你一定沒讀過的8個技巧，90%的程序員都不知道

介紹 Python 功能和小技巧的文章網上有無數篇，比如變量解壓縮，partial 偏函數，枚舉可迭代對象... 但關於 Python 我們能說的還有很多。所以今天我將向大家展示一些我知道和有使用過的特性，這些特性在其它文章或博客中很少被提及：

消毒字符串輸入

對用戶輸入內容進行消毒幾乎適用於你寫的每一個程序。通常來說轉換字符大小寫的操作就足夠了，有時候用 Regex 正則表達式就能完成，但對於比較複雜的情況，我們有更好的辦法：

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... "

在這個例子中我們可以看到空格子字符"\\n"和"\\t"已被單個空格代替，而"\\r"已經被刪除。這是一個很簡單的示例，但我們可以更進一步，並使用unicodedata包和它的 combining() 函數來重新生成映射。

迭代器切片

如果嘗試對 Iterator 進行切片，則會出現 TypeError和"generator object is not subscriptable"的報錯，但我們有一個簡單的解決辦法：

import itertools

s = itertools.islice(range(50), 10, 20) # <itertools.islice>

for val in s:

...

通過使用 itertools.islice我們可以創建一個 islice對象，該對象是產生所需項目的迭代器。不過這裡需要注意的是，它會消耗所有的生成器項直到切片的開始為止，而且還會消耗 islice對象中的所有項。在學習Python的過程中，往往因為沒有資料或者沒人指導從而導致自己不想學下去了，因此我特意準備了個群 592539176 ，群裡有大量的PDF書籍、教程都給大家免費使用！不管是學習到哪個階段的小夥伴都可以獲取到自己相對應的資料！

跳過可迭代對象的開始部分

有時候你不得不去處理這樣一些文件，它們的開頭是毫無用處的行，比如註釋之類的。itertools再一次地能在這裡派上用場：

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)

這個代碼片段只會生成文件開始註釋之後的部分。如果我們只想丟棄可迭代對象開頭的某些項（比如這個例子中的註釋部分），但不確定這個項的大小，這個方法很實用。

大家想必都知道如何用 with聲明來打開文件或者獲取鎖，但我們能實現自己的 with聲明嗎？是的，實際上通過使用 enter和 exit我們就可以實現一個上下文管理器協議：

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 Python 中實現上下文管理最常見的方法，但其實還有一種更簡單的方法：

from contextlib import contextmanager

@contextmanager

def tag(name):

print(f"")

yield

print(f"")

with tag("h1"):

print("This is Title.")

上面的代碼片段使用 contextmanager管理器裝飾器實現了內容管理協議 。進入 with塊時，執行 tag()的第一部分（在 yield之前），然後再執行該塊，最後執行 tag()剩下的部分。

用 slots節省內存

如果在你編寫的程序中會創建某個類的大量實例，那麼你肯定已經注意到你的程序會佔用大量內存。這是因為 Python 使用 Dictionary 來表示類實例的屬性，雖然它速度很快但內存效率卻很低。大部分情況下這個問題並不那麼嚴重，但如果它對你的程序來說是一個大問題，你可以嘗試使用

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

所以這裡的情況就是當我們定義slots的屬性時，Python 使用的是小型的固定大小的數組，而不是 dictionary，這就大大減少了每個實例所需的內存。使用 slots也有缺點——我們無法聲明任何新屬性，並且只能在 slots上使用它們。同樣，帶有 slots的類不能使用多重繼承。

限制 CPU 和內存使用

如果你不是想通過優化程序來降低它的 CPU 和內存使用率，而是想簡單粗暴地直接限制它為某個數字，那麼 Python 中有一個庫可以做到：

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))

這裡我們看到了兩種限制最大 CPU 運行時間和最大內存使用的方法。對於 CPU 限制，我們首先獲得該特定資源（ RLIMIT_CPU）的軟限制與硬限制，然後使用參數指定的描述和閒錢獲取的硬限制來設置它。最後，如果 CPU 時間被超出，我們將註冊導致系統退出的信號。至於內存方面，我們再次獲取軟限制與硬限制，並使用帶有 size 參數的 setrlimit和獲取的硬限制對其進行設置。

控制可導入和不可導入的內容

有些語言對於到處成員變量，方法和接口有著非常明確的機制，比如 Golang，在 Go 中僅有以大寫字母開頭的成員才能被導出。另一方面，在 Python 中，所有內容都可以到處，除非我們使用

def foo():

pass

def bar():

pass

__all__ = ["bar"]

根據上面的代碼片段，我們可以看出只有 bar()會被導出。另外，我們可以將 all保留為空，並且從此模塊導入時，不會輸出任何 AttributeError。

比較運算符的簡便方法

Python 中有很多比較運算符：lt , le , gt 和 ge，但有沒有更容易的方法呢？functools.total_ordering就可以辦到：

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))

那麼它實際上是怎麼工作的呢？total_ordering裝飾器用於簡化為我們的類實現實力順序的過程。只需要定義 lt 和 eq，這也是映射剩餘操作所需的最低要求，也是裝飾器的工作——它為我們填補了這個空缺。

總結

上述的特性與操作都不一定是你在日常 Python 編程中常用到的，但其中一些時不時會讓你感到頭疼。上面所提供的解決方案大多簡化了很多任務，這些任務用較為常見的方法處理都會比較冗長無聊。另外要指出的一點是，所有的這些功能都是 Python 標準庫的一部分。在我看來，其中一些功能類似於“標準庫中的非標準功能”，因此每當你想要在 Python 中實現某些功能時，首先去標準庫裡找一找，如果沒有這個功能，那肯定是你找得不夠仔細，如果實在是沒有，再去找相關的第三方庫。

Python的簡便，是最重要的學習理由了，如果你想學Python的話，小編這裡為你整理準備了一些視頻自學教程，希望對你有所幫助！

如果你需要這些java、python等編程語言的自學視頻教程的話，可以私信小編：“資料”，就可以免費領取到啦！可以的話請幫小編轉發一下，讓更多的小夥伴可以分享到這麼好的學習乾貨資料，謝謝大家！

---

分享到:

---

閱讀更多 大師帶你學編程 的文章

關鍵字: Line 程序員 沒讀

---