| 新年之初就發生了天大的事件，相信不須我指出名了，但它們打亂了太多人的生活安排，甚至是生命軌跡，幾乎沒有人不受到影響。面對那些事，我個人感覺很乏力，不安與疲憊。可是放空了幾天後，我們還是得積極面對，將生活撥回正軌，繼續那些未竟之事。人生苦短，願諸君皆可平安喜樂！ |
有許許多多文章寫了 Python 中的許多很酷的特性，例如變量解包、偏函數、枚舉可迭代對象，但是關於 Python 還有很多要討論的話題，因此在本文中，我將嘗試展示一些我知道的和在使用的，但很少在其它文章提到過的特性。那就開始吧。
1、對輸入的字符串“消毒”
對用戶輸入的內容“消毒”，這問題幾乎適用於你編寫的所有程序。通常將字符轉換爲小寫或大寫就足夠了，有時你還可以使用正則表達式來完成工作，但是對於複雜的情況，還有更好的方法：
user_input = "This\nstring has\tsome whitespaces...\r\n"
character_map = {
ord('\n') : ' ',
ord('\t') : ' ',
ord('\r') : None
}
user_input.translate(character_map) # This string has some whitespaces... "
在此示例中，你可以看到空格字符“ \n”和“ \t”被單個空格替換了，而“ \r”則被完全刪除。這是一個簡單的示例，但是我們可以更進一步，使用unicodedata 庫及其 combining() 函數，來生成更大的重映射表(remapping table)，並用它來刪除字符串中所有的重音。
2、對迭代器切片
如果你嘗試直接對迭代器切片，則會得到 TypeError ，提示說該對象不可取下標(not subscriptable)，但是有一個簡單的解決方案：
import itertools s = itertools.islice(range(50), 10, 20) # for val in s: ...
使用itertools.islice，我們可以創建一個 islice 對象，該對象是一個迭代器，可以生成我們所需的內容。但是這有個重要的提醒，即它會消耗掉切片前以及切片對象 islice 中的所有元素。
(譯註：更多關於迭代器切片的內容，可閱讀Python進階：迭代器與迭代器切片)
3、跳過可迭代對象的開始
有時候你必須處理某些文件，它們以可變數量的不需要的行(例如註釋)爲開頭。itertools 再次提供了簡單的解決方案：
string_from_file = """
// Author: ...
// License: ...
//
// Date: ...
Actual content...
"""
import itertools
for line in itertools.dropwhile(lambda line:line.startswith("//"), string_from_file.split("\n")):
print(line)
這段代碼僅會打印在初始的註釋部分之後的內容。如果我們只想丟棄迭代器的開頭部分(在此例中是註釋)，並且不知道有多少內容，那麼此方法很有用。
4、僅支持關鍵字參數(kwargs)的函數
當需要函數提供(強制)更清晰的參數時，創建僅支持關鍵字參數的函數，可能會挺有用：
def test(*, a, b):
pass
test("value for a", "value for b") # TypeError: test() takes 0 positional arguments...
test(a="value", b="value 2") # Works...
如你所見，可以在關鍵字參數之前，放置單個 * 參數來輕鬆解決此問題。如果我們將位置參數放在 * 參數之前，則顯然也可以有位置參數。
5、創建支持 with 語句的對象
我們都知道如何使用 with 語句，例如打開文件或者是獲取鎖，但是我們可以實現自己的麼?是的，我們可以使用__enter__ 和__exit__ 方法來實現上下文管理器協議：
class Connection: def __init__(self): ... def __enter__(self): # Initialize connection... def __exit__(self, type, value, traceback): # Close connection... with Connection() as c: # __enter__() executes ... # conn.__exit__() executes
這是在 Python 中實現上下文管理的最常見方法，但是還有一種更簡單的方法：
from contextlib import contextmanager
@contextmanager
def tag(name):
print(f"<{name}>")
yield
print(f"</{name}>")
with tag("h1"):
print("This is Title.")
上面的代碼段使用 contextmanager 裝飾器實現了內容管理協議。tag 函數的第一部分(yield 之前)會在進入 with 語句時執行，然後執行 with 的代碼塊，最後會執行 tag 函數的剩餘部分。
6、用__slots__節省內存
如果你曾經編寫過一個程序，該程序創建了某個類的大量實例，那麼你可能已經注意到你的程序突然就需要大量內存。那是因爲 Python 使用字典來表示類實例的屬性，這能使其速度變快，但內存不是很高效。通常這不是個問題，但是，如果你的程序遇到了問題，你可以嘗試使用__slots__ ：
class Person:
__slots__ = ["first_name", "last_name", "phone"]
def __init__(self, first_name, last_name, phone):
self.first_name = first_name
self.last_name = last_name
self.phone = phone
這裏發生的是，當我們定義__slots__屬性時，Python 使用固定大小的小型數組，而不是字典，這大大減少了每個實例所需的內存。使用__slots__還有一些缺點——我們無法聲明任何新的屬性，並且只能使用在__slots__中的屬性。同樣，帶有__slots__的類不能使用多重繼承。
7、限制CPU和內存使用量
如果不是想優化程序內存或 CPU 使用率，而是想直接將其限制爲某個固定數字，那麼 Python 也有一個庫能做到：
import signal
import resource
import os
# To Limit CPU time
def time_exceeded(signo, frame):
print("CPU exceeded...")
raise SystemExit(1)
def set_max_runtime(seconds):
# Install the signal handler and set a resource limit
soft, hard = resource.getrlimit(resource.RLIMIT_CPU)
resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard))
signal.signal(signal.SIGXCPU, time_exceeded)
# To limit memory usage
def set_max_memory(size):
soft, hard = resource.getrlimit(resource.RLIMIT_AS)
resource.setrlimit(resource.RLIMIT_AS, (size, hard))
在這裏，我們可以看到兩個選項，可設置最大 CPU 運行時間和內存使用上限。對於 CPU 限制，我們首先獲取該特定資源(RLIMIT_CPU)的軟限制和硬限制，然後通過參數指定的秒數和先前獲取的硬限制來設置它。最後，如果超過 CPU 時間，我們將註冊令系統退出的信號。至於內存，我們再次獲取軟限制和硬限制，並使用帶有 size 參數的setrlimit 和獲取的硬限制對其進行設置。
8、控制可以import的內容
某些語言具有非常明顯的用於導出成員(變量、方法、接口)的機制，例如Golang，它僅導出以大寫字母開頭的成員。另一方面，在 Python 中，所有內容都會被導出，除非我們使用__all__ ：
def foo(): pass def bar(): pass __all__ = ["bar"]
使用上面的代碼段，我們可以限制from some_module import * 在使用時可以導入的內容。對於以上示例，通配導入時只會導入 bar。此外，我們可以將__all__ 設爲空，令其無法導出任何東西，並且在使用通配符方式從此模塊中導入時，將引發 AttributeError。
9、比較運算符的簡便方法
爲一個類實現所有比較運算符可能會很煩人，因爲有很多的比較運算符——__lt__、__le__、__gt__ 或__ge__。但是，如果有更簡單的方法呢?functools.total_ordering 可救場：
from functools import total_ordering @total_ordering class Number: def __init__(self, value): self.value = value def __lt__(self, other): return self.value < other.value def __eq__(self, other): return self.value == other.value print(Number(20) > Number(3)) print(Number(1) < Number(5)) print(Number(15) >= Number(15)) print(Number(10) <= Number(2))
這到底如何起作用的?total_ordering 裝飾器用於簡化爲我們的類實例實現排序的過程。只需要定義__lt__ 和__eq__，這是最低的要求，裝飾器將映射剩餘的操作——它爲我們填補了空白。
( 譯註： 原作者的文章分爲兩篇，爲了方便讀者們閱讀，我特將它們整合在一起，以下便是第二篇的內容。)
10、使用slice函數命名切片
使用大量硬編碼的索引值會很快搞亂維護性和可讀性。一種做法是對所有索引值使用常量，但是我們可以做得更好：
# ID First Name Last Name
line_record = "2 John Smith"
ID = slice(0, 8)
FIRST_NAME = slice(9, 21)
LAST_NAME = slice(22, 27)
name = f"{line_record[FIRST_NAME].strip()} {line_record[LAST_NAME].strip()}"
# name == "John Smith"
在此例中，我們可以避免神祕的索引，方法是先使用 slice 函數命名它們，然後再使用它們。你還可以通過 .start、.stop和 .stop 屬性，來了解 slice 對象的更多信息。
11、在運行時提示用戶輸入密碼
許多命令行工具或腳本需要用戶名和密碼才能操作。因此，如果你碰巧寫了這樣的程序，你可能會發現 getpass 模塊很有用：
import getpass user = getpass.getuser() password = getpass.getpass() # Do Stuff...
這個非常簡單的包通過提取當前用戶的登錄名，可以提示用戶輸入密碼。但是須注意，並非每個系統都支持隱藏密碼。Python 會嘗試警告你，因此切記在命令行中閱讀警告信息。
12、查找單詞/字符串的相近匹配
現在，關於 Python 標準庫中一些晦澀難懂的特性。如果你發現自己需要使用Levenshtein distance 【2】之類的東西，來查找某些輸入字符串的相似單詞，那麼 Python 的 difflib 會爲你提供支持。
import difflib
difflib.get_close_matches('appel', ['ape', 'apple', 'peach', 'puppy'], n=2)
# returns ['apple', 'ape']
difflib.get_close_matches 會查找最佳的“足夠好”的匹配。在這裏，第一個參數與第二個參數匹配。我們還可以提供可選參數 n ，該參數指定要返回的最多匹配結果。另一個可選的關鍵字參數 cutoff (默認值爲 0.6)，可以設置字符串匹配得分的閾值。
13、使用IP地址
如果你必須使用 Python 做網絡開發，你可能會發現 ipaddress 模塊非常有用。一種場景是從 CIDR(無類別域間路由 Classless Inter-Domain Routing)生成一系列 IP 地址：
import ipaddress
net = ipaddress.ip_network('74.125.227.0/29') # Works for IPv6 too
# IPv4Network('74.125.227.0/29')
for addr in net:
print(addr)
# 74.125.227.0
# 74.125.227.1
# 74.125.227.2
# 74.125.227.3
# ...
另一個不錯的功能是檢查 IP 地址的網絡成員資格：
ip = ipaddress.ip_address("74.125.227.3")
ip in net
# True
ip = ipaddress.ip_address("74.125.227.12")
ip in net
# False
還有很多有趣的功能，在這裏【3】可以找到，我不再贅述。但是請注意，ipaddress 模塊和其它與網絡相關的模塊之間只有有限的互通性。例如，你不能將 IPv4Network 實例當成地址字符串——需要先使用 str 轉換它們。
14、在Shell中調試程序崩潰
如果你是一個拒絕使用 IDE，並在 Vim 或 Emacs 中進行編碼的人，那麼你可能會遇到這樣的情況：擁有在 IDE 中那樣的調試器會很有用。
你知道嗎?你有一個——只要用python3.8 -i 運行你的程序——一旦你的程序終止了， -i 會啓動交互式 shell，在那你可以查看所有的變量和調用函數。整潔，但是使用實際的調試器(pdb )會如何呢?讓我們用以下程序
(script.py )：
def func():
return 0 / 0
func()
並使用python3.8 -i script.py運行腳本：
# Script crashes...
Traceback (most recent call last):
File "script.py", line 4, in
func()
File "script.py", line 2, in func
return 0 / 0
ZeroDivisionError: division by zero
>>> import pdb
>>> pdb.pm() # Post-mortem debugger
> script.py(2)func()
-> return 0 / 0
(Pdb)
我們看到了崩潰的地方，現在讓我們設置一個斷點：
def func():
breakpoint() # import pdb; pdb.set_trace()
return 0 / 0
func()
現在再次運行它：
script.py(3)func() -> return 0 / 0 (Pdb) # we start here (Pdb) step ZeroDivisionError: division by zero > script.py(3)func() -> return 0 / 0 (Pdb)
大多數時候，打印語句和錯誤信息就足以進行調試，但是有時候，你需要四處摸索，以瞭解程序內部正在發生的事情。在這些情況下，你可以設置斷點，然後程序執行時將在斷點處停下，你可以檢查程序，例如列出函數參數、表達式求值、列出變量、或如上所示僅作單步執行。
pdb 是功能齊全的 Python shell，理論上你可以執行任何東西，但是你還需要一些調試命令，可在此處【4】找到。
15、在一個類中定義多個構造函數
函數重載是編程語言(不含 Python)中非常常見的功能。即使你不能重載正常的函數，你仍然可以使用類方法重載構造函數：
import datetime
class Date:
def __init__(self, year, month, day):
self.year = year
self.month = month
self.day = day
@classmethod
def today(cls):
t = datetime.datetime.now()
return cls(t.year, t.month, t.day)
d = Date.today()
print(f"{d.day}/{d.month}/{d.year}")
# 14/9/2019
你可能傾向於將替代構造函數的所有邏輯放入__init__，並使用*args 、**kwargs 和一堆 if 語句，而不是使用類方法來解決。那可能行得通，但是卻變得難以閱讀和維護。
因此，我建議將很少的邏輯放入__init__，並在單獨的方法/構造函數中執行所有操作。這樣，對於類的維護者和用戶而言，得到的都是乾淨的代碼。
16、使用裝飾器緩存函數調用
你是否曾經編寫過一種函數，它執行昂貴的 I/O 操作或一些相當慢的遞歸，而且該函數可能會受益於對其結果進行緩存(存儲)?如果你有，那麼有簡單的解決方案，即使用 functools 的lru_cache :
from functools import lru_cache
import requests
@lru_cache(maxsize=32)
def get_with_cache(url):
try:
r = requests.get(url)
return r.text
except:
return "Not Found"
for url in ["https://google.com/",
"https://martinheinz.dev/",
"https://reddit.com/",
"https://google.com/",
"https://dev.to/martinheinz",
"https://google.com/"]:
get_with_cache(url)
print(get_with_cache.cache_info())
# CacheInfo(hits=2, misses=4, maxsize=32, currsize=4)
在此例中，我們用了可緩存的 GET 請求(最多 32 個緩存結果)。你還可以看到，我們可以使用 cache_info 方法檢查函數的緩存信息。裝飾器還提供了 clear_cache 方法，用於使緩存結果無效。
我還想指出，此函數不應與具有副作用的函數一起使用，或與每次調用都創建可變對象的函數一起使用。
17、在可迭代對象中查找最頻繁出現的元素
在列表中查找最常見的元素是非常常見的任務，你可以使用 for 循環和字典(map)，但是這沒必要，因爲 collections 模塊中有 Counter 類：
from collections import Counter
cheese = ["gouda", "brie", "feta", "cream cheese", "feta", "cheddar",
"parmesan", "parmesan", "cheddar", "mozzarella", "cheddar", "gouda",
"parmesan", "camembert", "emmental", "camembert", "parmesan"]
cheese_count = Counter(cheese)
print(cheese_count.most_common(3))
# Prints: [('parmesan', 4), ('cheddar', 3), ('gouda', 2)]
實際上，Counter 只是一個字典，將元素與出現次數映射起來，因此你可以將其用作普通字典：
python print(cheese_count["mozzarella"]) ¨K40K cheese_count["mozzarella"] += 1 print(cheese_count["mozzarella"]) ¨K41K
除此之外，你還可以使用 update(more_words) 方法輕鬆添加更多元素。Counter 的另一個很酷的特性是你可以使用數學運算(加法和減法)來組合和減去 Counter 的實例。
小結
在日常 Python 編程中，並非所有這些特性都是必不可少的和有用的，但是其中一些特性可能會時不時派上用場，並且它們也可能簡化任務，而這本來可能很冗長且令人討厭。
我還要指出的是，所有這些特性都是 Python 標準庫的一部分，雖然在我看來，其中一些特性非常像是標準庫中的非標準內容。因此，每當你要在 Python 中實現某些功能時，首先可在標準庫查看，如果找不到，那你可能看得還不夠仔細(如果它確實不存在，那麼肯定在某些三方庫中)。
如果你使用 Python，那麼我認爲在這裏分享的大多數技巧幾乎每天都會有用，因此我希望它們會派上用場。另外，如果你對這些 Python 技巧和騷操作有任何想法，或者如果你知道解決上述問題的更好方法，請告訴我!
