tianhutools

author:Sen

e-mail:tianhuzong@qq.com Github:https://github.com/tianhuzong Gitee:https://gitee.com/thzsen QQ:1485319167

Tianhuzong开发的工具，方便在开发中使用 1.0.2加入了加密解密内容：RSA,AES，凯撒加密

1.0.3版本中，修复了维吉尼亚密码的错误，引入了与ip地址有关的类IP

1.0.4版本中，新增了检测ip是否为合法的IPv4

1.0.5中，修复一个命名冲突

2023-6-3 +0800，正式更名为tianhutool，版本重置 并加入了文本缩短

new 1.0.1版本中，将文本缩短修改为使用Python标准库re,math,和第三方库jieba

1.0.2版本中，修复了上个版本未将jieba安装进setup，并将rsa密钥修改为pem格式，rsa的密文，明文，签名文本与aes的密文，明文都修改为base64

1.0.3版本中，修改了AES加密使用的lib，修复了RSA加密出的错误 ##使用方法：

####安装模块

pip install tianhutools

安装完模块之后接下来就是引用了

下面是引用jiami模块的类的用法

from tianhutools.jiami import *
#-----RSA-----
rsa = RSA()
#生成密钥对
(gongyao,siyao) = rsa.newkeys(1024)#返回生成的密钥对
#加密
mingwen = "这是一段中文字符串"
miwen = rsa.jiami(gongyao,mingwen)#返回密文
#解密
res = rsa.jiemi(siyao,miwen)#返回明文
#数字签名
sign = rsa.sign(siyao,"这是被签名的文本")#返回签名文本
#签名验证
res = rsa.qmyz("这是被签名的文本",sign,gongyao)#返回布尔值

#-----凯撒密码-----
kaisa = KaiSa()
#加密
miwen = kaisa.jiami("Hello,world",3)
#第一个参数为欲加密的文字，除英文字母外的都不会被加密
#第二个参数是偏移量，正数表示向右偏移，负数表示向左偏移

#解密
mingwen = kaisa.jiemi(mingwen,3)
#第一个参数是密文
#第二个参数是偏移量，与加密时的偏移量相同

#-----AES-----
aes = AES
#生成AES秘钥
key = aes.newkey()#自动生成随机秘钥，bytes
#加密
miwen,suijishu,tag = aes.jiami('这是被加密的内容',key)
# 第一个参数是被加密的内容，第二个参数是秘钥
# 返回值第一个是密文
# 第二个是加密时生成的随机数
# 第三个是加密时生成的验证标签

#解密
mingwen = aes.jiemi(miwen,key,suijishu,tag)
# 第一个参数是密文
# 第二个参数是密钥
# 第三个参数是加密时生成的随机数
# 第四个参数是加密时生成的验证标签

#-----维吉尼亚密码-----
wjny = Weijiniya()
#加密
miwen = wjny.jiami("这是被加密的文字",'thisisakey')
#返回密文

#解密
mingwen = wjny.jiemi("这是被解密的文字",'thisisakey')
#返回明文

下面是使用ip模块的类的用法

from tianhutools.ip import *
ip = IP()
#请注意，输入的ip应为IPv4地址
#IP地址的基本信息
infomation = ip.jbxx(ip = '192.0.2.0')
#ip地理位置
geo = ip.geo(ip = '8.8.8.8')

下面是文本缩短实例

from tianhutools.text import *
text = Text()
longstring = """
ChatGLM-6B是清华大
学知识工程和数据挖掘小组（KnowledgeEngineeringGroup(KEG)&DataMiningatTsinghuaUniversity）发布的一个开源的对话机器人。
根据官方介绍，这是一个千亿参数规模的中英文语言模型。并且对中文做了优化。本次开源的版本是其60亿参数的小规模版本，约60亿参
数，本地部署仅需要6GB显存（INT4量化级别）。ChatGLM-6B模型卡信息：https://www.datalearner.com/ai-models/pretrained-models/ChatGLM-6B从目前的使用情况看，这个模型虽然不大，但也是与ChatGPT类似，做了针对对话的调优，使用体验很好。下图是几个对话实例
：该模型的基础模型是GLM（GLM:GeneralLanguageModelPretrainingwithAutoregressiveBlankInfilling），是一个千亿基
······
"""
#此处不写太长
res = text.suoduan(longstring)
#第一个参数是待压缩文本
#第二个参数是最长长度（被缩短后的文本长度），默认500