作者 | Martin Heinz

來源 | 機器之心

介紹 Python 炫酷功能（例如，變量解包，偏函數(shù)，枚舉可迭代對象等）的文章層出不窮。但是還有很多 Python 的編程小技巧鮮被提及。因此，本文會試著介紹一些其它文章沒有提到的小技巧，這些小技巧也是我平時會用到的的，讓我們一探究竟吧！

整理字符串輸入

整理用戶輸入的問題在編程過程中極為常見。通常情況下，將字符轉換為小寫或大寫就夠了，有時你可以使用正則表達式模塊「Regex」完成這項工作。但是如果問題很復雜，可能有更好的方法來解決：

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，你可以看到空格符「\ n」和「\ t」都被替換成了單個空格，「\ r」都被刪掉了。這只是個很簡單的例子，我們可以更進一步，使用「unicodedata」程序包生成大型重映射表，并使用其中的「combining()」進行生成和映射，我們可以

迭代器切片（Slice）

如果對迭代器進行切片操作，會返回一個「TypeError」，提示生成器對象沒有下標，但是我們可以用一個簡單的方案來解決這個問題：

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

我們可以使用「itertools.islice」創(chuàng)建一個「islice」對象，該對象是一個迭代器，可以產生我們想要的項。但需要注意的是，該操作要使用切片之前的所有生成器項，以及「islice」對象中的所有項。

跳過可迭代對象的開頭

有時你要處理一些以不需要的行（如注釋）開頭的文件?！竔tertools」再次提供了一種簡單的解決方案：

string_from_file = """
// Author: ...
// License: ...
//
// Date: ...
Actual content...
"""
import itertools
for line in itertools.dropwhile(lambda line: line.startswith("http://"), string_from_file.split("\n")):
 print(line)

這段代碼只打印初始注釋部分之后的內容。如果我們只想舍棄可迭代對象的開頭部分（本示例中為開頭的注釋行），而又不知道要這部分有多長時，這種方法就很有用了。

只包含關鍵字參數(shù)的函數(shù) (kwargs)

當我們使用下面的函數(shù)時，創(chuàng)建僅僅需要關鍵字參數(shù)作為輸入的函數(shù)來提供更清晰的函數(shù)定義，會很有幫助：

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...

如你所見，在關鍵字參數(shù)之前加上一個「*」就可以解決這個問題。如果我們將某些參數(shù)放在「*」參數(shù)之前，它們顯然是位置參數(shù)。

創(chuàng)建支持「with」語句的對象

舉例而言，我們都知道如何使用「with」語句打開文件或獲取鎖，但是我們可以實現(xiàn)自己上下文表達式嗎？是的，我們可以使用「__enter__」和「__exit__」來實現(xiàn)上下文管理協(xié)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 中最常見的實現(xiàn)上下文管理的方法，但是還有更簡單的方法:

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

上面這段代碼使用 contextmanager 的 manager 裝飾器實現(xiàn)了內容管理協(xié)議。在進入 with 塊時 tag 函數(shù)的第一部分（在 yield 之前的部分）就已經執(zhí)行了，然后 with 塊才被執(zhí)行，最后執(zhí)行 tag 函數(shù)的其余部分。

用「__slots__」節(jié)省內存

如果你曾經編寫過一個創(chuàng)建了某種類的大量實例的程序，那么你可能已經注意到，你的程序突然需要大量的內存。那是因為 Python 使用字典來表示類實例的屬性，這使其速度很快，但內存使用效率卻不是很高。通常情況下，這并不是一個嚴重的問題。但是，如果你的程序因此受到嚴重的影響，不妨試一下「__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

當我們定義了「__slots__」屬性時，Python 沒有使用字典來表示屬性，而是使用小的固定大小的數(shù)組，這大大減少了每個實例所需的內存。使用「__slots__」也有一些缺點：我們不能聲明任何新的屬性，我們只能使用「__slots__」上現(xiàn)有的屬性。而且，帶有「__slots__」的類不能使用多重繼承。

限制「CPU」和內存使用量

如果不是想優(yōu)化程序對內存或 CPU 的使用率，而是想直接將其限制為某個確定的數(shù)字，Python 也有一個對應的庫可以做到：

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))

我們可以看到，在上面的代碼片段中，同時包含設置最大 CPU 運行時間和最大內存使用限制的選項。在限制 CPU 的運行時間時，我們首先獲得該特定資源（RLIMIT_CPU）的軟限制和硬限制，然后使用通過參數(shù)指定的秒數(shù)和先前檢索到的硬限制來進行設置。最后，如果 CPU 的運行時間超過了限制，我們將發(fā)出系統(tǒng)退出的信號。在內存使用方面，我們再次檢索軟限制和硬限制，并使用帶「size」參數(shù)的「setrlimit」和先前檢索到的硬限制來設置它。

控制可以/不可以導入什么

有些語言有非常明顯的機制來導出成員（變量、方法、接口），例如在 Golang 中只有以大寫字母開頭的成員被導出。然而，在 Python 中，所有成員都會被導出（除非我們使用了「__all__」）：

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

在上面這段代碼中，我們知道只有「bar」函數(shù)被導出了。同樣，我們可以讓「__all__」為空，這樣就不會導出任何東西，當從這個模塊導入的時候，會造成「AttributeError」。

實現(xiàn)比較運算符的簡單方法

為一個類實現(xiàn)所有的比較運算符（如 __lt__ , __le__ , __gt__ , __ge__）是很繁瑣的。有更簡單的方法可以做到這一點嗎？這種時候，「functools.total_ordering」就是一個很好的幫手：

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))

這里的工作原理究竟是怎樣的呢？我們用「total_ordering」裝飾器簡化實現(xiàn)對類實例排序的過程。我們只需要定義「__lt__」和「__eq__」就可以了，它們是實現(xiàn)其余操作所需要的最小的操作集合（這里也體現(xiàn)了裝飾器的作用——為我們填補空白）。

結語

并非本文中所有提到的功能在日常的 Python 編程中都是必需或有用的，但是其中某些功能可能會不時派上用場，而且它們也可能簡化一些原本就很冗長且令人煩惱的任務。還需指出的是，所有這些功能都是 Python 標準庫的一部分。而在我看來，其中一些功能似乎并不像標準庫中包含的標準內容，所以當你使用 Python 實現(xiàn)本文提到的某些功能時，請先參閱 Python 的標準庫，如果你不能找到想要的功能，可能只是因為你還沒有盡力查找（如果真的沒有，那它肯定也存在于一些第三方庫）。