序言
这是 “Python 工匠”系列的第 3 篇文章。
数字是简直所有编程语言里最根本的数据类型，它是咱们通过代码连贯事实世界的根底。在 Python 里有三种数值类型：整型（int）、浮点型（float）和复数（complex）。绝大多数状况下，咱们只须要和前两种打交道。
整型在 Python 中比拟让人省心，因为它不辨别有无符号并且永不溢出。但浮点型仍和绝大多数其余编程语言一样，仍然有着精度问题，常常让很多刚进入编程世界大门的新人们感到困惑："Why Are Floating Point Numbers Inaccurate?"。
相比数字，Python 里的字符串要简单的多。要把握它，你得先弄清楚 bytes 和 str 的区别。如果更不巧，你还是位 Python2 用户的话，就够你喝上好几壶了光 unicode 和字符编码问题（赶快迁徙到 Python3 吧，就在明天！）。
不过，下面提到的这些都不是这篇文章的主题，如果感兴趣，你能够在网上找到成堆的相干材料。在这篇文章里，咱们将探讨一些 更轻微、更不常见 的编程实际。来帮忙你写出更好的 Python 代码。
内容目录
- 最佳实际
1 少写数字字面量，应用 enum 枚举类型改善代码
2 别在裸字符串解决上走太远
3 不用预计算字面量表达式
- 实用技巧
1 当多级缩进里呈现多行字符串时
2 布尔值其实也是“数字”
3 改善超长字符串的可读性
4 别忘了那些 “r” 结尾的内建字符串函数
5 应用“无穷大” float("inf")
- 常见误区
1 “value = 1” 并非线程平安
2 字符串拼接并不慢
最佳实际
1. 少写数字字面量
“数字字面量（integer literal）” 是指那些间接呈现在代码里的数字。它们散布在代码里的各个角落，比方代码 del users[0] 里的 0 就是一个数字字面量。它们简略、实用，每个人每天都在写。然而，当你的代码里一直反复呈现一些特定字面量时，你的“代码品质告警灯”就应该亮起黄灯了。
举个例子，如果你刚退出一家心仪已久的新公司，共事转交给你的我的项目里有这么一个函数：
def mark_trip_as_featured(trip): """将某个旅程增加到举荐栏目 """ if trip.source == 11: do_some_thing(trip) elif trip.source == 12: do_some_other_thing(trip) ... ... return这个函数做了什么事？你致力想搞懂它的意思，不过 trip.source == 11 是什么状况？那 == 12 呢？这两行代码很简略，没有用到任何魔法个性。但首次接触代码的你可能须要破费一整个下午，能力弄懂它们的含意。
问题就出在那几个数字字面量上。 最后写下这个函数的人，可能是在公司成立之初退出的那位元老程序员。而他对那几个数字的含意十分分明。但如果你是一位刚接触这段代码的新人，就齐全是另外一码事了。
应用 enum 枚举类型改善代码
那么，怎么改善这段代码？最间接的形式，就是为这两个条件分支增加正文。不过在这里，“增加正文”显然不是晋升代码可读性的最佳方法（其实在绝大多数其余状况下都不是）。咱们须要用有意义的名称来代替这些字面量，而 枚举类型（enum）用在这里最合适不过了。
enum 是 Python 自 3.4 版本引入的内置模块，如果你应用的是更早的版本，能够通过 pip install enum34 来装置它。上面是应用 enum 的样例代码：
# -*- coding: utf-8 -*-from enum import IntEnumclass TripSource(IntEnum): FROM_WEBSITE = 11 FROM_IOS_CLIENT = 12def mark_trip_as_featured(trip): if trip.source == TripSource.FROM_WEBSITE: do_some_thing(trip) elif trip.source == TripSource.FROM_IOS_CLIENT: do_some_other_thing(trip) ... ... return将反复呈现的数字字面量定义成枚举类型，不光能够改善代码的可读性，代码呈现 Bug 的几率也会升高。
试想一下，如果你在某个分支判断时将 11 错打成了 111 会怎么样？咱们时常会犯这种错，而这类谬误在晚期特地难被发现。将这些数字字面量全副放入枚举类型中能够比拟好的躲避这类问题。相似的，将字符串字面量改写成枚举也能够取得同样的益处。
应用枚举类型代替字面量的益处：
- 晋升代码可读性：所有人都不须要记忆某个神奇的数字代表什么
- 晋升代码正确性：缩小打错数字或字母产生 bug 的可能性
当然，你齐全没有必要把代码里的所有字面量都改成枚举类型。 代码里呈现的字面量，只有在它所处的上下文外面容易了解，就能够应用它。 比方那些常常作为数字下标呈现的 0 和 -1 就齐全没有问题，因为所有人都晓得它们的意思。
2. 别在裸字符串解决上走太远
什么是“裸字符串解决”？在这篇文章里，它指只应用根本的加减乘除和循环、配合内置函数/办法来操作字符串，取得咱们须要的后果。
所有人都写过这样的代码。有时候咱们须要拼接一大段发给用户的告警信息，有时咱们须要结构一大段发送给数据库的 SQL 查问语句，就像上面这样：
def fetch_users(conn, min_level=None, gender=None, has_membership=False, sort_field="created"): """获取用户列表 :param int min_level: 要求的最低用户级别，默认为所有级别 :param int gender: 筛选用户性别，默认为所有性别 :param int has_membership: 筛选所有会员/非会员用户，默认非会员 :param str sort_field: 排序字段，默认为按 created "用户创立日期" :returns: 列表：[(User ID, User Name), ...] """ # 一种古老的 SQL 拼接技巧，应用 "WHERE 1=1" 来简化字符串拼接操作 # 辨别查问 params 来防止 SQL 注入问题 statement = "SELECT id, name FROM users WHERE 1=1" params = [] if min_level is not None: statement += " AND level >= ?" params.append(min_level) if gender is not None: statement += " AND gender >= ?" params.append(gender) if has_membership: statement += " AND has_membership == true" else: statement += " AND has_membership == false" statement += " ORDER BY ?" params.append(sort_field) return list(conn.execute(statement, params))咱们之所以用这种形式拼接出须要的字符串 - 在这里是 SQL 语句 - 是因为这样做简略、间接，合乎直觉。然而这样做最大的问题在于：随着函数逻辑变得更简单，这段拼接代码会变得容易出错、难以扩大。事实上，下面这段 Demo 代码也只是仅仅做到看上去没有显著的 bug 而已 （谁晓得有没有其余暗藏问题）。
其实，对于 SQL 语句这种结构化、有规定的字符串，用对象化的形式构建和编辑它才是更好的做法。上面这段代码用SQLAlchemy 模块实现了同样的性能：
def fetch_users_v2(conn, min_level=None, gender=None, has_membership=False, sort_field="created"): """获取用户列表 """ query = select([users.c.id, users.c.name]) if min_level is not None: query = query.where(users.c.level >= min_level) if gender is not None: query = query.where(users.c.gender == gender) query = query.where(users.c.has_membership == has_membership).order_by(users.c[sort_field]) return list(conn.execute(query))下面的 fetch_users_v2 函数更短也更好保护，而且基本不须要放心 SQL 注入问题。所以，当你的代码中呈现简单的裸字符串解决逻辑时，请试着用上面的形式代替它：
Q: 指标/源字符串是结构化的，遵循某种格局吗？
是：找找是否曾经有开源的对象化模块操作它们，或是本人写一个
SQL：SQLAlchemy
XML：lxml
JSON、YAML ...否：尝试应用模板引擎而不是简单字符串解决逻辑来达到目标
Jinja2
mako
Mustache
3. 不用预计算字面量表达式
咱们的代码里偶然会呈现一些比较复杂的数字，就像上面这样
def f1(delta_seconds): # 如果工夫曾经过来了超过 11 天，不做任何事 if delta_seconds > 950400: return ...话说在前头，下面的代码没有任何故障。
首先，咱们在小本子（当然，和我一样的聪明人会用 IPython）上算了算：11天一共蕴含多少秒？。而后再把后果 950400 这个神奇的数字填进咱们的代码里，最初称心如意的在下面补上一行正文：通知所有人这个神奇的数字是怎么来的。
我想问的是：“为什么咱们不间接把代码写成 if delta_seconds < 11 24 3600: 呢？”
“性能”，答案肯定会是“性能”。咱们都晓得 Python 是一门（速度欠佳的）解释型语言，所以事后计算出 950400 正是因为咱们不想让每次对函数 f1 的调用都带上这部分的计算开销。不过事实是：即便咱们把代码改成 if delta_seconds < 11 24 3600:，函数也不会多出任何额定的开销。
Python 代码在执行时会被解释器编译成字节码，而假相就藏在字节码里。让咱们用 dis 模块看看：
def f1(delta_seconds): if delta_seconds < 11 * 24 * 3600: returnimport disdis.dis(f1)# dis 执行后果 5 0 LOAD_FAST 0 (delta_seconds) 2 LOAD_CONST 1 (950400) 4 COMPARE_OP 0 (<) 6 POP_JUMP_IF_FALSE 12 6 8 LOAD_CONST 0 (None) 10 RETURN_VALUE >> 12 LOAD_CONST 0 (None) 14 RETURN_VALU看见下面的 2 LOAD_CONST 1 (950400) 了吗？这示意 Python 解释器在将源码编译成成字节码时，会计算 11 24 3600 这段整表达式，并用 950400 替换它。
所以，当咱们的代码中须要呈现简单计算的字面量时，请保留整个算式吧。它对性能没有任何影响，而且会减少代码的可读性。
Hint：Python 解释器除了会预计算数值字面量表达式以外，还会对字符串、列表做相似的操作。一切都是为了性能。谁让你们老吐槽 Python 慢呢？
实用技巧
1. 布尔值其实也是“数字”
Python 里的两个布尔值 True 和 False 在绝大多数状况下都能够间接等价于 1 和 0 两个整数来应用，就像这样：
>>> True + 12>>> 1 / FalseTraceback (most recent call last): File "<stdin>", line 1, in <module>ZeroDivisionError: division by zero那么记住这点有什么用呢？首先，它们能够配合 sum 函数在须要计算总数时简化操作：
>>> l = [1, 2, 4, 5, 7]>>> sum(i % 2 == 0 for i in l)2此外，如果将某个布尔值表达式作为列表的下标应用，能够实现相似三元表达式的目标：
# 相似的三元表达式："Javascript" if 2 > 1 else "Python">>> ["Python", "Javascript"][2 > 1]'Javascript'2. 改善超长字符串的可读性
单行代码的长度不宜太长。比方 PEP8 里就倡议每行字符数不得超过 79。事实世界里，大部分人遵循的单行最大字符数在 79 到 119 之间。如果只是代码，这样的要求是比拟容易达到的，但假如代码里须要
呈现一段超长的字符串呢？
这时，除了应用斜杠 \ 和加号 + 将长字符串拆分为好几段以外，还有一种更简略的方法：应用括号将长字符串包起来，而后就能够随便折行了：
def main(): logger.info(("There is something really bad happened during the process. " "Please contact your administrator."))当多级缩进里呈现多行字符串时
日常编码时，还有一种比拟麻烦的状况。就是须要在曾经有缩进层级的代码里，插入多行字符串字面量。因为多行字符串不能蕴含以后的缩进空格，所以，咱们须要把代码写成这样：
def main(): if user.is_active: message = """Welcome, today's movie list:- Jaw (1975)- The Shining (1980)- Saw (2004)""然而这样写会毁坏整段代码的缩进视觉效果，显得十分突兀。要改善它有很多种方法，比方咱们能够把这段多行字符串作为变量提取到模块的最外层。不过，如果在你的代码逻辑里更适宜用字面量的话，你也能够用规范库 textwrap 来解决这个问题：
from textwrap import dedentdef main(): if user.is_active: # dedent 将会缩进掉整段文字最右边的空字符串 message = dedent("""\ Welcome, today's movie list: - Jaw (1975) - The Shining (1980) - Saw (2004)""")3. 别忘了那些 “r” 结尾的内建字符串函数
Python 的字符串有着十分多实用的内建办法，最罕用的有 .strip()、.split() 等。这些内建办法里的大多数，解决起来的程序都是从左往右。然而其中也蕴含了局部以 r 打头的从右至左解决的镜像办法。在解决特定逻辑时，应用它们能够让你事倍功半。
假如咱们须要解析一些拜访日志，日志格局为："{user_agent}" {content_length}
>>> log_line = '"AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36" 47632'如果应用 .split() 将日志拆分为 (user_agent, content_length) ，咱们须要这么写：
>>> l = log_line.split()>>> " ".join(l[:-1]), l[-1]('"AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36"', '47632')然而如果应用 .rsplit() 的话，解决逻辑就更间接了：
>>> log_line.rsplit(None, 1)['"AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36"', '47632']4. 应用“无穷大” float("inf")
如果有人问你：“Python 里什么数字最大/最小？”。你应该怎么答复？有这样的货色存在吗？
答案是：“有的，它们就是：float("inf") 和 float("-inf")”。它们俩别离对应着数学世界里的正负无穷大。当它们和任意数值进行比拟时，满足这样的法则：float("-inf") < 任意数值 < float("inf")。
因为它们有着这样的特点，咱们能够在某些场景用上它们：
# A. 依据年龄升序排序，没有提供年龄放在最初边>>> users = {"tom": 19, "jenny": 13, "jack": None, "andrew": 43}>>> sorted(users.keys(), key=lambda user: users.get(user) or float('inf'))['jenny', 'tom', 'andrew', 'jack']# B. 作为循环初始值，简化第一次判断逻辑>>> max_num = float('-inf')>>> # 找到列表中最大的数字>>> for i in [23, 71, 3, 21, 8]:...: if i > max_num:...: max_num = i...:>>> max_num71常见误区
1. “value += 1” 并非线程平安
当咱们编写多线程程序时，常常须要解决简单的共享变量和竞态等问题。
“线程平安”，通常被用来形容 某个行为或者某类数据结构，能够在多线程环境下被共享应用并产生预期内的后果。一个典型的满足“线程平安”的模块就是 queue 队列模块。
而咱们常做的 value += 1 操作，很容易被想当然的认为是“线程平安”的。因为它看上去就是一个原子操作 （指一个最小的操作单位，执行途中不会插入任何其余操作）。然而假相并非如此，尽管从 Python 代码上来看，value += 1 这个操作像是原子的。但它最终被 Python 解释器执行的时候，早就不再 “原子” 了。
咱们能够用后面提到的 dis 模块来验证一下：
def incr(value): value += 1# 应用 dis 模块查看字节码import disdis.dis(incr) 0 LOAD_FAST 0 (value) 2 LOAD_CONST 1 (1) 4 INPLACE_ADD 6 STORE_FAST 0 (value) 8 LOAD_CONST 0 (None) 10 RETURN_VALUE在下面输入后果中，能够看到这个简略的累加语句，会被编译成包含取值和保留在内的好几个不同步骤，而在多线程环境下，任意一个其余线程都有可能在其中某个步骤切入进来，妨碍你取得正确的后果。
因而，请不要凭借本人的直觉来判断某个行为是否“线程平安”，不然等程序在高并发环境下呈现奇怪的 bug 时，你将为本人的直觉付出惨痛的代价。
2. 字符串拼接并不慢
我刚接触 Python 不久时，在某个网站看到这样一个说法： “Python 里的字符串是不可变的，所以每一次对字符串进行拼接都会生成一个新对象，导致新的内存调配，效率非常低”。 我对此深信不疑。
所以，始终以来，我尽量都在防止应用 += 的形式去拼接字符串，而是用 "".join(str_list) 之类的形式来代替。
然而，在某个偶尔的机会下，我对 Python 的字符串拼接做了一次简略的性能测试后发现： Python 的字符串拼接基本就不慢！ 在查阅了一些材料后，最终发现了假相。
Python 的字符串拼接在 2.2 以及之前的版本的确很慢，和我最早看到的说法行为统一。然而因为这个操作太罕用了，所以之后的版本里专门针对它做了性能优化。大大晋升了执行效率。
现在应用 += 的形式来拼接字符串，效率曾经十分靠近 "".join(str_list) 了。所以，该拼接时就拼接吧，不用放心任何性能问题。
Hint: 如果你想理解更具体的相干内容，能够读一下这篇文章：Python - Efficient String Concatenation in Python (2016 edition) - smcl
结语
以上就是『Python 工匠』系列文章的第三篇，内容比拟系统。因为篇幅起因，一些罕用的操作比方字符串格式化等，文章里并没有涵盖到。当前有机会再写吧。
让咱们最初再总结一下要点：
- 编写代码时，请思考阅读者的感触，不要呈现太多神奇的字面量
- 当操作结构化字符串时，应用对象化模块比间接解决更有劣势
- dis 模块十分有用，请多多应用它验证你的猜想
- 多线程环境下的编码非常复杂，要足够审慎，不要置信本人的直觉
- Python 语言的更新十分快，不要被他人的教训所左右
看完文章的你，有没有什么想吐槽的？请留言或者在 我的项目 Github Issues 通知我吧。
往期举荐
Python 工匠：善用变量来改善代码品质
Python 工匠：编写条件分支代码的技巧
蓝鲸智云简介
腾讯蓝鲸智云（简称蓝鲸）软件体系是一套基于PaaS的技术解决方案，致力于打造行业当先的一站式自动化运维平台。目前曾经推出社区版、企业版、私有云版，欢送体验。 请点击拜访蓝鲸官网： http://bk.tencent.com/