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 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。「itertools」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('//'), string_from_file.split(' ')): 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。

只包含關鍵字參數的函數 (kwargs)

當我們使用下面的函數時，創建僅僅需要關鍵字參數作為輸入的函數來提供更清晰的函數定義，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，在關鍵字參數之前加上一個「*」就可以解決這個問題。如果我們將某些參數放在「*」參數之前，它們顯然是位置參數。

創建支持「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，但是我們可以實現自己上下文表達式嗎？是的，我們可以使用「__enter__」和「__exit__」來實現上下文管理協議:

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 中最常見的實現上下文管理的方法，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 裝飾器實現了內容管理協議。在進入 with 塊時 tag 函數的第一部分（在 yield 之前的部分）就已經執行了，然后 with 塊才被執行，最后執行 tag 函數的其余部分。

用「__slots__」節省內存

如果你曾經編寫過一個創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，然后使用通過參數指定的秒數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，我們將發出系統退出的信號。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」。

實現比較運算符的簡單方法

為一個類實現所有的比較運算符（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，它們是實現其余操作所需要的最小的操作集合（這里也體現了裝飾器的作用——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）。

以上就是python 中的9個實用技巧，助你提高開發效率的詳細內容，更多關于python 實用技巧的資料請關注好吧啦網其它相關文章！