第 1 章 引论
建议 1:理解 Pythonic 概念
Pythonic
Tim Peters 的 《The Zen of Python》相信学过 Python 的都耳熟能详,在交互式环境中输入import this可以查看,其实有意思的是这段 Python 之禅的源码:
d = {} for c in (65, 97): for i in range(26): d[chr(i+c)] = chr((i+13) % 26 + c) print "".join([d.get(c, c) for c in s])
哈哈哈,相信这是大佬在跟我们举反例吧。
书中还举了一个快排的例子:
def quicksort(array): less = [] greater = [] if len(array) <= 1: return array pivot =array.pop() for x in array: if x <= pivot: less.append(x) else: greater.append(x) return quicksort(less) + [pivot] + quicksort(greater)
代码风格
通过对语法、库和应用程序的理解来编写代码,充分体现 Python 自身的特色:
# 变量交换 a, b = b, a # 上下文管理 with open(path, 'r') as f: do_sth_with(f) # 不应当过分地追求奇技淫巧 a = [1, 2, 3, 4] a[::-1] # 不推荐。好吧,自从学了切片我一直用的这个 list(reversed(a)) # 推荐
然后表扬了 Flask 框架,提到了 generator 之类的特性尤为 Pythonic,有个包和模块的约束:
- 包和模块的命名采用小写、单数形式,而且短小
- 包通常仅作为命名空间,如只含空的__init__.py文件
建议 2:编写 Pythonic 代码
命名的规范:
def find_num(searchList, num): for listValue in searchList: if num == listValue: return True else: pass
尝试去通读官方手册,掌握不断发展的新特性,这将使你编写代码的执行效率更高,推荐深入学习 Flask、gevent 和 requests。
建议 3:理解 Python 与 C 语言的不同之处
提到了三点:
- Python 使用代码缩进的方式来分割代码块,不要混用 Tab 键和空格
- Python 中单、双引号的使用
- 三元操作符:x if bool else y
建议 4:在代码中适当添加注释
这一点已经受教了,现在编写代码都会合理地加入块注释、行注释和文档注释,可以使用__doc__输出。
建议 5:通过适当添加空行使代码布局更为优雅、合理
建议 6:编写函数的 4 个原则
- 函数设计要尽量短小,嵌套层次不宜过深
- 函数申明应该做到合理、简单、易于使用
- 函数参数设计应该考虑向下兼容
- 一个函数只做一件事,尽量保证函数语句粒度的一致性
Python 中函数设计的好习惯还包括:不要在函数中定义可变对象作为默认值,使用异常替换返回错误,保证通过单元测试等。
# 关于函数设计的向下兼容 def readfile(filename): # 第一版本 pass def readfile(filename, log): # 第二版本 pass def readfile(filename, logger=logger.info): # 合理的设计 pass
最后还有个函数可读性良好的例子:
def GetContent(ServerAdr, PagePath): http = httplib.HTTP(ServerAdr) http.putrequest('GET', PagePath) http.putheader('Accept', 'text/html') http.putheader('Accept', 'text/plain') http.endheaders() httpcode, httpmsg, headers = http.getreply() if httpcode != 200: raise "Could not get document: Check URL and Path." doc = http.getfile() data = doc.read() # 此处是不是应该使用 with ? doc.close return data def ExtractData(inputstring, start_line, end_line): lstr = inputstring.splitlines() # split j = 0 for i in lstr: j += 1 if i.strip() == start_line: slice_start = j elif i.strip() == end_line: slice_end = j return lstr[slice_start:slice_end] def SendEmail(sender, receiver, smtpserver, username, password, content): subject = "Contented get from the web" msg = MIMEText(content, 'plain', 'utf-8') msg['Subject'] = Header(subject, 'utf-8') smtp = smtplib.SMTP() smtp.connect(smtpserver) smtp.login(username, password) smtp.sendmail(sender, receiver, msg.as_string()) smtp.quit()
建议 7:将常量集中到一个文件
在 Python 中应当如何使用常量:
- 通过命名风格提醒使用者该变量代表常量,如常量名全部大写
- 通过自定义类实现常量功能:将存放常量的文件命名为constant.py,并在其中定义一系列常量
class _const: class ConstError(TypeError): pass class ConstCaseError(ConstError): pass def __setattr__(self, name, value): if self.__dict__.has_key(name): raise self.ConstError, "Can't change const.%s" % name if not name.isupper(): raise self.ConstCaseError, \ 'const name "%s" is not all uppercase' % name self.__dict__(name) = value import sys sys.modules[__name__] = _const() import const const.MY_CONSTANT = 1 const.MY_SECOND_CONSTANT = 2 const.MY_THIRD_CONSTANT = 'a' const.MY_FORTH_CONSTANT = 'b'
其他模块中引用这些常量时,按照如下方式进行即可:
from constant import const print(const.MY_CONSTANT)
第 2 章 编程惯用法
建议 8:利用 assert 语句来发现问题
>>> y = 2 >>> assert x == y, "not equals" Traceback (most recent call last): File "<stdin>", line 1, in <module> AssertionError: not equals >>> x = 1 >>> y = 2 # 以上代码相当于 >>> if __debug__ and not x == y: ... raise AssertionError("not equals") ... Traceback (most recent call last): File "<stdin>", line 2, in <module> AssertionError: not equals
运行是加入-O参数可以禁用断言。
建议 9:数据交换的时候不推荐使用中间变量
>>> Timer('temp = x; x = y; y = temp;', 'x = 2; y = 3').timeit() 0.059251302998745814 >>> Timer('x, y = y, x', 'x = 2; y = 3').timeit() 0.05007316499904846
对于表达式x, y = y, x,在内存中执行的顺序如下:
- 先计算右边的表达式y, x,因此先在内存中创建元组(y, x),其标识符和值分别为y, x及其对应的值,其中y和x是在初始化已经存在于内存中的对象
- 计算表达式左边的值并进行赋值,元组被依次分配给左边的标识符,通过解压缩,元组第一标识符y分配给左边第一个元素x,元组第二标识符x分配给左边第一个元素y,从而达到交换的目的
下面是通过字节码的分析:
>>> import dis >>> def swap1(): ... x = 2 ... y = 3 ... x, y = y, x ... >>> def swap2(): ... x = 2 ... y = 3 ... temp = x ... x = y ... y = temp ... >>> dis.dis(swap1) 2 0 LOAD_CONST 1 (2) 3 STORE_FAST 0 (x) 3 6 LOAD_CONST 2 (3) 9 STORE_FAST 1 (y) 4 12 LOAD_FAST 1 (y) 15 LOAD_FAST 0 (x) 18 ROT_TWO # 交换两个栈的最顶层元素 19 STORE_FAST 0 (x) 22 STORE_FAST 1 (y) 25 LOAD_CONST 0 (None) 28 RETURN_VALUE >>> dis.dis(swap2) 2 0 LOAD_CONST 1 (2) 3 STORE_FAST 0 (x) 3 6 LOAD_CONST 2 (3) 9 STORE_FAST 1 (y) 4 12 LOAD_FAST 0 (x) 15 STORE_FAST 2 (temp) 5 18 LOAD_FAST 1 (y) 21 STORE_FAST 0 (x) 6 24 LOAD_FAST 2 (temp) 27 STORE_FAST 1 (y) 30 LOAD_CONST 0 (None) 33 RETURN_VALUE
建议 10:充分利用 Lazy evaluation 的特性
def fib(): a, b = 0, 1 while True: yield a a, b = b, a + b
哈哈哈,我猜到肯定是生成器实现菲波拉契序列的例子,不过对比我写的版本,唉。。。
建议 11:理解枚举替代实现的缺陷
利用 Python 的动态特征,可以实现枚举:
# 方式一 class Seasons: Spring, Summer, Autumn, Winter = range(4) # 方式二 def enum(*posarg, **keysarg): return type("Enum", (object,), dict(zip(posarg, range(len(posarg))), **keysarg)) Seasons = enum("Spring", "Summer", "Autumn", Winter=1) Seasons.Spring # 方式三 >>> from collections import namedtuple >>> Seasons = namedtuple('Seasons', 'Spring Summer Autumn Winter')._make(range(4)) >>> Seasons.Spring 0 # 但通过以上方式实现枚举都有不合理的地方 >>> Seasons._replace(Spring=2) │ Seasons(Spring=2, Summer=1, Autumn=2, Winter=3) # Python3.4 中加入了枚举,仅在父类没有任何枚举成员的时候才允许继承
建议 12:不推荐使用 type 来进行类型检查
作为动态语言,Python 解释器会在运行时自动进行类型检查并根据需要进行隐式类型转换,当变量类型不同而两者之间又不能进行隐式类型转换时便抛出TypeError异常。
>>> def add(a, b): ... return a + b ... >>> add(1, 2j) (1+2j) >>> add('a', 'b') 'ab' >>> add(1, 2) 3 >>> add(1.0, 2.3) 3.3 >>> add([1, 2], [3, 4]) [1, 2, 3, 4] >>> add(1, 'a') Traceback (most recent call last): File "<stdin>", line 1, in <module> File "<stdin>", line 2, in add TypeError: unsupported operand type(s) for +: 'int' and 'str'
所以实际应用中,我们常常需要进行类型检查,但是不推荐使用type(),因为基于内建类型扩展的用户自定义类型,type()并不能准确返回结果:
class UserInt(int): def __init__(self, val=0): self._val = int(val) def __add__(self, val): if isinstance(val, UserInt): return UserInt(self._val + val._val) return self._val + val def __iadd__(self, val): raise NotImplementedError("not support operation") def __str__(self): return str(self._val) def __repr__(self): return "Integer %s" % self._val >>> n = UserInt() >>> n Integer 0 >>> print(n) 0 >>> m = UserInt(2) >>> print(m) 2 >>> type(n) is int False # 显然不合理 >>> isinstance(n, int) True
我们可以使用isinstance来检查:isinstance(object, classinfo)
建议 13:尽量转换为浮点类型后再做除法
# 计算平均成绩绩点 >>> gpa = ((4*96+3*85+5*98+2*70)*4) / ((4+3+5+2)*100) >>> gpa 3.625714285714286 # 终于知道自己的绩点是咋算的了
建议 14:警惕 eval() 的安全漏洞
eval(expression[, globals[, locals]])将字符串 str 当成有效的表达式来求值并返回计算结果,globas为字典形式,locals为任何映射对象,它们分别表示全局和局部命名空间,两者都省略表达式将在调用的环境中执行,为什么需要警惕eval()呢:
# 合理正确地使用 >>> eval("1+1==2") True >>> eval('"a"+"b"') 'ab' # 坏心眼的geek >>> eval('__import__("os").system("dir")') Desktop Documents Downloads examples.desktop Music Pictures Public __pycache__ Templates Videos 0 >>> eval('__import__("os").system("del * /Q")') # 嘿嘿嘿
如果确实需要使用eval,建议使用安全性更好的ast.literal_eval。
建议 15:使用 enumerate() 获取序列迭代的索引和值
>>> li = ['a', 'b', 'c', 'd', 'e'] >>> for i, e in enumerate(li): ... print('index: ', i, 'element: ', e) ... index: 0 element: a index: 1 element: b index: 2 element: c index: 3 element: d index: 4 element: e # enumerate(squence, start=0) 内部实现 def enumerate(squence, start=0): n = start for elem in sequence: yield n, elem # 666 n += 1 # 明白了原理我们自己也来实现一个反序的 def reversed_enumerate(squence): n = -1 for elem in reversed(sequence): yield len(sequence) + n, elem n -= 1
建议 16:分清 == 与 is 的适用场景
操作符意义isobject identity==equal
is的作用是用来检查对象的标示符是否一致,也就是比较两个对象在内存中是否拥有同一块内存空间,相当于id(x) == id(y),它并不适用于判断两个字符串是否相等。==才是用来判断两个对象的值是否相等,实际是调用了内部的__eq__,所以a==b相当于a.__eq__(b),也就是说==是可以被重载的,而is不能被重载。
>>> s1 = 'hello world' >>> s2 = 'hello world' >>> s1 == s2 True >>> s1 is s2 False >>> s1.__eq__(s2) True >>> a = 'Hi' >>> b = 'Hi' >>> a == b True >>> a is b True
咦~怎么上例中的a, b又是“同一对象”了?这跟 Python 的 string interning 机制有关,为了提高系统性能,对于较小的字符串会保留其值的一个副本,当创建新的字符串时直接指向该副本,所以a和b的 id 值是一样的,同样对于小整数[-5, 257)也是如此:
>>> id(a) 140709793837832 >>> id(b) 140709793837832 >>> x = -5 >>> y = -5 >>> x is y True >>> id(x) == id(y) True
建议 17:考虑兼容性,尽可能使用 Unicode
我之前也总结过编码的问题。由于最早的编码是 ASCII 码,只能表示 128 个字符,显然这对其它语言编码并不适用,Unicode就是为了不同的文字分配一套统一的编码。
建议 18:构建合理的包层次来管理 module
本质上每一个 Python 文件都是一个模块,使用模块可以增强代码的可维护性和可重用性,在较大的项目中,我们需要合理地组织项目层次来管理模块,这就是包(Package)的作用。
一句话说包:一个包含__init__.py 文件的目录。包中的模块可以通过.进行访问,即包名.模块名。那么这个__init__.py文件有什么用呢?最明显的作用就是它区分了包和普通目录,在该文件中申明模块级别的 import 语句从而变成了包级别可见,另外在该文件中定义__all__变量,可以控制需要导入的子包或模块。
这里给出一个较为合理的包组织方式,是FlaskWeb 开发:基于Python的Web应用开发实战一书中推荐而来的:
|-flasky |-app/ # Flask 程序 |-templates/ # 存放模板 |-static/ # 静态文件资源 |-main/ |-__init__.py |-errors.py # 蓝本中的错误处理程序 |-forms.py # 表单对象 |-views.py # 蓝本中定义的程序路由 |-__init__.py |-email.py # 电子邮件支持 |-models.py # 数据库模型 |-migrations/ # 数据库迁移脚本 |-tests/ # 单元测试 |-__init__.py |-test*.py |-venv/ # 虚拟环境 |-requirements/ |-dev.txt # 开发过程中的依赖包 |-prod.txt # 生产过程中的依赖包 |-config.py # 储存程序配置 |-manage.py # 启动程序以及其他的程序任务
第 3 章:基础语法
建议 19:有节制地使用 from...import 语句
Python 提供三种方式来引入外部模块:import语句、from...import语句以及__import__函数,其中__import__函数显式地将模块的名称作为字符串传递并赋值给命名空间的变量。
使用import需要注意以下几点:
- 优先使用import a的形式
- 有节制地使用from a import A
- 尽量避免使用from a import *
为什么呢?我们来看看 Python 的 import 机制,Python 在初始化运行环境的时候会预先加载一批内建模块到内存中,同时将相关信息存放在sys.modules中,我们可以通过sys.modules.items()查看预加载的模块信息,当加载一个模块时,解释器实际上完成了如下动作:
- 在sys.modules中搜索该模块是否存在,如果存在就导入到当前局部命名空间,如果不存在就为其创建一个字典对象,插入到sys.modules中
- 加载前确认是否需要对模块对应的文件进行编译,如果需要则先进行编译
- 执行动态加载,在当前命名空间中执行编译后的字节码,并将其中所有的对象放入模块对应的字典中
>>> dir() ['__builtins__', '__doc__', '__loader__', '__name__', '__package__', '__spec__'] >>> import test testing module import >>> dir() ['__builtins__', '__doc__', '__loader__', '__name__', '__package__', '__spec__', 'test'] >>> import sys >>> ‘test’ in sys.modules.keys() True >>> id(test) 140367239464744 >>> id(sys.modules['test']) 140367239464744 >>> dir(test) ['__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__spec__', 'a', 'b'] >>> sys.modules['test'].__dict__.keys() dict_keys(['__file__', '__builtins__', '__doc__', '__loader__', '__package__', '__spec__', '__name__', 'b', 'a', '__cached__'])
从上可以看出,对于用户自定义的模块,import 机制会创建一个新的 module 将其加入当前的局部命名空间中,同时在 sys.modules 也加入该模块的信息,但本质上是在引用同一个对象,通过test.py所在的目录会多一个字节码文件。
建议 20:优先使用 absolute import 来导入模块
建议 21: i+=1 不等于 ++i
首先++i或--i在 Python 语法上是合法,但并不是我们通常理解的自增或自减操作:
>>> ++1 # +(+1) 1 >>> --1 # -(-1) 1 >>> +++2 2 >>> ---2 -2
原来+或-只表示正负数符号。
建议 22:使用 with 自动关闭资源
对于打开的资源我们记得关闭它,如文件、数据库连接等,Python 提供了一种简单优雅的解决方案:with。
先来看with实现的原理吧。
with的实现得益于一个称为上下文管理器(context manager)的东西,它定义程序运行时需要建立的上下文,处理程序的进入和退出,实现了上下文管理协议,即对象中定义了__enter__()和__exit__(),任何实现了上下文协议的对象都可以称为一个上下文管理器:
- __enter__():返回运行时上下文相关的对象
- __exit__(exception_type, exception_value, traceback):退出运行时的上下文,处理异常、清理现场等
包含with语句的代码块执行过程如下:
with 表达式 [as 目标]: 代码块 # 例 >>> with open('test.txt', 'w') as f: ... f.write('test') ... 4 >>> f.__enter__ <built-in method __enter__ of _io.TextIOWrapper object at 0x7f1b967aaa68> >>> f.__exit__ <built-in method __exit__ of _io.TextIOWrapper object at 0x7f1b967aaa68>
- 计算表达式的值,返回一个上下文管理器对象
- 加载上下文管理器对象的__exit__()以备后用
- 调用上下文管理器对象的__enter__()
- 将__enter__()的返回值赋给目标对象
- 执行代码块,正常结束调用__exit__(),其返回值直接忽略,如果发生异常,会调用__exit__()并将异常类型、值及 traceback 作为参数传递给__exit__(),__exit__()返回值为 false 异常将会重新抛出,返回值为 true 异常将被挂起,程序继续执行
于此,我们可以自定义一个上下文管理器:
>>> class MyContextManager(object): ... def __enter__(self): ... print('entering...') ... def __exit__(self, exception_type, exception_value, traceback): ... print('leaving...') ... if exception_type is None: ... print('no exceptions!') ... return False ... elif exception_type is ValueError: ... print('value error!') ... return True ... else: ... print('other error') ... return True ... >>> with MyContextManager(): ... print('Testing...') ... entering... Testing... leaving... no exceptions! >>> with MyContextManager(): ... print('Testing...') ... raise(ValueError) ... entering... Testing... leaving... value error!
Python 还提供contextlib模块,通过 Generator 实现,其中的 contextmanager 作为装饰器来提供一种针对函数级别上的上下文管理器,可以直接作用于函数/对象而不必关心__enter__()和__exit__()的实现。
推荐文章
建议 23:使用 else 子句简化循环(异常处理)
Python 的 else 子句提供了隐含的对循环是否由 break 语句引发循环结束的判断,有点绕哈,来看例子:
>>> def print_prime(n): ... for i in range(2, n): ... for j in range(2, i): ... if i % j == 0: ... break ... else: ... print('{} is a prime number'.format(i)) ... >>> print_prime(7) 2 is a prime number 3 is a prime number 5 is a prime number
可以看出,else 子句在循环正常结束和循环条件不成立时被执行,由 break 语句中断时不执行,同样,我们可以利用这颗语法糖作用在 while 和 try...except 中。
改善 Python 程序的 91 个建议(二)
相关文章
本站已关闭游客评论,请登录或者注册后再评论吧~