【Python】《Python编程之美

之美 Python 2023-01-31 02:01:49 952人浏览泡泡鱼

Python 官方文档：入门教程 => 点击学习

摘要

草草的看了一遍，有些设计代码讲解地方因为我的层次不及，尚不能理解。基本留白胜于紧凑 |> 一行只写一条语句明确胜于隐晦 |> 判断代码写的是否优雅的一个规则是：其他开发者是否只阅读函数的首行和末行就能理解程序的作用错

草草的看了一遍，有些设计代码讲解地方因为我的层次不及，尚不能理解。

基本

留白胜于紧凑 |> 一行只写一条语句
明确胜于隐晦 |> 判断代码写的是否优雅的一个规则是：其他开发者是否只阅读函数的首行和末行就能理解程序的作用
错误不应被默默的忽略，除非你明确地忽视 |> 没有指定任何异常类型的except语句将捕获所有的异常，会屏蔽键盘发出的KeyboradInterrupt，使得ctrl +c无法被正确响应
与*args的理由类似，kwargs这类强大的技术应该用在真正需要之处。如果函数的意图可以通过更简单更清晰的结构来充分表达，那么不应该使用这类技术。
相比较于运行速度，python更在意代码的可读性，Python把用户友好看的比性能更重
函数
Python函数应具有如下特点
- - 易读：函数名称和参数都无需解释
- - 易改：添加新的关键字参数不会破坏代码其他参数
- - 尽量在移除返回函数结果，函数体的返回点越少越好，当函数不能正确执行时，最好返回False或None
- - 一个函数只做一件事
    类
- 使用@property的目的是将函数与数据相分离
  自觉的编程习惯
Python中没有private关键字
私有属性和实现细节的主要约定是为所有的内部变量增加“_”前缀
任何不开放给外部使用的方法或者属性，都应带下划线前缀
随时都可以讲私有属性公有化，但是把公有化属性私有化会困难很多
访问字典时，使用key in dict的判断语法而不是dict.has_keys(),还可以使用dict.get()处理键值为空时的默认值
访问列表或者数组时，使用enumerate()来生成元素位置，比手动维护一个 i += 1 in for 更pythonic
如果解包是需要赋值，单又不需要其中的某个值，可以使用双下划线(__)来代替此位置的值。双下划线比单下划线更优
集合set比列表list的速度更快
无法使用with结构时，可以使用try: do xx \nfinnally: do yy来代替
模块与包
使用import *的代码更难阅读，依赖也难以区分
如果包内的模块和子包不需要共享任何代码，那么init.py文件留空是最佳实践。
依赖引入的兼容性处理

# 处理不同版本的包名不同，或者使用兼容包模拟另一个包
try:
    import functionXX
except ImportError:
    import python2_functionXX as functionXX

# 处理2和3不同包引入，设置可以预设2to3的兼容方案
import sys
if sys.version < "3":
    import python2_functionXX as functionXX
else:
  import functionXX

变量与类型

Python是动态类型的语言，变量没有一个固定的类型。变量被实现为对象的指针。
复用变量名对代码效率提升没有任何帮助
一个变量只赋值一次是良好的实践
变量命名示例：item_string = "sb" \n item_list= [250,520]
可变类型：允许in-place改变对象的内容，例如列表和字典，都提供了append()或者pop()等变更自身的方法
可变类型不能用作字典的键，因为字典在键存储时使用了哈希方式，不允许键发生变化
字符串是不可变类型

字符拼接：

sb = "me"
sb2 = "you"
string = "%s %s " %(sb,sb2) # 官方废弃
string = "{},{}".fORMat(sb,sb2)
string = "{0},{1}".format(sb,sb2) # 与C#的方式略有类似
string = "{people1},{people2}".format(people1=sb,people2=sb2) # 最佳风格

文档

sphinx是最流行的Python文档工具

内部

Python调用栈包含当前Python解释器正在执行的指令。如果函数f()调用了函数g()，那么函数f()会先入栈。待g()被调用时则会入栈压到f()的上面。当g()返回时，它从栈中被弹出，f()会从原来中断的位置继续执行。

代码发布

一般会使用PyInstaller去打包程序，PyInstaller会将程序用到的所有Python库都放入dist文件夹，所以在分发可执行文件时，需要分发整个dist文件夹
命令行应用
argparse替代了已经废弃的optparse模块，是Python标准库内置的包。最优使用
docopt使用函数或者文件的doc位置设置命令行交互。
click使用注释器的方式来实现命令交互编写
clint可以着色和便利的处理缩进问题
GUI应用
tkinter库所有依赖已经捆绑进Python发行版
PyObjC可以提供OC接口，制作MacOS的专用程序
WSGI服务器
相比较于传统的WEB服务器(Nginx,apache)，wsgi服务器性能好，资源少。
比较流行的的服务器有gunicorn，其使用配置比较简单
代码管理和改进
持续集成,tox |> 打包，测试，部署，Travis-CI |> 分布式持续集成，可与GitHub无缝集成并评论Pull Request
与jenkins api进行交互最常用的Python工具是python-jenkins
服务器自动化：ssh |> Ansible |> 最大的优势是不要求在客户端上安装Python以外的任何东西
系统监控： RawSystemInfo |> psutil > glances (扩展版的top，比较综合，信息全)
系统任务管理：ssh |> Fabric
速度优化
threading 多线程，使用多线程，当Python内核发现某个线程正阻塞在I/O读写上时，会切换到另一个线程来使用处理器，直到这个线程也被阻塞和结束
mutliprocessing 多进程，但是不同进程之间的通信需要注意数据的共享安全
subprocess用于发起系统调用，推荐Python2用户使用subprocess32版本，该版本修复了若干bug
PyPy 是Python的一个纯Python实现。使用PyPy代码不需要任何改动，就能运行得更快。
future.concurrent 这个包装了threading和mutliprocessing，用起来方便，但是性能略差。（个人看法）
数据序列化
将结构数据转化为能够被共享或者存储的格式，保留必要的信息传输数据的接收端(或者从存储中读取数据时)能够在内存中重建对象
可以让被序化的数据占用最小化，便于最小化磁盘需求或者网络带宽需求
pickle模块在遇到错误和恶意结构的数据时是不安全的，不要使用pickle对来源不明的数据进行反序列化
跨语言序列化可以使用谷歌的protobuf
网络编程
asyncio 提供异步事件循环来管理与非阻塞套接字或者队列通信，以及任意用户定义的协程。asyncio目前仍不成熟。临时性的存在于标准库中
gevent 因轻量,与底层C库libev紧耦合，性能很高，而被广泛使用
pika 提供一个清凉的AMQP客户端，用于连接RabbitMQ或者其他消息代理