你估計已經看了不少關于Python技巧的文章，里面可能會提到變量拆包(unpacking)、局部函數等，但是Python還有很多不為人知的高效用法，等待著被人發現。本文將介紹作者縱觀全網之后，都屬于很少沒提及的技巧。

清理字符串輸入

清理用戶輸入的問題，幾乎適用于我們可能編寫的每個程序。通常將字符轉換為小寫或大寫就足夠了，這時只需要使用正則即可，但是對于復雜的情況，有一種更好的方法：

user_input="This\nstringhas\tsomewhitespaces...\r\n"

character_map={

ord('\n'):'',

ord('\t'):'',

ord('\r'):None

}

user_input.translate(character_map)#Thisstringhassomewhitespaces..."

在上述示例中，可以看到空格符“\n”和“\t”已被單個空格替換，而“\r”已被完全刪除。這是一個簡單的示例，但是我們可以更進一步，使用unicodedata包及其combining()函數生成范圍更廣的映射表，從字符串中刪除所有重音符號。

迭代器切片

如果您嘗試獲取迭代器的切片，系統會報TypeError，提示生成器對象不可下標，但是解決方案很簡單：

importitertools

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

forvalins:

...

使用itertools.islice，我們可以創建一個islice對象，該對象是產生所需元素的迭代器。不過，請務必注意，這會消耗所有生成器項，直到切片開始為止，而且還會消耗我們的“islice”對象中的所有項。

Usingitertools.islicewecancreateaisliceobjectwhichisaniteratorthatproducesdesireditems.It'simportanttonotethough,thatthisconsumesallgeneratoritemsupuntilthestartofsliceandalsoalltheitemsinourisliceobject.

跳過可迭代對象的開始

有時候需要處理的文件里，明確存在一些不需要的數據行，但是我們不確定數量，比如說代碼中的注釋。這時，itertools再次為我們提供了簡潔的方案：

string_from_file="""

//Author:...

//License:...

//

//Date:...

Actualcontent...

"""

importitertools

forlineinitertools.dropwhile(lambdaline:line.startswith("http://"),string_from_file.split("\n")):

print(line)

這段代碼僅在初始注釋部分之后，才會產生數據行。如果我們只想在迭代器的開頭丟棄數據，而又不知道有具體數量時，這個方法很有用。

僅帶關鍵字參數(kwargs)的函數

有時候，使用僅支持關鍵字參數的函數可以讓代碼更加清晰易懂：

deftest(*,a,b):

pass

test("valuefora","valueforb")#TypeError:test()takes0positionalarguments...

test(a="value",b="value2")#Works...

只需要在關鍵字參數前面再加一個*參數，就可以輕松實現了。當然，如果還希望再加上位置參數，可以在*參數前面再增加。

創建支持with語句的對象

我們都知道如何打開文件或使用with語句獲取鎖，但是怎樣自己可以實現類似的功能呢?一般來說，我們可以使用__enter__和__exit__方法來實現上下文管理器協議：

classConnection:

def__init__(self):

...

def__enter__(self):

#Initializeconnection...

def__exit__(self,type,value,traceback):

#Closeconnection...

withConnection()asc:

#__enter__()executes

...

#conn.__exit__()executes

上面是最常見的實現方式，但是還有一種更簡單的方法：

fromcontextlibimportcontextmanager

@contextmanager

deftag(name):

print(f"<{name}>")

yield

print(f"")

withtag("h1"):

print("ThisisTitle.")

上面的代碼段使用contextmanager管理器裝飾器實現了內容管理協議。進入“with”塊時，執行“tag”函數的第一部分(在“yield”之前)，然后執行yield，最后執行其余部分。

用__slots__節省內存

如果程序需要創建大量的類實例，我們會發現程序占用了大量內存。這是因為Python使用字典來表示類實例的屬性，這樣的話創建速度很快，但是很耗內存。如果內存是你需要考慮的一個問題，那么可以考慮使用__slots__：

classPerson:

__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__slots__屬性時，Python會使用固定大小的數組(占用內存少)來存儲屬性，而不是字典，這大大減少了每個實例所需的內存。不過使用__slots__還有一些缺點：無法聲明任何新屬性，我們只能使用__slots__中的那些屬性。同樣，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內存或CPU使用率，而是想直接將其限制為某個數值，那么Python也有一個可以滿足要求的庫：

importsignal

importresource

importos

#ToLimitCPUtime

deftime_exceeded(signo,frame):

print("CPUexceeded...")

raiseSystemExit(1)

defset_max_runtime(seconds):

#Installthesignalhandlerandsetaresourcelimit

soft,hard=resource.getrlimit(resource.RLIMIT_CPU)

resource.setrlimit(resource.RLIMIT_CPU,(seconds,hard))

signal.signal(signal.SIGXCPU,time_exceeded)

#Tolimitmemoryusage

defset_max_memory(size):

soft,hard=resource.getrlimit(resource.RLIMIT_AS)

resource.setrlimit(resource.RLIMIT_AS,(size,hard))

在這里，我們可以設置了最大cpu運行時間以及最大內存使用限制的兩個選項。對于cpu限制，我們首先獲得該特定資源(RLIMIT_CPU)的軟限制和硬限制，然后使用參數指定的秒數和先前獲取的硬限制來設置。

最后，我們注冊了一個在超過CPU時間后，讓系統退出的信號。至于內存，我們再次獲取軟限制和硬限制，并使用帶有大小參數的setrlimit和硬限制完成配置

控制導入的內容

某些語言提供了導出成員(變量，方法，接口)的顯式機制，例如Golang，它僅導出以大寫字母開頭的成員。但是在Python中，所有對象都會導出，除非我們使用__all__：

deffoo():

pass

defbar():

pass

__all__=["bar"]

上面的代碼段中，只會導出bar函數。另外，如果__all__的值為空，那么不會導出任何函數，而且在導入該模塊時系統會報AttributeError。

實現比較運算符

如果我們要逐一為某個類實現所有的比較運算符，你肯定會覺得很麻煩，因為要實現的方法還不少，有__lt__,__le__,__gt__,和__ge__。

其實，Python提供了一種便捷的實現方式，就是通過functools.total_ordering裝飾器。

fromfunctoolsimporttotal_ordering

@total_ordering

classNumber:

def__init__(self,value):

self.value=value

def__lt__(self,other):

returnself.value

def__eq__(self,other):

returnself.value==other.value

print(Number(20)>Number(3))

print(Number(1)

print(Number(15)>=Number(15))

print(Number(10)<=Number(2))

這是怎么實現的呢?total_ordering可以用來簡化實現類排序的過程。我們只需要定義__lt__和__eq__(這是映射剩余操作的最低要求)，然后就交給裝飾器去完成剩余的工作了。

結語

在日常Python編程時，上述特性并非都是必不可少的和有用的，但是其中某些功能可能會不時派上用場，并能簡化冗長且令人討厭的任務。

還要指出的是，所有這些功能都是Python標準庫的一部分，而在我看來，其中一些功能似乎不像是應該在標準庫中的功能。

因此，每當你決定要用Python實現某些功能時，都請先在標準庫中找一找，如果找不到合適的庫，那么可能是因為查找的姿勢不對。而且即使標準庫里沒有，有很大的概率已經存在一個第三方庫了!

以上內容為大家介紹了Python高效率的技巧，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。http://www.mobiletrain.org/

上一篇

數據科學中必須了解的Python核心庫

下一篇

Python自學daily之模塊/list/tuple/dict