整理字符串輸入

整理用戶(hù)輸入的問(wèn)題在編程過(guò)程中極為常見(jiàn)。通常情況下，將字符轉(zhuǎn)換為小寫(xiě)或大寫(xiě)就夠了，有時(shí)你可以使用正則表達(dá)式模塊「Regex」完成這項(xiàng)工作。但是如果問(wèn)題很復(fù)雜，可能有更好的方法來(lái)解決： 

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，你可以看到空格符「 n」和「 t」都被替換成了單個(gè)空格，「 r」都被刪掉了。這只是個(gè)很簡(jiǎn)單的例子，我們可以更進(jìn)一步，使用「unicodedata」程序包生成大型重映射表，并使用其中的「combining()」進(jìn)行生成和映射，我們可以

迭代器切片（Slice）

如果對(duì)迭代器進(jìn)行切片操作，會(huì)返回一個(gè)「TypeError」，提示生成器對(duì)象沒(méi)有下標(biāo)，但是我們可以用一個(gè)簡(jiǎn)單的方案來(lái)解決這個(gè)問(wèn)題： 

import itertools  
s = itertools.islice(range(50), 10, 20)  # <itertools.islice object at 0x7f70fab88138>  
for val in s:  
    ... 

我們可以使用「itertools.islice」創(chuàng)建一個(gè)「islice」對(duì)象，該對(duì)象是一個(gè)迭代器，可以產(chǎn)生我們想要的項(xiàng)。但需要注意的是，該操作要使用切片之前的所有生成器項(xiàng)，以及「islice」對(duì)象中的所有項(xiàng)。

跳過(guò)可迭代對(duì)象的開(kāi)頭

有時(shí)你要處理一些以不需要的行（如注釋?zhuān)╅_(kāi)頭的文件。「itertools」再次提供了一種簡(jiǎn)單的解決方案： 

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) 

這段代碼只打印初始注釋部分之后的內(nèi)容。如果我們只想舍棄可迭代對(duì)象的開(kāi)頭部分（本示例中為開(kāi)頭的注釋行），而又不知道要這部分有多長(zhǎng)時(shí)，這種方法就很有用了。

只包含關(guān)鍵字參數(shù)的函數(shù) (kwargs)

當(dāng)我們使用下面的函數(shù)時(shí)，創(chuàng)建僅僅需要關(guān)鍵字參數(shù)作為輸入的函數(shù)來(lái)提供更清晰的函數(shù)定義，會(huì)很有幫助： 

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... 

如你所見(jiàn)，在關(guān)鍵字參數(shù)之前加上一個(gè)「*」就可以解決這個(gè)問(wèn)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(yǔ)句的對(duì)象

舉例而言，我們都知道如何使用「with」語(yǔ)句打開(kāi)文件或獲取鎖，但是我們可以實(shí)現(xiàn)自己上下文表達(dá)式嗎？是的，我們可以使用「__enter__」和「__exit__」來(lái)實(shí)現(xiàn)上下文管理協(xié)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 

這是在 Python 中最常見(jiàn)的實(shí)現(xiàn)上下文管理的方法，但是還有更簡(jiǎn)單的方法: 

from contextlib import contextmanager  
@contextmanager  
def tag(name):  
    print(f"<{name}>")  
    yield  
    print(f"</{name}>")  
with tag("h1"):  
    print("This is Title.") 

上面這段代碼使用 contextmanager 的 manager 裝飾器實(shí)現(xiàn)了內(nèi)容管理協(xié)議。在進(jìn)入 with 塊時(shí) tag 函數(shù)的第一部分（在 yield 之前的部分）就已經(jīng)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(nèi)存

如果你曾經(jīng)編寫(xiě)過(guò)一個(gè)創(chuàng)建了某種類(lèi)的大量實(shí)例的程序，那么你可能已經(jīng)注意到，你的程序突然需要大量的內(nèi)存。那是因?yàn)?Python 使用字典來(lái)表示類(lèi)實(shí)例的屬性，這使其速度很快，但內(nèi)存使用效率卻不是很高。通常情況下，這并不是一個(gè)嚴(yán)重的問(wèn)題。但是，如果你的程序因此受到嚴(yán)重的影響，不妨試一下「__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 

當(dāng)我們定義了「__slots__」屬性時(shí)，Python 沒(méi)有使用字典來(lái)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(gè)實(shí)例所需的內(nèi)存。使用「__slots__」也有一些缺點(diǎn)：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(lèi)不能使用多重繼承。

限制「CPU」和內(nèi)存使用量

如果不是想優(yōu)化程序?qū)?nèi)存或 CPU 的使用率，而是想直接將其限制為某個(gè)確定的數(shù)字，Python 也有一個(gè)對(duì)應(yīng)的庫(kù)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)) 

我們可以看到，在上面的代碼片段中，同時(shí)包含設(shè)置最大 CPU 運(yùn)行時(shí)間和最大內(nèi)存使用限制的選項(xiàng)。在限制 CPU 的運(yùn)行時(shí)間時(shí)，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(guò)參數(shù)指定的秒數(shù)和先前檢索到的硬限制來(lái)進(jìn)行設(shè)置。最后，如果 CPU 的運(yùn)行時(shí)間超過(guò)了限制，我們將發(fā)出系統(tǒng)退出的信號(hào)。在內(nèi)存使用方面，我們?cè)俅螜z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(lái)設(shè)置它。

控制可以/不可以導(dǎo)入什么

有些語(yǔ)言有非常明顯的機(jī)制來(lái)導(dǎo)出成員（變量、方法、接口），例如在 Golang 中只有以大寫(xiě)字母開(kāi)頭的成員被導(dǎo)出。然而，在 Python 中，所有成員都會(huì)被導(dǎo)出（除非我們使用了「__all__」）： 

def foo():  
    pass  
def bar():  
    pass  
__all__ = ["bar"] 

在上面這段代碼中，我們知道只有「bar」函數(shù)被導(dǎo)出了。同樣，我們可以讓「__all__」為空，這樣就不會(huì)導(dǎo)出任何東西，當(dāng)從這個(gè)模塊導(dǎo)入的時(shí)候，會(huì)造成「AttributeError」。

實(shí)現(xiàn)比較運(yùn)算符的簡(jiǎn)單方法

為一個(gè)類(lèi)實(shí)現(xiàn)所有的比較運(yùn)算符（如 __lt__ , __le__ , __gt__ , __ge__）是很繁瑣的。有更簡(jiǎn)單的方法可以做到這一點(diǎn)嗎？這種時(shí)候，「functools.total_ordering」就是一個(gè)很好的幫手： 

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)) 

這里的工作原理究竟是怎樣的呢？我們用「total_ordering」裝飾器簡(jiǎn)化實(shí)現(xiàn)對(duì)類(lèi)實(shí)例排序的過(guò)程。我們只需要定義「__lt__」和「__eq__」就可以了，它們是實(shí)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(bǔ)空白）。

結(jié)語(yǔ)

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(huì)不時(shí)派上用場(chǎng)，而且它們也可能簡(jiǎn)化一些原本就很冗長(zhǎng)且令人煩惱的任務(wù)。還需指出的是，所有這些功能都是 Python 標(biāo)準(zhǔn)庫(kù)的一部分。而在我看來(lái)，其中一些功能似乎并不像標(biāo)準(zhǔn)庫(kù)中包含的標(biāo)準(zhǔn)內(nèi)容，所以當(dāng)你使用 Python 實(shí)現(xiàn)本文提到的某些功能時(shí)，請(qǐng)先參閱 Python 的標(biāo)準(zhǔn)庫(kù)，如果你不能找到想要的功能，可能只是因?yàn)槟氵€沒(méi)有盡力查找（如果真的沒(méi)有，那它肯定也存在于一些第三方庫(kù)）。