python全套教程百度网盘下载提取码（Python大神用9个实用技巧，分享给你）

python教程会试着介绍一些其它文章没有提到的小技巧
  
  
  
  
  
  
  ，这些小技巧也是我平时会用到的的
  
  
  
  
  
  
  。让我们一探究竟吧！

整理字符串输入

整理用户输入的问题在编程过程中极为常见 
  
  
  
  
  
  
。通常情况下 
  
  
  
  
  
  
，将字符转换为小写或大写就够了 


 


 


 


 


 


 

，有时你可以使用正则表达式模块「Regex」完成这项工作 


 


 


 


 


 


 

。但是如果问题很复杂
 
 
 
 
 
 
 ，可能有更好的方法来解决：

user_input="This stringhassomewhitespaces... " character_map={ ord( ):, ord():, ord( ):None } user_input.translate(character_map)#Thisstringhassomewhitespaces...

在本例中  
   
   
   
   
   
   
，你可以看到空格符「 n」和「 t」都被替换成了单个空格 

 

 

 

 

 

 
，「 r」都被删掉了
 
 
 
 
 
 
 。这只是个很简单的例子

 

 

 

 

 

 

 ，我们可以更进一步             ，使用「unicodedata」程序包生成大型重映射表 
 

 
 

 
 

 
 

 
 

 
 

 
 
，并使用其中的「combining()」进行生成和映射













，我们可以

迭代器切片（Slice）

如果对迭代器进行切片操作                    ，会返回一个「TypeError」 
 
 
 
 
 
 
 
 
 
 
 
 
 
，提示生成器对象没有下标



















，但是我们可以用一个简单的方案来解决这个问题：

importitertools s=itertools.islice(range(50),10,20)#<itertools.isliceobjectat0x7f70fab88138> forvalins: ...

我们可以使用「itertools.islice」创建一个「islice」对象              ，该对象是一个迭代器 
 
  
 
  
 
  
 
  
 
  
 
  
 
，可以产生我们想要的项  
   
   
   
   
   
   
。但需要注意的是












，该操作要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

有时你要处理一些以不需要的行（如注释）开头的文件

 

 

 

 

 

 

 。「itertools」再次提供了一种简单的解决方案：

string_from_file=""" //Author:... //License:... // //Date:... Actualcontent... """ importitertools forlineinitertools.dropwhile(lambdaline:line.startswith("//"),string_from_file.split(" ")): print(line)

这段代码只打印初始注释部分之后的内容             。如果我们只想舍弃可迭代对象的开头部分（本示例中为开头的注释行） 
  
  
  
  
  
  
，而又不知道要这部分有多长时 


 


 


 


 


 


 

，这种方法就很有用了 
 

 
 

 
 

 
 

 
 

 
 

 
 
。

只包含关键字参数的函数 (kwargs)

当我们使用下面的函数时
 
 
 
 
 
 
 ，创建仅仅需要关键字参数作为输入的函数来提供更清晰的函数定义  
   
   
   
   
   
   
，会很有帮助：

deftest(*,a,b): pass test("valuefora","valueforb")#TypeError:test()takes0positionalarguments... test(a="value",b="value2")#Works...

如你所见 

 

 

 

 

 

 
，在关键字参数之前加上一个「」就可以解决这个问题













。如果我们将某些参数放在「」参数之前

 

 

 

 

 

 

 ，它们显然是位置参数                    。

创建支持「with」语句的对象

举例而言             ，我们都知道如何使用「with」语句打开文件或获取锁 
 

 
 

 
 

 
 

 
 

 
 

 
 
，但是我们可以实现自己上下文表达式吗？是的













，我们可以使用「enter」和「exit」来实现上下文管理协议:

classConnection: def__init__(self): ... def__enter__(self): #Initializeconnection... def__exit__(self,type,value,traceback): #Closeconnection... withConnection()asc: #__enter__()executes ... #conn.__exit__()executes

这是在 Python 中最常见的实现上下文管理的方法                    ，但是还有更简单的方法:

fromcontextlibimportcontextmanager @contextmanager deftag(name): print(f"<{name}>") yield print(f"</{name}>") withtag("h1"): print("ThisisTitle.")

上面这段代码使用 contextmanager 的 manager 装饰器实现了内容管理协议 
 
 
 
 
 
 
 
 
 
 
 
 
 
。在进入 with 块时 tag 函数的第一部分（在 yield 之前的部分）就已经执行了 
 
 
 
 
 
 
 
 
 
 
 
 
 
，然后 with 块才被执行



















，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了某种类的大量实例的程序              ，那么你可能已经注意到 
 
  
 
  
 
  
 
  
 
  
 
  
 
，你的程序突然需要大量的内存              。那是因为 Python 使用字典来表示类实例的属性












，这使其速度很快
  
  
  
  
  
  
  ，但内存使用效率却不是很高 
 
  
 
  
 
  
 
  
 
  
 
  
 
。通常情况下 
  
  
  
  
  
  
，这并不是一个严重的问题












。但是 


 


 


 


 


 


 

，如果你的程序因此受到严重的影响
 
 
 
 
 
 
 ，不妨试一下「slots」：

classPerson: __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

当我们定义了「slots」属性时  
   
   
   
   
   
   
，Python 没有使用字典来表示属性 

 

 

 

 

 

 
，而是使用小的固定大小的数组

 

 

 

 

 

 

 ，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」上现有的属性 
  
  
  
  
  
  
。而且 
 

 
 

 
 

 
 

 
 

 
 

 
 
，带有「slots」的类不能使用多重继承 


 


 


 


 


 


 

。

限制「CPU」和内存使用量

如果不是想优化程序对内存或 CPU 的使用率













，而是想直接将其限制为某个确定的数字                    ，Python 也有一个对应的库可以做到：

importsignal importresource importos #ToLimitCPUtime deftime_exceeded(signo,frame): print("CPUexceeded...") raiseSystemExit(1) defset_max_runtime(seconds): #Installthesignalhandlerandsetaresourcelimit soft,hard=resource.getrlimit(resource.RLIMIT_CPU) resource.setrlimit(resource.RLIMIT_CPU,(seconds,hard)) signal.signal(signal.SIGXCPU,time_exceeded) #Tolimitmemoryusage defset_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



















，同时包含设置 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              ，我们首先获得该特定资源（RLIMIT_CPU）的软限制和硬限制 
 
  
 
  
 
  
 
  
 
  
 
  
 
，然后使用通过参数指定的秒数和先前检索到的硬限制来进行设置  
   
   
   
   
   
   
。最后












，如果 CPU 的运行时间超过了限制
  
  
  
  
  
  
  ，我们将发出系统退出的信号 

 

 

 

 

 

 
。在内存使用方面 
  
  
  
  
  
  
，我们再次检索软限制和硬限制 


 


 


 


 


 


 

，并使用带「size」参数的「setrlimit」和先前检索到的硬限制来设置它

 

 

 

 

 

 

 。

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 中只有以大写字母开头的成员被导出             。然而  
   
   
   
   
   
   
，在 Python 中 

 

 

 

 

 

 
，所有成员都会被导出（除非我们使用了「all」）：

deffoo(): pass defbar(): pass __all__=["bar"]

在上面这段代码中

 

 

 

 

 

 

 ，我们知道只有「bar」函数被导出了 
 

 
 

 
 

 
 

 
 

 
 

 
 
。同样             ，我们可以让「all」为空 
 

 
 

 
 

 
 

 
 

 
 

 
 
，这样就不会导出任何东西













，当从这个模块导入的时候                    ，会造成「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（如 lt , le , gt , ge）是很繁琐的                    。有更简单的方法可以做到这一点吗？这种时候 
 
 
 
 
 
 
 
 
 
 
 
 
 
，「functools.total_ordering」就是一个很好的帮手：

fromfunctoolsimporttotal_ordering @total_ordering classNumber: def__init__(self,value): self.value=value def__lt__(self,other): returnself.value<other.value def__eq__(self,other): returnself.value==other.value print(Number(20)>Number(3)) print(Number(1)<Number(5)) print(Number(15)>=Number(15)) print(Number(10)<=Number(2))

这里的工作原理究竟是怎样的呢？我们用「total_ordering」装饰器简化实现对类实例排序的过程 
 
 
 
 
 
 
 
 
 
 
 
 
 
。我们只需要定义「lt」和「eq」就可以了



















，它们是实现其余操作所需要的最小的操作集合（这里也体现了装饰器的作用——为我们填补空白）



















。

结语

并非本文中所有提到的功能在日常的 Python 编程中都是必需或有用的              ，但是其中某些功能可能会不时派上用场 
 
  
 
  
 
  
 
  
 
  
 
  
 
，而且它们也可能简化一些原本就很冗长且令人烦恼的任务              。还需指出的是












，所有这些功能都是 Python 标准库的一部分 
 
  
 
  
 
  
 
  
 
  
 
  
 
。而在我看来
  
  
  
  
  
  
  ，其中一些功能似乎并不像标准库中包含的标准内容 
  
  
  
  
  
  
，所以当你使用 Python 实现本文提到的某些功能时 


 


 


 


 


 


 

，请先参阅 Python 的标准库
 
 
 
 
 
 
 ，如果你不能找到想要的功能  
   
   
   
   
   
   
，可能只是因为你还没有尽力查找（如果真的没有 

 

 

 

 

 

 
，那它肯定也存在于一些第三方库）












。