python小技巧,python高级用法技巧_1

  python小技巧,python高级用法技巧

  Python教程会尽量介绍一些其他文章没有提到的小技巧,这些小技巧就是我平时用的。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很常见。通常,将字符转换成小写或大写就足够了。有时,您可以使用正则表达式模块“Regex”来做到这一点。但是如果问题很复杂,可能会有更好的解决方法:

  user_input=这

  字符串一些空格.

  character_map={

  订单(

  ):

  订单():

  订单(

  ):None

  }

  user _ input . translate(character _ map)# thistring某些空格.在本例中,您可以看到空格字符“n”和“t”都被替换为一个空格,并且删除了“r”。这只是一个很简单的例子。我们可以更进一步,使用unicodedata包生成一个大的重映射表,并使用“combining()”来生成和映射它。我们能

  迭代器切片(Slice)

  如果迭代器被分片,将返回“TypeError ”,表明生成器对象没有下标,但我们可以用一个简单的方案解决这个问题:

  导入工具

  s=itertools.islice(range(50),10,20)# lt;ITER tools . isliceobjectat0x7f 70 fab 88138 gt;

  forvalins:

  .我们可以使用“itertools.islice”创建一个“islice”对象,它是一个迭代器,可以产生我们想要的项。但是,应该注意,切片之前的所有生成器项和“islice”对象中的所有项都用于此操作。

  跳过可迭代对象的开头

  有时候你必须处理以不需要的行开始的文件(比如注释)。“itertools”再次提供了一个简单的解决方案:

  string_from_file=

  //Author:

  //License:

  //

  //Date:

  实际内容.

  导入工具

  forlineinitertools . drop while(lambda line : line . starts with(//),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)。

  

更多相关免费学习推荐:python教程(视频)

  

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: