Python的技巧有哪些

本篇內容主要講解“Python的技巧有哪些”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Python的技巧有哪些”吧!

1、對輸入的字符串“消毒”

對用戶輸入的內容“消毒”，這問題幾乎適用于你編寫的所有程序。通常將字符轉換為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，但是對于復雜的情況，還有更好的方法：

user_input = "This  string has  some whitespaces...  "  character_map = {   ord(    ) :    ,   ord(    ) :    ,   ord(    ) : 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“ ”和“ ”被單個空格替換了，而“ ”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），并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)  # <itertools.islice object at 0x7f70fab88138>  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。

（譯注：更多關于迭代器切片的內容，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（例如注釋）為開頭。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("  ")):      print(line)

這段代碼僅會打印在初始的注釋部分之后的內容。如果我們只想丟棄迭代器的開頭部分（在此例中是注釋），并且不知道有多少內容，那么此方法很有用。

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 * 參數來輕松解決此問題。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么？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("h2"):   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，然后執行 with 的代碼塊，最后會執行 tag 函數的剩余部分。

5、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，那么你可能已經注意到你的程序突然就需要大量內存。那是因為 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

這里發生的是，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，并且只能使用在__slots__中的屬性。同樣，帶有__slots__的類不能使用多重繼承。

6、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為某個固定數字，那么 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))

在這里，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。對于 CPU 限制，我們首先獲取該特定資源（RLIMIT_CPU）的軟限制和硬限制，然后通過參數指定的秒數和先前獲取的硬限制來設置它。最后，如果超過 CPU 時間，我們將注冊令系統退出的信號。至于內存，我們再次獲取軟限制和硬限制，并使用帶有 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于導出成員（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。對于以上示例，通配導入時只會導入 bar。此外，我們可以將__all__ 設為空，令其無法導出任何東西，并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

為一個類實現所有比較運算符可能會很煩人，因為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 裝飾器用于簡化為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，裝飾器將映射剩余的操作——它為我們填補了空白。

（ 譯注： 原作者的文章分為兩篇，為了方便讀者們閱讀，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，我們可以避免神秘的索引，方法是先使用 slice 函數命名它們，然后再使用它們。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，并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，關于 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，那么 Python 的 difflib 會為你提供支持。

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。在這里，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 （默認值為 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，在這里【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，并在 Vim 或 Emacs 中進行編碼的人，那么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 會啟動交互式 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()

并使用python3.8 -i script.py運行腳本：

# Script crashes...  Traceback (most recent call last):    File "script.py", line 4, in <module>      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，以了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，然后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

你可能傾向于將替代構造函數的所有邏輯放入__init__，并使用*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__，并在單獨的方法/構造函數中執行所有操作。這樣，對于類的維護者和用戶而言，得到的都是干凈的代碼。

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于對其結果進行緩存（存儲）？如果你有，那么有簡單的解決方案，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，用于使緩存結果無效。

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，因為 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：

pythonprint(cheese_count["mozzarella"])¨K40Kcheese_count["mozzarella"] += 1print(cheese_count["mozzarella"])¨K41K

除此之外，你還可以使用 update(more_words) 方法輕松添加更多元素。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。

到此，相信大家對“Python的技巧有哪些”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！