189 8069 5689

Python实用技巧有哪些

这篇文章主要讲解了“Python实用技巧有哪些”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“Python实用技巧有哪些”吧!

成都创新互联专注为客户提供全方位的互联网综合服务,包含不限于网站制作、网站建设、利通网络推广、小程序开发、利通网络营销、利通企业策划、利通品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等,从售前售中售后,我们都将竭诚为您服务,您的肯定,是我们最大的嘉奖;成都创新互联为所有大学生创业者提供利通建站搭建服务,24小时服务热线:028-86922220,官方网址:www.cdcxhl.com

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  string has  some whitespaces...  "  character_map = {      ord(    ) :    ,      ord(     ) :    ,      ord(    ) : None  }  user_input.translate(character_map)  # This string has some whitespaces...

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:

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

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: ...  Actual content...  """ import itertools  for line in itertools.dropwhile(lambda line: 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:

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:

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管理的方法,但是还有更简单的方法:

from contextlib import contextmanager  @contextmanager  def tag(name):      print(f"<{name}>")      yield      print(f"")  with tag("h2"):      print("This is Title.")

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__」:

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:

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))

我们可以看到,在上面的代码片段中,同时包含设置最大 CPU 运行时间和最大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__」):

def foo():      pass  def bar():      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:

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

感谢各位的阅读,以上就是“Python实用技巧有哪些”的内容了,经过本文的学习后,相信大家对Python实用技巧有哪些这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是创新互联,小编将为大家推送更多相关知识点的文章,欢迎关注!


网站栏目:Python实用技巧有哪些
链接URL:http://cdxtjz.cn/article/pchddh.html

其他资讯