关于python:编程进阶这些-Python-常用技巧真棒

整顿字符串输出
整顿用户输出的问题在编程过程中极为常见。通常状况下，将字符转换为小写或大写就够了，有时你能够应用正则表达式模块「Regex」实现这项工作。然而如果问题很简单，可能有更好的办法来解决：

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...

在本例中，你能够看到空格符「\ n」和「\ t」都被替换成了单个空格，「\ r」都被删掉了。这只是个很简略的例子，咱们能够更进一步，应用「unicodedata」程序包生成大型重映射表，并应用其中的「combining()」进行生成和映射，咱们能够

迭代器切片（Slice）
如果对迭代器进行切片操作，会返回一个「TypeError」，提醒生成器对象没有下标，然而咱们能够用一个简略的计划来解决这个问题：

import itertools

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

咱们能够应用「itertools.islice」创立一个「islice」对象，该对象是一个迭代器，能够产生咱们想要的项。但须要留神的是，该操作要应用切片之前的所有生成器项，以及「islice」对象中的所有项。

跳过可迭代对象的结尾
有时你要解决一些以不须要的行（如正文）结尾的文件。「itertools」再次提供了一种简略的解决方案：

string_from_file = """
// Author: ...
// License: ...
//
// Date: ...
Actual content...
"""

import itertools

for line in itertools.dropwhile(lambda line: line.startswith("//"), string_from_file.split("\n")):
    print(line)

这段代码只打印初始正文局部之后的内容。如果咱们只想舍弃可迭代对象的结尾局部（本示例中为结尾的正文行），而又不晓得要这部分有多长时，这种办法就很有用了。

只蕴含关键字参数的函数 (kwargs)
当咱们应用上面的函数时，创立仅仅须要关键字参数作为输出的函数来提供更清晰的函数定义，会很有帮忙：

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，在关键字参数之前加上一个「」就能够解决这个问题。如果咱们将某些参数放在「」参数之前，它们显然是地位参数。

创立反对「with」语句的对象
举例而言，咱们都晓得如何应用「with」语句关上文件或获取锁，然而咱们能够实现本人上下文表达式吗？是的，咱们能够应用「__enter__」和「__exit__」来实现上下文治理协定:

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 中最常见的实现上下文治理的办法，然而还有更简略的办法:

from contextlib import contextmanager

@contextmanager
def tag(name):
    print(f"<{name}>")
    yield
    print(f"</{name}>")

with tag("h1"):
    print("This is Title.")

下面这段代码应用 contextmanager 的 manager 装璜器实现了内容治理协定。在进入 with 块时 tag 函数的第一局部（在 yield 之前的局部）就曾经执行了，而后 with 块才被执行，最初执行 tag 函数的其余部分。

用「__slots__」节俭内存
如果你已经编写过一个创立了某种类的大量实例的程序，那么你可能曾经留神到，你的程序忽然须要大量的内存。那是因为 Python 应用字典来示意类实例的属性，这使其速度很快，但内存应用效率却不是很高。通常状况下，这并不是一个重大的问题。然而，如果你的程序因而受到重大的影响，无妨试一下「__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

当咱们定义了「__slots__」属性时，Python 没有应用字典来示意属性，而是应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。应用「__slots__」也有一些毛病：咱们不能申明任何新的属性，咱们只能应用「__slots__」上现有的属性。而且，带有「__slots__」的类不能应用多重继承。

限度「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，而是想间接将其限度为某个确定的数字，Python 也有一个对应的库能够做到：

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))

咱们能够看到，在下面的代码片段中，同时蕴含设置最大 CPU 运行工夫和最大内存应用限度的选项。在限度 CPU 的运行工夫时，咱们首先取得该特定资源（RLIMIT_CPU）的软限度和硬限度，而后应用通过参数指定的秒数和先前检索到的硬限度来进行设置。最初，如果 CPU 的运行工夫超过了限度，咱们将收回零碎退出的信号。在内存应用方面，咱们再次检索软限度和硬限度，并应用带「size」参数的「setrlimit」和先前检索到的硬限度来设置它。

管制能够 / 不能够导入什么
有些语言有非常明显的机制来导出成员（变量、办法、接口），例如在 Golang 中只有以大写字母结尾的成员被导出。然而，在 Python 中，所有成员都会被导出（除非咱们应用了「__all__」）：

def foo():
    pass

def bar():
    pass

__all__ = ["bar"]

在下面这段代码中，咱们晓得只有「bar」函数被导出了。同样，咱们能够让「__all__」为空，这样就不会导出任何货色，当从这个模块导入的时候，会造成「AttributeError」。

实现比拟运算符的简略办法
为一个类实现所有的比拟运算符（如 lt , le , gt , __ge__）是很繁琐的。有更简略的办法能够做到这一点吗？这种时候，「functools.total_ordering」就是一个很好的帮手：

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))

这里的工作原理到底是怎么的呢？咱们用「total_ordering」装璜器简化实现对类实例排序的过程。咱们只须要定义「__lt__」和「__eq__」就能够了，它们是实现其余操作所须要的最小的操作汇合（这里也体现了装璜器的作用——为咱们填补空白）。

结语
并非本文中所有提到的性能在日常的 Python 编程中都是必须或有用的，然而其中某些性能可能会不断派上用场，而且它们也可能简化一些本来就很简短且令人烦恼的工作。还需指出的是，所有这些性能都是 Python 规范库的一部分。而在我看来，其中一些性能仿佛并不像规范库中蕴含的规范内容，所以当你应用 Python 实现本文提到的某些性能时，请先参阅 Python 的规范库，如果你不能找到想要的性能，可能只是因为你还没有尽力查找（如果真的没有，那它必定也存在于一些第三方库）。

以上就是本次分享的全部内容，当初想要学习编程的小伙伴欢送关注 Python 技术大本营，获取更多技能与教程。