关于 Python_你一定没读过的8个技巧
介绍 python 功能和小技巧的文章网上有无数篇,比如变量解压缩,partial 偏函数,枚举可迭代对象... 但关于 python 我们能说的还有很多。所以今天我将向大家展示一些我知道和有使用过的特性,这些特性在其它文章或博客中很少被提及:
消毒字符串输入
对用户输入内容进行消毒几乎适用于你写的每一个程序。通常来说转换字符大小写的操作就足够了,有时候用 regex 正则表达式就能完成,但对于比较复杂的情况,我们有更好的办法:
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... "
在这个例子中我们可以看到空格子字符"\n"和"\t"已被单个空格代替,而"\r"已经被删除。这是一个很简单的示例,但我们可以更进一步,并使用unicodedata包和它的 combining() 函数来重新生成映射。
迭代器切片
如果尝试对 iterator 进行切片,则会出现 typeerror和"generator object is not subscriptable"的报错,但我们有一个简单的解决办法:
import itertools s = itertools.islice(range(50), 10, 20) # <itertools.islice object at 0x7f70fab88138> for val in s: ...
通过使用 itertools.islice我们可以创建一个 islice对象,该对象是产生所需项目的迭代器。不过这里需要注意的是,它会消耗所有的生成器项直到切片的开始为止,而且还会消耗 islice对象中的所有项。
跳过可迭代对象的开始部分
有时候你不得不去处理这样一些文件,它们的开头是毫无用处的行,比如注释之类的。itertools再一次地能在这里派上用场:
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)
这个代码片段只会生成文件开始注释之后的部分。如果我们只想丢弃可迭代对象开头的某些项(比如这个例子中的注释部分),但不确定这个项的大小,这个方法很实用。
创建支持 with声明的对象
大家想必都知道如何用 with声明来打开文件或者获取锁,但我们能实现自己的 with声明吗?是的,实际上通过使用 enter和 exit我们就可以实现一个上下文管理器协议:
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 python 中实现上下文管理最常见的方法,但其实还有一种更简单的方法:
from contextlib import contextmanager @contextmanager def tag(name): print(f"<{name}>") yield print(f"") with tag("h1"): print("this is title.")
上面的代码片段使用 contextmanager管理器装饰器实现了内容管理协议 。进入 with块时,执行 tag()的第一部分(在 yield之前),然后再执行该块,最后执行 tag()剩下的部分。
用 slots节省内存
如果在你编写的程序中会创建某个类的大量实例,那么你肯定已经注意到你的程序会占用大量内存。这是因为 python 使用 dictionary 来表示类实例的属性,虽然它速度很快但内存效率却很低。大部分情况下这个问题并不那么严重,但如果它对你的程序来说是一个大问题,你可以尝试使用 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
所以这里的情况就是当我们定义slots的属性时,python 使用的是小型的固定大小的数组,而不是 dictionary,这就大大减少了每个实例所需的内存。使用 slots也有缺点——我们无法声明任何新属性,并且只能在 slots上使用它们。同样,带有 slots的类不能使用多重继承。
限制 cpu 和内存使用
如果你不是想通过优化程序来降低它的 cpu 和内存使用率,而是想简单粗暴地直接限制它为某个数字,那么 python 中有一个库可以做到:
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))
这里我们看到了两种限制最大 cpu 运行时间和最大内存使用的方法。对于 cpu 限制,我们首先获得该特定资源( rlimit_cpu)的软限制与硬限制,然后使用参数指定的描述和闲钱获取的硬限制来设置它。最后,如果 cpu 时间被超出,我们将注册导致系统退出的信号。至于内存方面,我们再次获取软限制与硬限制,并使用带有 size 参数的 setrlimit和获取的硬限制对其进行设置。
控制可导入和不可导入的内容
有些语言对于到处成员变量,方法和接口有着非常明确的机制,比如 golang,在 go 中仅有以大写字母开头的成员才能被导出。另一方面,在 python 中,所有内容都可以到处,除非我们使用 all:
def foo(): pass def bar(): pass __all__ = ["bar"]
根据上面的代码片段,我们可以看出只有 bar()会被导出。另外,我们可以将 all保留为空,并且从此模块导入时,不会输出任何 attributeerror。
比较运算符的简便方法
python 中有很多比较运算符:lt , le , gt 和 ge,但有没有更容易的方法呢?functools.total_ordering就可以办到:
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))
那么它实际上是怎么工作的呢?total_ordering装饰器用于简化为我们的类实现实力顺序的过程。只需要定义 lt 和 eq,这也是映射剩余操作所需的最低要求,也是装饰器的工作——它为我们填补了这个空缺。在学习python的过程中,往往因为没有资料或者没人指导从而导致自己不想学下去了,因此我特意准备了个群 592539176 ,群里有大量的pdf书籍、教程都给大家免费使用!不管是学习到哪个阶段的小伙伴都可以获取到自己相对应的资料!
总结
上述的特性与操作都不一定是你在日常 python 编程中常用到的,但其中一些时不时会让你感到头疼。上面所提供的解决方案大多简化了很多任务,这些任务用较为常见的方法处理都会比较冗长无聊。另外要指出的一点是,所有的这些功能都是 python 标准库的一部分。在我看来,其中一些功能类似于“标准库中的非标准功能”,因此每当你想要在 python 中实现某些功能时,首先去标准库里找一找,如果没有这个功能,那肯定是你找得不够仔细,如果实在是没有,再去找相关的第三方库。
上一篇: 番茄与西红柿有何区别,好吃的西红柿做法
下一篇: Laravel jwt 多表验证隔离