本文会试着介绍一些其它文章没有提到的小技巧，这些小技巧也是我平时会用到的的。让咱们一探究竟吧！正则表达式

整理字符串输入

整理用户输入的问题在编程过程当中极为常见。一般状况下，将字符转换为小写或大写就够了，有时你可使用正则表达式模块「Regex」完成这项工做。可是若是问题很复杂，可能有更好的方法来解决：编程

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，你能够看到空格符「 n」和「 t」都被替换成了单个空格，「 r」都被删掉了。这只是个很简单的例子，咱们能够更进一步，使用「unicodedata」程序包生成大型重映射表，并使用其中的「combining()」进行生成和映射，咱们能够数组

迭代器切片(Slice)

若是对迭代器进行切片操做，会返回一个「TypeError」，提示生成器对象没有下标，可是咱们能够用一个简单的方案来解决这个问题：ide

import itertools

s = itertools.islice(range(50), 10, 20) # <itertools.islice object at 0x7f70fab88138>

for val in s:

...

咱们可使用「itertools.islice」建立一个「islice」对象，该对象是一个迭代器，能够产生咱们想要的项。但须要注意的是，该操做要使用切片以前的全部生成器项，以及「islice」对象中的全部项。函数

跳过可迭代对象的开头

有时你要处理一些以不须要的行(如注释)开头的文件。「itertools」再次提供了一种简单的解决方案：优化

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)

这段代码只打印初始注释部分以后的内容。若是咱们只想舍弃可迭代对象的开头部分(本示例中为开头的注释行)，而又不知道要这部分有多长时，这种方法就颇有用了。spa

只包含关键字参数的函数 (kwargs)

当咱们使用下面的函数时，建立仅仅须要关键字参数做为输入的函数来提供更清晰的函数定义，会颇有帮助：code

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...

如你所见，在关键字参数以前加上一个「」就能够解决这个问题。若是咱们将某些参数放在「」参数以前，它们显然是位置参数。对象

建立支持「with」语句的对象

举例而言，咱们都知道如何使用「with」语句打开文件或获取锁，可是咱们能够实现本身上下文表达式吗？是的，咱们可使用「enter」和「exit」来实现上下文管理协议:blog

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

这是在 Python 中最多见的实现上下文管理的方法，可是还有更简单的方法:

from contextlib import contextmanager

@contextmanager

def tag(name):

print(f"")

yield

print(f"{name}>")

with tag("h1"):

print("This is Title.")

上面这段代码使用 contextmanager 的 manager 装饰器实现了内容管理协议。在进入 with 块时 tag 函数的第一部分(在 yield 以前的部分)就已经执行了，而后 with 块才被执行，最后执行 tag 函数的其他部分。

用「slots」节省内存

若是你曾经编写过一个建立了某种类的大量实例的程序，那么你可能已经注意到，你的程序忽然须要大量的内存。那是由于 Python 使用字典来表示类实例的属性，这使其速度很快，但内存使用效率却不是很高。一般状况下，这并非一个严重的问题。可是，若是你的程序所以受到严重的影响，不妨试一下「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

当咱们定义了「slots」属性时，Python 没有使用字典来表示属性，而是使用小的固定大小的数组，这大大减小了每一个实例所需的内存。使用「slots」也有一些缺点：咱们不能声明任何新的属性，咱们只能使用「slots」上现有的属性。并且，带有「slots」的类不能使用多重继承。

限制「CPU」和内存使用量

若是不是想优化程序对内存或 CPU 的使用率，而是想直接将其限制为某个肯定的数字，Python 也有一个对应的库能够作到：

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))

咱们能够看到，在上面的代码片断中，同时包含设置最大 CPU 运行时间和最大内存使用限制的选项。在限制 CPU 的运行时间时，咱们首先得到该特定资源(RLIMIT_CPU)的软限制和硬限制，而后使用经过参数指定的秒数和先前检索到的硬限制来进行设置。最后，若是 CPU 的运行时间超过了限制，咱们将发出系统退出的信号。在内存使用方面，咱们再次检索软限制和硬限制，并使用带「size」参数的「setrlimit」和先前检索到的硬限制来设置它。

控制能够/不能够导入什么

有些语言有很是明显的机制来导出成员(变量、方法、接口)，例如在 Golang 中只有以大写字母开头的成员被导出。然而，在 Python 中，全部成员都会被导出(除非咱们使用了「all」)：

def foo():

pass

def bar():

pass

__all__ = ["bar"]

在上面这段代码中，咱们知道只有「bar」函数被导出了。一样，咱们可让「all」为空，这样就不会导出任何东西，当从这个模块导入的时候，会形成「AttributeError」。

实现比较运算符的简单方法

为一个类实现全部的比较运算符(如 lt , le , gt , ge)是很繁琐的。有更简单的方法能够作到这一点吗？这种时候，「functools.total_ordering」就是一个很好的帮手：

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))

这里的工做原理到底是怎样的呢？咱们用「total_ordering」装饰器简化实现对类实例排序的过程。咱们只须要定义「lt」和「eq」就能够了，它们是实现其他操做所须要的最小的操做集合(这里也体现了装饰器的做用——为咱们填补空白)。

结语

并不是本文中全部提到的功能在平常的 Python 编程中都是必需或有用的，可是其中某些功能可能会不时派上用场，并且它们也可能简化一些本来就很冗长且使人烦恼的任务。还需指出的是，全部这些功能都是 Python 标准库的一部分。而在我看来，其中一些功能彷佛并不像标准库中包含的标准内容，因此当你使用 Python 实现本文提到的某些功能时，请先参阅 Python 的标准库，若是你不能找到想要的功能，可能只是由于你尚未尽力查找(若是真的没有，那它确定也存在于一些第三方库)。