分享几个冷门Python技巧，Python事件分发机制收藏这一篇就够了

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…

正如你所看到的，这可以通过在关键字参数之前放置单个_参数来轻松解决。如果我们把位置参数放在_参数之前，位置参数显然也会存在。

创建支持with语句的对象

例如，我们都知道如何使用with语句来打开文件或获取锁，但是我们可以实现自己的with语句吗? 当然，我们可以使用__enter__和__exit__方法来实现上下文管理协议:

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中实现上下文管理最常见的方法，但是还有更简单的实现方法:

from contextlib import contextmanager

@contextmanager

def tag(name):

print(f"<{name}>")

yield

print(f"</{name}>")

with tag(“h1”):

printC “This is Title.”)

上面的代码片段使用contextmanager管理器装饰器实现了内容管理协议。在进入with块时，tag函数(在yield之前)的第一部分会被执行，然后该with块被执行，最后，tag函数的其余部分会被执行。

使用__slots__节省内存

如果你曾经编写过一个创建某个类的大量实例的程序，你可能会注意到你的程序会突然需要大量内存。这是因为Python使用字典来表示类实例的属性，这使得它的速度很快，但是内存效率不高，这通常并不是一个问题。然而，如果它成为你的程序的一个问题时，你可以尝试使用__slots__:

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

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

这里的情况是，当我们定义了__slots__属性时，Python会使用小的固定大小的数组而不是字典来定义属性，这大大减少了每个实例所需的内存。使用__slots__也有一些缺点——我们不能声明任何新的属性，并且我们只能使用在__slots__上这些属性。而且，带有__slots__的类不能使用多重继承。

限制CPU和内存的使用

如果你不想优化你的程序内存或CPU使用，你只想把它限制在某个固定大小的内存上，那么Python也有一个这样的库来做到这一点:

import signal

import resource

import os

#To LimiECPU 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))

这里我们可以看到设置最大CPU运行时间和最大内存使用限制的两个选项。对于CPU限制，我们首先获取特定资源(RLIMIT_CPU)的软限制和硬限制，然后使用参数指定的秒数和前面检索到的硬限制来设置它。最后，我们注册信号，如果CPU时间超过限制，该信号会导致系统退出。对于内存，我们再次检索软限制和硬限制，并使用带有大小参数的setrlimit和检索的硬限制来设置它。

控制什么可以导入，什么不可以导入

一些语言有非常明显的导出成员(变量、方法、接口)的控制机制，例如Golang，其中只有以大写字母开头的成员会被导出。另一方面，在Python中，所有东西都可以被导出，除非我们使用__all__:

‘’’

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

5592f4cdcb197de0dc0438ec5.png#pic_center)

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。