funcguard 0.2.45

FuncGuard是一个Python库，提供函数执行超时控制、重试机制、HTTP请求封装和格式化打印工具。

FuncGuard

FuncGuard是一个Python库，提供了函数执行超时控制和重试机制的实用工具。

功能特点

分类	功能描述	文档
核心功能	函数执行超时控制、函数执行失败自动重试、交互式选择菜单	-
网络请求	HTTP请求封装（支持自动重试）、MD5哈希、Basic Auth编码	查看
时间工具	时间日志记录、耗时统计、执行时间监控和警告、时间等待（带倒计时）	查看
打印工具	格式化分隔线、块打印、标题打印、进度条显示	-
IP工具	局域网IP检测、公网IP检测、IP格式验证	-
pandas工具	数据填充、类型转换、JSON解析、数据筛选、统计分析	查看
计算工具	数值差异格式化（如+5、-3等）	-
日志工具	彩色日志输出、logger配置	-

安装/升级

pip install --upgrade funcguard

使用方法

超时控制

使用timeout_handler函数可以控制函数的执行时间，防止函数运行时间过长：

from funcguard import timeout_handler

def long_running_function():
    # 模拟一个耗时操作
    import time
    time.sleep(10)
    return "操作完成"

try:
    # 设置超时时间为5秒
    result = timeout_handler(long_running_function, execution_timeout=5)
    print(result)
except TimeoutError as e:
    print(f"捕获到超时错误: {e}")

重试机制

使用retry_function函数可以在函数执行失败时自动重试：

from funcguard import retry_function

def unstable_function():
    # 模拟一个可能失败的操作
    import random
    if random.random() < 0.7:  # 70%的概率失败
        raise Exception("随机错误")
    return "操作成功"

try:
    # 最多重试3次，每次执行超时时间为10秒
    result = retry_function(unstable_function, max_retries=3, execute_timeout=10, task_name="测试任务")
    print(result)
except Exception as e:
    print(f"重试后仍然失败: {e}")

交互式选择菜单

使用 ask_select 函数创建一个带数字编号的交互式选择菜单（编号从0开始），支持超时自动选择和倒计时动态显示：

from funcguard import ask_select

# 基础用法 - 选择属性填写模式
result = ask_select(
    options={True: "需要填写属性", False: "不需要填写属性", "all": "不限制"},
    default_key="all",
    prompt="请选择属性填写模式",
    timeout=5
)
print(f"用户选择: {result}")  # 返回 True, False 或 "all"

# 选择部署环境
env = ask_select(
    options={"dev": "开发环境", "test": "测试环境", "prod": "生产环境"},
    default_key="dev",
    prompt="请选择部署环境",
    timeout=3
)
print(f"当前环境: {env}")

# 选择数量（使用整数作为键）
count = ask_select(
    options={10: "10条", 50: "50条", 100: "100条"},
    default_key=50,
    prompt="查询数量",
    timeout=5
)
print(f"查询 {count} 条数据")

HTTP请求

FuncGuard 提供了强大的 HTTP 请求功能，支持自动重试、请求日志记录、以及 curl_cffi 兜底（用于绕过反爬虫检测）。详细文档请参考 network.md。

基础用法

使用 send_request 发送 HTTP 请求：

from funcguard import send_request

# 简单 GET 请求
response = send_request(
    method="GET",
    url="https://api.example.com/data",
    headers={"Content-Type": "application/json"},
    timeout=30
)
print(response)

# POST 请求（自动将 dict/list 转为 JSON）
response = send_request(
    method="POST",
    url="https://api.example.com/data",
    headers={"Content-Type": "application/json"},
    data={"key": "value"},
    timeout=30
)
print(response)

# 流式传输请求（用于大文件下载）
response = send_request(
    method="GET",
    url="https://api.example.com/largefile",
    stream=True  # 启用流式传输，通过 iter_content() 分块读取
)
for chunk in response.iter_content(chunk_size=8192):
    # 处理数据块
    pass

自动重试

配置 auto_retry 参数启用自动重试：

response = send_request(
    method="POST",
    url="https://api.example.com/data",
    data={"key": "value"},
    auto_retry={
        "task_name": "API请求",
        "max_retries": 3,
        "execute_timeout": 60
    }
)

curl_cffi 兜底（绕过 403 反爬）

当目标网站启用反爬虫时，可启用 curl_fallback 自动使用 curl_cffi 重试：

response = send_request(
    method="GET",
    url="https://example.com/protected",
    curl_fallback=True,  # 403 时自动使用 curl_cffi
    curl_fallback_impersonate="chrome124"  # 浏览器指纹
)

检查 URL 有效性

使用 check_url_valid 快速检测 URL 是否可访问：

from funcguard import check_url_valid

# 基础检测
is_valid = check_url_valid("https://example.com")
print(is_valid)  # True 或 False

# 启用 curl_cffi 兜底
is_valid = check_url_valid(
    "https://example.com",
    curl_fallback=True,
    max_retries=3
)

格式化打印

使用print_line、print_block、print_title和print_progress函数进行格式化打印，便于查看和调试：

from funcguard import print_line, print_block, print_title, print_progress

# 打印带等号的标题
print_title("初始化分类器")  # 输出：=== 初始化分类器 ===
print_title("训练完成", separator_char="*", padding_length=2)  # 输出：** 训练完成 **

# 打印分隔线
print_line()  # 默认使用40个'-'字符
print_line("*", 30)  # 使用30个'*'字符

# 打印块内容
print_block("用户信息", {"name": "张三", "age": 25})

# 自定义分隔符
print_block("配置信息", {"debug": True, "port": 8080}, "=", 50)

# 打印复杂内容
result = {
    "status": "success",
    "data": [1, 2, 3, 4, 5],
    "message": "操作完成"
}
print_block("API响应", result)

# 打印进度条
for i in range(101):
    import time
    time.sleep(0.05)  # 模拟处理时间
    print_progress(i, 100, "处理中")  # 显示进度条和处理状态
print()  # 处理完成后换行

时间日志记录

• 自动显示北京时间（UTC+8）
• 支持进度显示和预计完成时间计算
• 提供中英文双语统计信息
• 可显示总耗时、平均耗时等详细统计
• 支持i从0或从1开始的计数方式
• 支持 level 参数输出彩色日志（DEBUG/INFO/PROGRESS/SUCCESS/WARNING/WARN/ERROR/CRITICAL/FATAL）
• 支持函数执行时间监控和警告

使用time_log和time_diff函数记录任务执行时间和统计信息：

from funcguard import time_log, time_diff

# 获取开始时间
start_time = time_diff()

# 记录任务开始（i从0开始）
time_log("开始处理数据", 0, 100, start_time, 0)

# 模拟处理过程
import time
for i in range(1, 101):
    time.sleep(0.1)  # 模拟处理时间
    if i % 20 == 0:
      # 使用 level 输出彩色日志
      time_log("处理进度", i, 100, start_time, 0, level="progress")  # 显示进度和预计完成时间

# 记录任务完成并打印统计信息
time_diff(start_time, 100, "cn")  # 中文显示统计信息

或者当i从1开始时：

# 记录任务开始（i从1开始）
time_log("开始处理数据", 1, 100, start_time, 1)

# 模拟处理过程
import time
for i in range(1, 101):
    time.sleep(0.1)  # 模拟处理时间
    if i % 20 == 0:
      time_log("处理进度", i, 100, start_time, 1, level="progress")  # 显示进度和预计完成时间

组合示例用法

在实际应用中，可以组合使用time_log和print_progress来显示处理进度和剩余时间：

from funcguard import time_diff, time_log, print_progress
import pandas as pd

def process_images(images):
    """处理图片的示例函数"""
    # 模拟图片处理
    import time
    time.sleep(0.1)
    return f"processed_{images}"

# 假设df是一个包含图片数据的DataFrame
df = pd.DataFrame({"images": [f"img_{i}.jpg" for i in range(100)]})

# 获取开始时间
s_time = time_diff() 
processed_images_list = [] 
max_num = len(df) 

# 处理每一行数据
for index, row in df.iterrows(): 
    processed_images_list.append(process_images(row["images"])) 
    
    # 获取剩余时间并显示进度条
    remaining_time = time_log("", index, max_num, s_time, return_field="remaining_time") 
    print_progress(index, max_num, remaining_time) 

# 更新DataFrame中的图片数据
df["images"] = processed_images_list 

# 打印处理完成后的统计信息
time_diff(s_time, max_num)

这个组合示例展示了如何：

1. 使用time_diff()获取开始时间
2. 在循环中使用time_log获取剩余时间（通过return_field="remaining_time"参数）
3. 使用print_progress显示进度条和剩余时间
4. 最后使用time_diff打印完整的处理统计信息

时间等待

使用time_wait函数进行带倒计时显示的时间等待：

from funcguard import time_wait

# 等待10秒，显示倒计时
print("开始等待...")
time_wait(10)  # 显示倒计时：Time wait: 10s, 9s, 8s...
print("等待完成！")

# 等待5秒
print("准备开始下一步操作...")
time_wait(5)
print("开始执行下一步操作")

执行时间监控

使用time_monitor函数监控函数执行时间：

from funcguard import time_monitor

def some_function():
    # 模拟一个耗时操作
    import time
    time.sleep(2)
    return "操作完成"

# 模式1：总是打印执行时间
result = time_monitor(
    func=some_function,
    print_mode=1
)
print(f"结果: {result}")

# 模式2：仅在超过阈值时打印警告
result = time_monitor(
    func=some_function,
    warning_threshold=1.5,  # 设置1.5秒的警告阈值
    print_mode=2
)
print(f"结果: {result}")

# 模式0：不打印任何信息，仅返回结果和执行时间
result, duration = time_monitor(
    func=some_function,
    print_mode=0
)
print(f"结果: {result}, 耗时: {duration}秒")

log 日志工具

使用setup_logger函数多彩显示日志：

from funcguard import setup_logger

# 在 network.py
logger_a = setup_logger("network")
logger_a.debug("网络调试信息")

# 在 db.py
logger_b = setup_logger("db")
logger_b.debug("数据库调试信息")

# 全局 loggeer
logger = setup_logger()
logger.debug("网络调试信息")
logger.debug("数据库调试信息")

# 设置等级 level : 字符串（大小写不敏感）
logger = setup_logger(level="debug")

# 仅输出消息（不包含时间与等级）
logger = setup_logger(message_only=True)

# 支持的输出（含颜色）
logger.debug("这是一条调试信息")      # 青色
logger.info("这是一条普通信息")       # 白色/浅灰色/默认
logger.success("这是一条成功信息")    # 绿色
logger.progress("这是一条进度信息")   # 蓝色
logger.warning("这是一条警告信息")    # 黄色
logger.error("这是一条错误信息")      # 红色
logger.critical("这是一条严重错误信息")  # 紫色

# 注意：Windows 自带终端（旧版 CMD）可能不支持 ANSI 颜色码

IP地址检测

使用IP检测功能获取本机局域网IP、公网IP以及验证IP地址格式：

from funcguard import get_local_ip, get_public_ip, get_ip_info, is_valid_ip

# 获取本机局域网IP地址
local_ip = get_local_ip()
print(f"本机局域网IP: {local_ip}")

# 获取本机公网IP地址
public_ip = get_public_ip()
print(f"本机公网IP: {public_ip}")

# 获取完整的IP信息（包括局域网IP、公网IP和主机名）
ip_info = get_ip_info()
print(f"主机名: {ip_info['hostname']}")
print(f"局域网IP: {ip_info['local_ip']}")
print(f"公网IP: {ip_info['public_ip']}")

# 验证IP地址格式是否有效
test_ips = ["192.168.1.1", "256.1.1.1", "abc.def.ghi.jkl"]
for ip in test_ips:
    is_valid = is_valid_ip(ip)
    print(f"IP地址 '{ip}' 验证结果: {is_valid}")

pandas数据处理工具

FuncGuard提供了丰富的pandas数据处理功能，包括数据填充、类型转换、JSON处理、统计分析等。详细使用方法请参考pd_utils文档。

import pandas as pd
from funcguard.pd_utils import fill_na, convert_columns, round_columns, load_json

# 快速示例
df = pd.DataFrame({
    'name': ['张三', '李四', None, '王五'],
    'age': [25.7, 30.2, 28.9, 35.1],
    'config': ['{"timeout": 30}', '{"timeout": 60}', '', '{"timeout": 90}']
})

# 数据填充
df = fill_na(df, {'name': '未知'})

# 类型转换
df = convert_columns(df, {'age': 'int'})

# JSON解析
df = load_json(df, ['config'])

数值差异格式化

使用format_difference函数格式化两个数值之间的差异，常用于显示数值变化：

from funcguard import format_difference

# 计算并格式化数值变化
old_value = 100
new_value = 150
print(format_difference(old_value, new_value))  # 输出: +50

old_value = 200
new_value = 180
print(format_difference(old_value, new_value))  # 输出: -20

old_value = 100
new_value = 100
print(format_difference(old_value, new_value))  # 输出: (空字符串)

# 在实际应用中的示例
current_price = 150.5
previous_price = 145.2
price_change = format_difference(previous_price, current_price)
print(f"当前价格: {current_price}, 变化: {price_change}")  # 输出: 当前价格: 150.5, 变化: +5.3

详细功能列表

核心功能

函数/类名	功能说明
timeout_handler	函数执行超时控制
retry_function	函数执行失败自动重试
ask_select	交互式数字选择菜单（支持超时自动选择）

网络请求

函数/类名	功能说明	文档
send_request	HTTP请求封装（支持自动重试、curl_cffi兜底）	查看
curl_cffi_request	使用curl_cffi发送HTTP请求（TLS指纹伪装）	查看
check_url_valid	检查URL是否有效	查看
md5_hash	MD5哈希计算	-
encode_basic_auth	Basic Auth编码	-

时间工具

函数/类名	功能说明	文档
time_log	时间日志记录（支持彩色输出）	查看
time_diff	耗时统计和计算	查看
time_monitor	函数执行时间监控和警告	查看
time_wait	时间等待（带倒计时显示）	查看
get_now	获取当前时间	-
generate_timestamp	生成时间戳	-
cal_date_diff	计算日期差异	-

打印工具

函数/类名	功能说明
print_line	打印分隔线
print_block	打印块内容
print_title	打印标题
print_progress	打印进度条

IP工具

函数/类名	功能说明
get_local_ip	获取局域网IP
get_public_ip	获取公网IP
get_ip_info	获取完整IP信息
is_valid_ip	验证IP格式

pandas工具

函数/类名	功能说明	文档
pd_fill_na / pd_fill_nat	数据填充	查看
pd_convert_columns / pd_convert_decimal / pd_convert_numeric_series / pd_convert_str_datetime / pd_convert_datetime_str / pd_convert_series	类型转换	查看
pd_load_json	JSON解析	查看
pd_filter	数据筛选	查看
pd_count / pd_value_counts	条件计数统计	查看
pd_group_agg	分组聚合统计	查看
pd_build_mask / pd_build_masks / pd_combine_masks	掩码构建	查看
DataFrameStatistics	统计分析	查看
pd_cal_date_diff / pd_round_columns	日期计算和数值舍入	查看

计算工具

函数/类名	功能说明
format_difference	数值差异格式化

日志工具

函数/类名	功能说明
setup_logger	配置彩色日志logger
color_logger	彩色日志输出

许可证

MIT License