有許許多多文章寫了 Python 中的許多很酷的特性，例如變量解包、偏函數、枚舉可迭代對象，但是關于 Python 還有很多要討論的話題，因此在本文中，我將嘗試展示一些我知道的和在使用的，但很少在其它文章提到過的特性。那就開始吧。

[[313584]]

1、對輸入的字符串“消毒”

對用戶輸入的內容“消毒”，這問題幾乎適用于你編寫的所有程序。通常將字符轉換為小寫或大寫就足夠了，有時你還可以使用正則表達式來完成工作，但是對于復雜的情況，還有更好的方法：

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... " 

在此示例中，你可以看到空格字符“ \n”和“ \t”被單個空格替換了，而“ \r”則被完全刪除。這是一個簡單的示例，但是我們可以更進一步，使用unicodedata 庫及其 combining() 函數，來生成更大的重映射表(remapping table)，并用它來刪除字符串中所有的重音。

2、對迭代器切片

如果你嘗試直接對迭代器切片，則會得到 TypeError ，提示說該對象不可取下標(not subscriptable)，但是有一個簡單的解決方案：

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

使用itertools.islice，我們可以創建一個 islice 對象，該對象是一個迭代器，可以生成我們所需的內容。但是這有個重要的提醒，即它會消耗掉切片前以及切片對象 islice 中的所有元素。

(譯注：更多關于迭代器切片的內容，可閱讀Python進階：迭代器與迭代器切片)

3、跳過可迭代對象的開始

有時候你必須處理某些文件，它們以可變數量的不需要的行(例如注釋)為開頭。itertools 再次提供了簡單的解決方案：

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) 

這段代碼僅會打印在初始的注釋部分之后的內容。如果我們只想丟棄迭代器的開頭部分(在此例中是注釋)，并且不知道有多少內容，那么此方法很有用。

4、僅支持關鍵字參數(kwargs)的函數

當需要函數提供(強制)更清晰的參數時，創建僅支持關鍵字參數的函數，可能會挺有用：

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... 

如你所見，可以在關鍵字參數之前，放置單個 * 參數來輕松解決此問題。如果我們將位置參數放在 * 參數之前，則顯然也可以有位置參數。

5、創建支持 with 語句的對象

我們都知道如何使用 with 語句，例如打開文件或者是獲取鎖，但是我們可以實現自己的么?是的，我們可以使用__enter__ 和__exit__ 方法來實現上下文管理器協議：

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 

這是在 Python 中實現上下文管理的最常見方法，但是還有一種更簡單的方法：

from contextlib import contextmanager 
 
@contextmanager 
def tag(name): 
 print(f"<{name}>") 
 yield 
 print(f"</{name}>") 
 
with tag("h1"): 
 print("This is Title.") 

上面的代碼段使用 contextmanager 裝飾器實現了內容管理協議。tag 函數的第一部分(yield 之前)會在進入 with 語句時執行，然后執行 with 的代碼塊，最后會執行 tag 函數的剩余部分。

6、用__slots__節省內存

如果你曾經編寫過一個程序，該程序創建了某個類的大量實例，那么你可能已經注意到你的程序突然就需要大量內存。那是因為 Python 使用字典來表示類實例的屬性，這能使其速度變快，但內存不是很高效。通常這不是個問題，但是，如果你的程序遇到了問題，你可以嘗試使用__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 

這里發生的是，當我們定義__slots__屬性時，Python 使用固定大小的小型數組，而不是字典，這大大減少了每個實例所需的內存。使用__slots__還有一些缺點——我們無法聲明任何新的屬性，并且只能使用在__slots__中的屬性。同樣，帶有__slots__的類不能使用多重繼承。

7、限制CPU和內存使用量

如果不是想優化程序內存或 CPU 使用率，而是想直接將其限制為某個固定數字，那么 Python 也有一個庫能做到：

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)) 

在這里，我們可以看到兩個選項，可設置最大 CPU 運行時間和內存使用上限。對于 CPU 限制，我們首先獲取該特定資源(RLIMIT_CPU)的軟限制和硬限制，然后通過參數指定的秒數和先前獲取的硬限制來設置它。最后，如果超過 CPU 時間，我們將注冊令系統退出的信號。至于內存，我們再次獲取軟限制和硬限制，并使用帶有 size 參數的setrlimit 和獲取的硬限制對其進行設置。

8、控制可以import的內容

某些語言具有非常明顯的用于導出成員(變量、方法、接口)的機制，例如Golang，它僅導出以大寫字母開頭的成員。另一方面，在 Python 中，所有內容都會被導出，除非我們使用__all__ ：

def foo(): 
 pass 
 
def bar(): 
 pass 
 
__all__ = ["bar"] 

使用上面的代碼段，我們可以限制from some_module import * 在使用時可以導入的內容。對于以上示例，通配導入時只會導入 bar。此外，我們可以將__all__ 設為空，令其無法導出任何東西，并且在使用通配符方式從此模塊中導入時，將引發 AttributeError。

9、比較運算符的簡便方法

為一個類實現所有比較運算符可能會很煩人，因為有很多的比較運算符——__lt__、__le__、__gt__ 或__ge__。但是，如果有更簡單的方法呢?functools.total_ordering 可救場：

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)) 

這到底如何起作用的?total_ordering 裝飾器用于簡化為我們的類實例實現排序的過程。只需要定義__lt__ 和__eq__，這是最低的要求，裝飾器將映射剩余的操作——它為我們填補了空白。

( 譯注： 原作者的文章分為兩篇，為了方便讀者們閱讀，我特將它們整合在一起，以下便是第二篇的內容。)

10、使用slice函數命名切片

使用大量硬編碼的索引值會很快搞亂維護性和可讀性。一種做法是對所有索引值使用常量，但是我們可以做得更好：

# ID   First Name   Last Name 
line_record = "2        John         Smith" 
 
ID = slice(0, 8) 
FIRST_NAME = slice(9, 21) 
LAST_NAME = slice(22, 27) 
 
name = f"{line_record[FIRST_NAME].strip()} {line_record[LAST_NAME].strip()}" 
# name == "John Smith" 

在此例中，我們可以避免神秘的索引，方法是先使用 slice 函數命名它們，然后再使用它們。你還可以通過 .start、.stop和 .stop 屬性，來了解 slice 對象的更多信息。

11、在運行時提示用戶輸入密碼

許多命令行工具或腳本需要用戶名和密碼才能操作。因此，如果你碰巧寫了這樣的程序，你可能會發現 getpass 模塊很有用：

import getpass 
 
user = getpass.getuser() 
password = getpass.getpass() 
# Do Stuff... 

這個非常簡單的包通過提取當前用戶的登錄名，可以提示用戶輸入密碼。但是須注意，并非每個系統都支持隱藏密碼。Python 會嘗試警告你，因此切記在命令行中閱讀警告信息。

12、查找單詞/字符串的相近匹配

現在，關于 Python 標準庫中一些晦澀難懂的特性。如果你發現自己需要使用Levenshtein distance 【2】之類的東西，來查找某些輸入字符串的相似單詞，那么 Python 的 difflib 會為你提供支持。

import difflib 
difflib.get_close_matches('appel', ['ape', 'apple', 'peach', 'puppy'], n=2) 
# returns ['apple', 'ape'] 

difflib.get_close_matches 會查找最佳的“足夠好”的匹配。在這里，第一個參數與第二個參數匹配。我們還可以提供可選參數 n ，該參數指定要返回的最多匹配結果。另一個可選的關鍵字參數 cutoff (默認值為 0.6)，可以設置字符串匹配得分的閾值。

13、使用IP地址

如果你必須使用 Python 做網絡開發，你可能會發現 ipaddress 模塊非常有用。一種場景是從 CIDR(無類別域間路由 Classless Inter-Domain Routing)生成一系列 IP 地址：

import ipaddress 
net = ipaddress.ip_network('74.125.227.0/29')  # Works for IPv6 too 
# IPv4Network('74.125.227.0/29') 
 
for addr in net: 
    print(addr) 
 
# 74.125.227.0 
# 74.125.227.1 
# 74.125.227.2 
# 74.125.227.3 
# ... 

另一個不錯的功能是檢查 IP 地址的網絡成員資格：

ip = ipaddress.ip_address("74.125.227.3") 
 
ip in net 
# True 
 
ip = ipaddress.ip_address("74.125.227.12") 
ip in net 
# False 

還有很多有趣的功能，在這里【3】可以找到，我不再贅述。但是請注意，ipaddress 模塊和其它與網絡相關的模塊之間只有有限的互通性。例如，你不能將 IPv4Network 實例當成地址字符串——需要先使用 str 轉換它們。

14、在Shell中調試程序崩潰

如果你是一個拒絕使用 IDE，并在 Vim 或 Emacs 中進行編碼的人，那么你可能會遇到這樣的情況：擁有在 IDE 中那樣的調試器會很有用。

你知道嗎?你有一個——只要用python3.8 -i 運行你的程序——一旦你的程序終止了， -i 會啟動交互式 shell，在那你可以查看所有的變量和調用函數。整潔，但是使用實際的調試器(pdb )會如何呢?讓我們用以下程序(script.py )：

def func(): 
    return 0 / 0 
 
func() 

并使用python3.8 -i script.py運行腳本：

# Script crashes... 
Traceback (most recent call last): 
  File "script.py", line 4, in <module> 
    func() 
  File "script.py", line 2, in func 
    return 0 / 0 
ZeroDivisionError: division by zero 
>>> import pdb 
>>> pdb.pm()  # Post-mortem debugger 
> script.py(2)func() 
-> return 0 / 0 
(Pdb) 

我們看到了崩潰的地方，現在讓我們設置一個斷點：

def func(): 
    breakpoint()  # import pdb; pdb.set_trace() 
    return 0 / 0 
 
func() 

現在再次運行它：

script.py(3)func() 
-> return 0 / 0 
(Pdb)  # we start here 
(Pdb) step 
ZeroDivisionError: division by zero 
> script.py(3)func() 
-> return 0 / 0 
(Pdb) 

大多數時候，打印語句和錯誤信息就足以進行調試，但是有時候，你需要四處摸索，以了解程序內部正在發生的事情。在這些情況下，你可以設置斷點，然后程序執行時將在斷點處停下，你可以檢查程序，例如列出函數參數、表達式求值、列出變量、或如上所示僅作單步執行。

pdb 是功能齊全的 Python shell，理論上你可以執行任何東西，但是你還需要一些調試命令，可在此處【4】找到。

15、在一個類中定義多個構造函數

函數重載是編程語言(不含 Python)中非常常見的功能。即使你不能重載正常的函數，你仍然可以使用類方法重載構造函數：

import datetime 
 
class Date: 
    def __init__(self, year, month, day): 
        self.year = year 
        self.month = month 
        self.day = day 
 
    @classmethod 
    def today(cls): 
        t = datetime.datetime.now() 
        return cls(t.year, t.month, t.day) 
 
d = Date.today() 
print(f"{d.day}/{d.month}/{d.year}") 
# 14/9/2019 

你可能傾向于將替代構造函數的所有邏輯放入__init__，并使用*args 、**kwargs 和一堆 if 語句，而不是使用類方法來解決。那可能行得通，但是卻變得難以閱讀和維護。

因此，我建議將很少的邏輯放入__init__，并在單獨的方法/構造函數中執行所有操作。這樣，對于類的維護者和用戶而言，得到的都是干凈的代碼。

16、使用裝飾器緩存函數調用

你是否曾經編寫過一種函數，它執行昂貴的 I/O 操作或一些相當慢的遞歸，而且該函數可能會受益于對其結果進行緩存(存儲)?如果你有，那么有簡單的解決方案，即使用 functools 的lru_cache :

from functools import lru_cache 
import requests 
 
@lru_cache(maxsize=32) 
def get_with_cache(url): 
    try: 
        r = requests.get(url) 
        return r.text 
    except: 
        return "Not Found" 
 
 
for url in ["https://google.com/", 
            "https://martinheinz.dev/", 
            "https://reddit.com/", 
            "https://google.com/", 
            "https://dev.to/martinheinz", 
            "https://google.com/"]: 
    get_with_cache(url) 
 
print(get_with_cache.cache_info()) 
# CacheInfo(hits=2, misses=4, maxsize=32, currsize=4) 

在此例中，我們用了可緩存的 GET 請求(最多 32 個緩存結果)。你還可以看到，我們可以使用 cache_info 方法檢查函數的緩存信息。裝飾器還提供了 clear_cache 方法，用于使緩存結果無效。

我還想指出，此函數不應與具有副作用的函數一起使用，或與每次調用都創建可變對象的函數一起使用。

17、在可迭代對象中查找最頻繁出現的元素

在列表中查找最常見的元素是非常常見的任務，你可以使用 for 循環和字典(map)，但是這沒必要，因為 collections 模塊中有 Counter 類：

from collections import Counter 
 
cheese = ["gouda", "brie", "feta", "cream cheese", "feta", "cheddar", 
          "parmesan", "parmesan", "cheddar", "mozzarella", "cheddar", "gouda", 
          "parmesan", "camembert", "emmental", "camembert", "parmesan"] 
 
cheese_count = Counter(cheese) 
print(cheese_count.most_common(3)) 
# Prints: [('parmesan', 4), ('cheddar', 3), ('gouda', 2)] 

實際上，Counter 只是一個字典，將元素與出現次數映射起來，因此你可以將其用作普通字典：

python print(cheese_count["mozzarella"]) ¨K40K cheese_count["mozzarella"] += 1 print(cheese_count["mozzarella"]) ¨K41K

除此之外，你還可以使用 update(more_words) 方法輕松添加更多元素。Counter 的另一個很酷的特性是你可以使用數學運算(加法和減法)來組合和減去 Counter 的實例。

小結

在日常 Python 編程中，并非所有這些特性都是必不可少的和有用的，但是其中一些特性可能會時不時派上用場，并且它們也可能簡化任務，而這本來可能很冗長且令人討厭。

我還要指出的是，所有這些特性都是 Python 標準庫的一部分，雖然在我看來，其中一些特性非常像是標準庫中的非標準內容。因此，每當你要在 Python 中實現某些功能時，首先可在標準庫查看，如果找不到，那你可能看得還不夠仔細(如果它確實不存在，那么肯定在某些三方庫中)。

如果你使用 Python，那么我認為在這里分享的大多數技巧幾乎每天都會有用，因此我希望它們會派上用場。另外，如果你對這些 Python 技巧和騷操作有任何想法，或者如果你知道解決上述問題的更好方法，請告訴我!