Python大神用9个实用技巧分享给大家

我会尽量介绍一些其他文章中没有提到的tips，这些tips也是我常用的。让我们来了解一下！

整理字符串输入

整理用户输入的问题在编程中极为常见。通常将字符转换为小写或大写就足够了，有时你可以使用正则表达式模块“Regex”来完成这项工作。但如果问题很复杂，可能有更好的解决方法：

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“n”和“t”已被替换为单个空格，并且“r”已被删除。这只是一个很简单的例子，我们可以更进一步，使用“unicodedata”包生成一个大的remap表，并使用里面的“combining()”来生成和映射，我们可以

迭代器切片（Slice）

如果对迭代器进行切片，会返回一个“TypeError”，表示生成器对象没有下标，但是我们可以通过一个简单的解决方案来解决这个问题：

import itertools  
s = itertools.islice(range(50), 10, 20)  # <itertools.islice object at 0x7f70fab88138>  
for val in s:  
    ...

我们可以使用“itertools.islice”来创建一个“islice”对象，它是一个迭代器，可以产生我们想要的项目。但是请注意，此操作使用切片之前的所有生成器项，以及“islice”对象中的所有项。

跳过可迭代对象的开头

有时你必须处理一些以不需要的行开头的文件，例如注释。 “itertools”再次提供了一个简单的解决方案：

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)

此代码仅打印初始注释部分之后的内容。如果我们只想丢弃可迭代的开头（在这种情况下，开头的注释行），并且我们不知道我们希望该部分保留多长时间，则此方法很有用。

只包含关键字参数的函数 (kwargs)

当我们使用以下函数时，创建只需要关键字参数作为输入的函数以提供更清晰的函数定义会很有帮助：

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...

如你所见，在关键字参数前添加“”可以解决问题。如果我们在“”参数之前放一些参数，那么它们显然是位置参数。

创建支持「with」语句的对象

例如，我们都知道如何使用“with”语句打开文件或获取锁，但我们可以实现自己的上下文表达式吗？是的，我们可以使用“进入”和“退出”来实现上下文管理协议：

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

这是在 Python 中实现上下文管理最常用的方法，但也有更简单的方法：

from contextlib import contextmanager  
@contextmanager  
def tag(name):  
    print(f"<{name}>")  
    yield  
    print(f"</{name}>")  
with tag("h1"):  
    print("This is Title.")

上面的代码使用 contextmanager 的 manager 装饰器实现了内容管理协议。 tag 函数的第一部分（yield 之前的部分）在进入 with 块时执行，然后执行 with 块，最后执行 tag 函数的其余部分。

用「slots」节省内存

如果你曾经编写过一个创建大量某个类的实例的程序，你可能已经注意到你的程序突然需要大量内存。这是因为 Python 使用字典来表示类实例的属性，这使其速度快，但内存效率不高。通常，这不是一个严重的问题。但是，如果你的程序受此严重影响，请尝试“插槽”：

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

当我们定义“slots”属性时，Python 没有使用字典来表示属性，而是使用了固定大小的小型数组，这大大减少了每个实例所需的内存。使用“slots”也有一些缺点：我们不能声明任何新的属性，我们只能使用“slots”上的现有属性。此外，具有“插槽”的类不能使用多重继承。

限制「CPU」和内存使用量

如果你不想优化程序的内存或CPU使用率，而是想直接限制在一定数量，Python也有相应的库可以做到：

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))

我们可以看到，在上面的代码片段中，有设置 CPU 运行时间和内存使用限制的选项。在限制 CPU 的运行时间时，我们首先获取特定资源的软限制和硬限制 (RLIMIT_CPU)，然后使用通过参数指定的秒数和之前检索到的硬限制来设置它们。最后，如果 CPU 的运行时间超过限制，我们会发出信号让系统退出。在内存使用方面，我们再次检索软限制和硬限制，并使用带有“size”参数的“setrlimit”和之前检索的硬限制进行设置。

控制可以/不可以导入什么

有些语言有非常明显的机制来导出成员（变量、方法、接口），例如在 Golang 中，仅导出以大写字母开头的成员。然而，在 Python 中，所有成员都被导出（除非我们使用“all”）：

def foo():  
    pass  
def bar():  
    pass  
__all__ = ["bar"]

在上面的代码中，我们知道只导出了“bar”函数。同样，我们可以将“all”留空，这样就不会导出任何内容，这会在从该模块导入时引发“AttributeError”。

实现比较运算符的简单方法

为一个类实现所有的比较运算符（例如 lt 、 le 、 gt 、 ge ）是乏味的。有没有更简单的方法来做到这一点？在这种情况下，“functools.total_ordering”是一个很好的帮手：

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))

它究竟是如何在这里工作的？我们使用“total_ordering”装饰器来简化实现类实例排序的过程。我们只需要定义“lt”和“eq”，它们是实现其余操作所需的最小操作集（装饰器的作用就在这里——为我们填补空白）。

结语

并非本文中提到的所有功能在日常 Python 编程中都是必需或有用的，但其中一些可能会不时派上用场，它们还可能简化一些已经乏味和烦人的任务。还值得指出的是，所有这些函数都是 Python 标准库的一部分。而且其中一些函数在我看来不像标准库中包含的标准东西，所以当你使用Python实现本文中提到的一些函数时，请先参考Python的标准库，如果你不能找到你想要的功能，可能只是因为你没有尽力查找它（如果没有，它也必须存在于某个 3rd 方库中）。

更多相关免费学习推荐：


（视频）