importitertools

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

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(shù)的函數(shù)(kwargs)

當我們使用下面的函數(shù)時，創(chuàng)建僅僅需要關鍵字參數(shù)作為輸入的函數(shù)來提供更清晰的函數(shù)定義，會很有幫助：

deftest(*,a,b):

pass

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

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

如你所見，在關鍵字參數(shù)之前加上一個「*」就可以解決這個問題。如果我們將某些參數(shù)放在「*」參數(shù)之前，它們顯然是位置參數(shù)。

創(chuàng)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(xiàn)自己上下文表達式嗎?是的，我們可以使用「__enter__」和「__exit__」來實現(xiàn)上下文管理協(xié)議:

classConnection:

def__init__(self):

...

def__enter__(self):

#Initializeconnection...

def__exit__(self,type,value,traceback):

#Closeconnection...

withConnection()asc:

#__enter__()executes

...

#conn.__exit__()executes

這是在Python中最常見的實現(xiàn)上下文管理的方法，但是還有更簡單的方法:

fromcontextlibimportcontextmanager

@contextmanager

deftag(name):

print(f"<{name}>")

yield

print(f"")

withtag("h1"):

print("ThisisTitle.")

上面這段代碼使用contextmanager的manager裝飾器實現(xiàn)了內容管理協(xié)議。在進入with塊時tag函數(shù)的第一部分(在yield之前的部分)就已經執(zhí)行了，然后with塊才被執(zhí)行，最后執(zhí)行tag函數(shù)的其余部分。

用「__slots__」節(jié)省內存

如果你曾經編寫過一個創(chuàng)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__」：

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(shù)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(xiàn)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(yōu)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(shù)字，Python也有一個對應的庫可以做到：

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))

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(shù)指定的秒數(shù)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(fā)出系統(tǒng)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(shù)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__」)：

deffoo():

pass

defbar():

pass

__all__=["bar"]

在上面這段代碼中，我們知道只有「bar」函數(shù)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(xiàn)比較運算符的簡單方法

為一個類實現(xiàn)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：

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(xiàn)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(xiàn)其余操作所需要的最小的操作集合(這里也體現(xiàn)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(xiàn)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)。

以上內容為大家介紹了Python編程進階，常用八大技巧!，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。