کتابخانه‌های استاندارد

مروری بر کتابخانهٔ استاندارد پایتون

در این بخش فرض می‌کنیم با مفهوم کلی «کتابخانه» و «وارد کردن ماژول‌ها» آشنا شده‌اید. این‌جا تمرکز ما روی چیزی است که به آن کتابخانهٔ استاندارد پایتون می‌گویند: مجموعه‌ای از ماژول‌ها که همراه خود پایتون نصب می‌شوند و بدون نصب چیز اضافی می‌توانید از آن‌ها استفاده کنید.

در ادامه، ایدهٔ کلی کتابخانهٔ استاندارد را توضیح می‌دهیم و بعد، قبل از رفتن به زیر‌بخش‌های math، random و datetime، چند نمونهٔ مهم دیگر را خیلی کوتاه معرفی می‌کنیم تا تصویر کلی‌تری بگیرید.

کتابخانهٔ استاندارد یعنی چه؟

وقتی پایتون را نصب می‌کنید، فقط «هستهٔ زبان» را دریافت نمی‌کنید؛ بلکه یک مجموعهٔ بزرگ از ماژول‌ها هم همراه آن می‌آید که به آن‌ها کتابخانهٔ استاندارد (Standard Library) می‌گویند.

ویژگی‌های مهم کتابخانهٔ استاندارد:

• همراه پایتون نصب است
  لازم نیست برای استفاده از آن‌ها چیزی با pip نصب کنید.
• کیفیت و پایداری بالا
  توسط خود تیم پایتون و جامعهٔ رسمی نگه‌داری می‌شود.
• پوشش دادن کارهای متداول مثل:
• کار با زمان و تاریخ
• انجام محاسبات ریاضی
• کار با فایل‌ها و پوشه‌ها
• فشرده‌سازی (zip و …)
• شبکه (ارسال درخواست‌های سادهٔ وب و …)
• قالب‌بندی متن، کار با رشته‌ها، الگوهای متنی و …

ایدهٔ اصلی این است:
به‌جای این‌که همه‌چیز را از صفر بنویسید، اول در کتابخانهٔ استاندارد بگردید؛ اغلب «چرخ قبلاً اختراع شده است» و فقط باید از آن استفاده کنید.

ساختار کلی استفاده از ماژول‌های استاندارد

در اکثر مواقع، برای استفاده از یک ماژول استاندارد فقط کافی است آن را import کنید. چند الگوی رایج:

• وارد کردن کل ماژول:

  import math
  print(math.pi)

• وارد کردن یک تابع یا کلاس مشخص:

  from math import sqrt
  print(sqrt(16))

• وارد کردن با نام کوتاه‌تر (مخفف):

  import datetime as dt
  today = dt.date.today()
  print(today)

در زیر‌بخش‌های بعدی این فصل، برای ماژول‌های math، random و datetime نمونه‌های عملی‌تری خواهید دید؛ این‌جا روی مرور کلی بقیهٔ بخش‌های مهم کتابخانهٔ استاندارد تمرکز می‌کنیم.

دسته‌بندی کلی ماژول‌های استاندارد

کتابخانهٔ استاندارد ده‌ها ماژول دارد. لازم نیست همه را حفظ کنید؛ مهم این است بدانید چه نوع کارهایی را پوشش می‌دهد تا وقتی نیازی داشتید، بتوانید آن را پیدا کنید.

۱. کار با سیستم‌عامل و فایل‌ها

این مجموعه کمک می‌کند با فایل‌ها، پوشه‌ها و محیط سیستم‌عامل کار کنید.

• os
  برای کار با سیستم‌عامل:
• ساخت پوشه، حذف پوشه
• به‌دست‌آوردن مسیر فعلی
• لیست کردن فایل‌های داخل یک پوشه

نمونهٔ ساده:

  import os
  print(os.getcwd())          # مسیر فعلی
  print(os.listdir("."))      # فایل‌های پوشهٔ فعلی

• pathlib
  روش «شی‌گرا»تر و جدیدتر برای کار با مسیرها:

  from pathlib import Path
  p = Path(".")
  for item in p.iterdir():
      print(item)

• shutil
  برای کارهای سطح بالاتر روی فایل‌ها:
• کپی فایل
• جابه‌جا کردن فایل
• فشرده‌سازی پوشه

این ماژول‌ها در فصل «خودکارسازی» و «کار با فایل‌ها و پوشه‌ها» کاربرد زیادی خواهند داشت.

۲. فشرده‌سازی و آرشیو

• zipfile
  ساخت و خواندن فایل‌های zip.
• tarfile
  برای فایل‌های tar (بیشتر در لینوکس/یونیکس).

نمونهٔ خیلی سادهٔ ساخت فایل zip:

import zipfile
with zipfile.ZipFile("archive.zip", "w") as z:
    z.write("file1.txt")
    z.write("file2.txt")

۳. کار با متن و رشته‌ها

پایتون در هستهٔ خود امکانات خوبی برای کار با رشته‌ها دارد، اما کتابخانهٔ استاندارد ابزارهای پیشرفته‌تری هم ارائه می‌کند.

• re
  برای جست‌وجو و تطبیق الگوها در متن با «عبارات باقاعده» (Regular Expressions).
  در این دوره وارد جزئیات کامل re نمی‌شویم، اما بدانید که برای جست‌وجوی پیچیده در متن از این ماژول استفاده می‌شود.

  import re
  text = "Email: user@example.com"
  match = re.search(r"\w+@\w+\.\w+", text)
  if match:
      print("ایمیل پیدا شد:", match.group())

• textwrap
  برای شکستن متن‌های طولانی به چند خط منظم.
• string
  شامل ثابت‌ها و ابزارهای کمکی برای رشته‌ها، مثل string.ascii_letters، string.digits و … که برای تولید رمز عبور یا پردازش متن مفید است.

۴. ذخیره‌سازی داده و ساختارهای سریالی

گاهی لازم است داده‌ها را در فایل ذخیره کنید، طوری که بعداً دوباره به شکل اصلی بازگردانده شوند.

• json
  برای خواندن/نوشتن داده‌ها در قالب JSON (فرمت بسیار رایج برای تبادل داده، مخصوصاً در وب و APIها).

  import json
  data = {"name": "Ali", "age": 20}
  text = json.dumps(data)          # تبدیل دیکشنری به رشتهٔ JSON
  print(text)
  back = json.loads(text)          # تبدیل رشتهٔ JSON به دیکشنری
  print(back["name"])

• pickle
  برای ذخیرهٔ مستقیم اشیای پایتونی در فایل و بازیابی آن‌ها.
  (برای شروع، معمولاً json گزینهٔ امن‌تر و رایج‌تری است.)

۵. ابزارهای مربوط به زمان‌سنجی و کارایی

• time
  برای کار با زمانِ سیستم (تا حدودی سطح پایین).
  می‌توانید برای اندازه‌گیری مدت اجرای یک قطعه کد از time.time() استفاده کنید.
• timeit
  برای اندازه‌گیری دقیق‌تر زمان اجرای بخش‌های کوچک کد.
  این ماژول بیشتر وقتی مهم می‌شود که روی «کارایی» (Performance) حساس باشید.

۶. ابزارهای مرتبط با شبکه و وب (مقدماتی)

حتی بدون کتابخانه‌های خارجی هم می‌توانید کارهای سادهٔ وب انجام دهید.

• urllib
  برای ارسال درخواست‌های سادهٔ HTTP (مثلاً دریافت محتوای یک صفحهٔ وب).
  در توسعهٔ وب جدی‌تر معمولاً از کتابخانه‌های خارجی مثل requests استفاده می‌شود، اما urllib پایه‌ای‌ترین ابزار استاندارد است.
• http
  مجموعه‌ای از ابزارها برای کار با پروتکل HTTP؛ برای شروع خیلی ضروری نیست، اما بدانید در کتابخانهٔ استاندارد وجود دارد.

این‌ها در فصل‌های «توسعهٔ وب» و «API های بسیار ساده» کاربرد پیدا می‌کنند.

۷. ابزارهای کاربردی عمومی

این دسته از ماژول‌ها در پروژه‌های مختلف، به شکل‌های متنوعی استفاده می‌شوند.

• collections
  ساختارهای دادهٔ پیشرفته‌تر مثل:
• Counter برای شمردن تکرار عناصر
• defaultdict برای دیکشنری با مقدار پیش‌فرض
• deque برای صف (Queue) با کارایی بالا

  from collections import Counter
  nums = [1, 2, 2, 3, 3, 3]
  c = Counter(nums)
  print(c)      # خروجی: Counter({3: 3, 2: 2, 1: 1})

• itertools
  ابزارهایی برای ساخت و ترکیب حلقه‌ها و توالی‌ها.
  در کار با داده‌ها و نوشتن کدهای فشرده و کارآمد بسیار مفید است.
• functools
  ابزارهای مربوط به توابع، مثل lru_cache برای کش‌کردن نتایج یک تابع.

۸. ابزارهای اشکال‌زدایی و توسعه

• logging
  برای ثبت پیام‌ها و وقایع (Log) در حین اجرای برنامه:
• ثبت خطاها
• ثبت اتفاقات مهم
• ذخیره در فایل

این ماژول در برنامه‌های بزرگ‌تر از print حرفه‌ای‌تر است.

• traceback
  برای کار با اطلاعات خطاها (Stack Trace) در صورت بروز استثناها؛
  در کنار try و except که در فصل «خطاها و اشکال‌زدایی» می‌آید به کار می‌آید.
• pdb
  اشکال‌زدا (Debugger) تعاملی پایتون؛
  می‌توانید وسط اجرا برنامه را متوقف کرده و متغیرها را بررسی کنید.

چطور از کتابخانهٔ استاندارد بیشترین استفاده را ببریم؟

۱. پیش از نوشتن کد، جست‌وجو کنید
اگر می‌خواهید:

• کلمه‌ها را بشمارید
• فایل‌ها را جابه‌جا کنید
• با تاریخ کار کنید
• داده‌ها را فشرده کنید
  احتمالاً یکی از ماژول‌های استاندارد این کار را قبلاً انجام داده است.

۲. مستندات رسمی را مرور کنید
آدرس کلی مستندات کتابخانهٔ استاندارد:

• https://docs.python.org
  (نسخهٔ پایتون خود را انتخاب کنید و به بخش Library Reference بروید.)

۳. با مثال‌های کوچک آزمایش کنید
مثل کدی که در این فصل و زیر‌بخش‌های math، random و datetime می‌بینید:

• چند خط بنویسید
• در حالت تعاملی پایتون (REPL) یا اسکریپت اجرا کنید
• رفتار توابع را مرحله‌به‌مرحله امتحان کنید

۴. آرام‌آرام، نه همه‌چیز یک‌جا
لازم نیست همهٔ ماژول‌ها را یک‌جا یاد بگیرید.
به‌مرور و هم‌زمان با پروژه‌ها و تمرین‌هایتان با آن‌ها آشنا می‌شوید.

چند تمرین پیشنهادی برای کار با کتابخانهٔ استاندارد

برای تمرین، می‌توانید چند پروژهٔ خیلی کوچک با تکه‌هایی از کتابخانهٔ استاندارد بسازید:

1. گذار زمان ساده
   با استفاده از ماژول‌های زمانی (مثل time یا datetime) برنامه‌ای بنویسید که:
• زمان شروع را ذخیره کند
• بعد از گرفتن یک ورودی از کاربر، مدت زمانی را که گذشته است چاپ کند
2. شمارش کلمات در یک متن
   برنامه‌ای بنویسید که:
• یک رشته (متن) بگیرد
• با استفاده از collections.Counter تعداد هر کلمه را بشمارد
3. ذخیره و بازیابی تنظیمات با JSON
   برنامه‌ای کوچک بسازید که:
• یک دیکشنری تنظیمات بسازد (مثلاً {"theme": "dark", "font_size": 14})
• آن را با json در فایلی ذخیره کند
• در اجرای بعدی، آن فایل را بخواند و تنظیمات را بازیابی کند

در زیر‌بخش‌های بعدی این فصل، به‌طور مشخص با سه ماژول math، random و datetime کار خواهیم کرد که از رایج‌ترین و پرکاربردترین قسمت‌های کتابخانهٔ استاندارد برای مبتدیان هستند.