_dir: 获取文件所在目录
• file_processing.get_file_size: 获取文件大小
• check_file_contents: 比较两个文件内容是否一致
• print_file_directory_tree: 打印文件目录树
• unzip_file: zip文件解压
• save_pickle: 保存成pickle文件
• load_pickle: 读取pickle文件
• save_json: 保存成json文件
• load_json: 加载json文件

6. 科学计算

from c2utils.utils import calculation

TODO

• 科学计算模块
• 预处理模块