新潮小众的 Python 最新语法合集

2020 年 python2 停止维护,公司代码规范也鼓励使用 python3.6+版本,而随着 Python 版本的不断更新,许多旧的语法在可读性与效率上都已经有更好的替代了。当然,大部分的重要特性，例如装饰器、生成器、async 等，相信大家都已经了然于心,这里就对一些用的稍微少一些、日常看到的代码中不太常见的能用得上的语法做一个简单的笔记，供大家参考。经验有限，见解甚浅，还望各位大佬们多多指导、补充。

日常的自用 Python 脚本没有太大的工程压力，能紧跟更新步伐、尝试新的特性。但是语法糖用的好就是效率提升，用的不好就是可读性灾难，有些语法的出现也伴随着种种的争议，用更新的语法不代表能写出更好的代码。

翻看语言的更新日志确实蛮有意思

通过语法的更新变化还有变化带来的争议，也能窥透语言的设计哲学、汇聚浓缩在一个特定点上的社区开发经验。选择合适自己的、保持对代码精简可读的追求才是最重要。

那么就从老到新，理一理那些有意思的小 feature 吧。可能有漏掉有趣的点、也可能有解释不到位的地方，欢迎各位大佬更正补充。

Python 3.0-3.6

PEP 3132 可迭代对象解包拓展

Python3.0 引入，加强了原本的星号运算符(*)，让星号运算符能够智能地展开可迭代对象。

>>> a, *b, c = range(5)
>>> a
0
>>> c
4
>>> b
[1, 2, 3]

隐式赋值也同样适用

>>> for a, *b in [(1, 2, 3), (4, 5, 6, 7)]:
>>>     print(b)
[2, 3]
[5, 6, 7]

注意双星号(**)不能用相同语法展开字典

人畜无害，用处也不大的一个 feature

PEP 465 矩阵乘法运算符

Python3.5 引入，顾名思义，使用@符号。直接支持 numpy、pandas 等使用。

>>> a = numpy.array([1, 2, 3])
>>> b = numpy.array([10, 20, 30])
>>> a @ b
140

>>> c = numpy.array([[10, 15], [20, 25], [30, 35]])
>>> d = numpy.array([[4, 5, 6], [7, 8, 9]])
>>> c @ d
array([[145, 170, 195],
       [255, 300, 345],
       [365, 430, 495]])

矩阵乘法运算符的魔术方法为 __matmul__() 、 __rmatmul__() 、 __imatmul__() 三个

本身用处不大，但是提供了一个额外的操作符使用空间，可以用来重载来进行类似距离计算之类的用途。

>>> from math import sqrt

>>> class Point:
>>>     def __init__(self, x, y):
>>>         self.x = x
>>>         self.y = y
>>>
>>>     def __matmul__(self, value):
>>>         x_sub = self.x - value.x
>>>         y_sub = self.y - value.y
>>>         return sqrt(x_sub**2 + y_sub**2)
>>>
>>> a = Point(1, 3)
>>> b = Point(4, 7)
>>> print(a @ b)
5

争议主要存在于：作为矩阵乘法来说@操作符没有直观联系、影响可读性，不如直接使用 matmul

PEP 3107/484/526 函数注解/类型提示/变量注解

Python3.0 引入函数注解、3.5 引入 typing，让 python 也能享受静态类型的福利。可以说是 py3 中个人最喜欢的 feature，使用简单、效果强大，直接让开发效率以及代码可维护性直线增长。

# 参数后加:即可标注类型，函数结构定义后接->即可标注返回类型
def get_hello(name: str) -> str:
    return f"Hello, {name}!"

如上进行标记之后 IDE 便能自动读取参数、返回类型，直接出联想爽快如 java。

而 PEP 484 Typing 则是极大的扩充了类型定义语法，支持别名、泛型、Callable、Union 等等。非常推荐直接阅读 PEP。

https://www. python.org/dev/peps/pep -0484/

下面就是一个泛型的例子

from typing import TypeVar, Iterable, Tuple

T = TypeVar('T', int, float, complex)
Vector = Iterable[Tuple[T, T]]

def inproduct(v: Vector[T]) -> T:
    return sum(x*y for x, y in v)

def dilate(v: Vector[T], scale: T) -> Vector[T]:
    return ((x * scale, y * scale) for x, y in v)

vec = []  # type: Vector[float]

随后在 3.6 引入了众望所归的变量注解(PEP 526)，使用也很简单，直接在变量后添加冒号和类型即可，搭配函数注解一起食用体验极佳

pi: float = 3.142

# 也同样支持Union等
from typing import Union

a: Union[float,None] =1.0

3.7 中又引入了延迟标记求值(PEP 563)，让 typing 支持了前向引用、并减轻了标注对程序启动时间的影响，如虎添翼。

# 3.7前合法
class Tree:
    def __init__(self, left: 'Tree', right: 'Tree'):
        self.left = left
        self.right = right

# 3.7前不合法、3.7后合法
class Tree:
    def __init__(self, left: Tree, right: Tree):
        self.left = left
        self.right = right

更多的 python 类型检查示例代码：

https:// github.com/realpython/m aterials/tree/master/python-type-checking

静态类型检查对 Python 所带来的副作用主要还是启动时间上的影响，当然大部分场景所带来的便利是远大于这一副作用的。

PEP 498 f-string

Python3.6 引入，应该是用的最多的 feature 之一了，但是看到很多代码里面还是 str.format，就不得不再提一下。

>>> a = 10
>>> #只需要简单的在任意字符串字面量前加个f，就可以用花括号直接引用变量
>>> print(f"a = {a}")
a = 10

>>> # 格式化也很方便，使用:即可
>>> pi = 3.14159
>>> print(f"pi = {pi: .2f}")
pi = 3.14

也可以在表达式后接!s 或者!r 来选择用 str()还是 repr()方法转换为字符串。

基本就是 str.format 的语法糖。在 3.8 版本以后，又增加了直接套表达式的功能，输出信息非常方便。

>>> theta = 30
>>> print(f'{theta=}  {cos(radians(theta))=:.3f}')
theta=30  cos(radians(theta))=0.866

PEP 515 数值字面值下划线

Python3.6 引入。输入太长的数字字面值怎么办？

>>> a = 123_456_789
>>> b = 123456789
>>> a == b
True

比较鸡肋…

Python 3.7

PEP 557 数据类 Data Classes

提供了一个方便的 dataclass 类装饰器，直接上代码举例：

from dataclasses import dataclass

@dataclass
class InventoryItem:
    name: str
    unit_price: float
    quantity_on_hand: int = 0

    def total_cost(self) -> float:
        return self.unit_price * self.quantity_on_hand

对这个例子，这个类会自动生成以下魔术方法

def __init__(self, name: str, unit_price: float, quantity_on_hand: int = 0) -> None:
    self.name = name
    self.unit_price = unit_price
    self.quantity_on_hand = quantity_on_hand
def __repr__(self):
    return f'InventoryItem(name={self.name!r}, unit_price={self.unit_price!r}, quantity_on_hand={self.quantity_on_hand!r})'
def __eq__(self, other):
    if other.__class__ is self.__class__:
        return (self.name, self.unit_price, self.quantity_on_hand) == (other.name, other.unit_price, other.quantity_on_hand)
    return NotImplemented
def __ne__(self, other):
    if other.__class__ is self.__class__:
        return (self.name, self.unit_price, self.quantity_on_hand) != (other.name, other.unit_price, other.quantity_on_hand)
    return NotImplemented
def __lt__(self, other):
    if other.__class__ is self.__class__:
        return (self.name, self.unit_price, self.quantity_on_hand) < (other.name, other.unit_price, other.quantity_on_hand)
    return NotImplemented
def __le__(self, other):
    if other.__class__ is self.__class__:
        return (self.name, self.unit_price, self.quantity_on_hand) <= (other.name, other.unit_price, other.quantity_on_hand)
    return NotImplemented
def __gt__(self, other):
    if other.__class__ is self.__class__:
        return (self.name, self.unit_price, self.quantity_on_hand) > (other.name, other.unit_price, other.quantity_on_hand)
    return NotImplemented
def __ge__(self, other):
    if other.__class__ is self.__class__:
        return (self.name, self.unit_price, self.quantity_on_hand) >= (other.name, other.unit_price, other.quantity_on_hand)
    return NotImplemented

这一条 PEP 也是比较有争议的，主要原因是 Python 其实已经内置了不少的类似模型： collection.namedtuple 、 typing.NamedTuple 、 attrs 等

但是这条 PEP 的提出还是为了保证方便地创建资料类的同时，保证静态类型检查，而已有的方案都不方便直接使用检查器。

Python 3.8

PEP 572 海象牙运算符

"逼走"了 Guido van Rossum，最有争议的 PEP 之一。首先引入了海象牙运算符 := ，代表行内赋值。

# Before
while True:
    command = input("> ");
    if command == "quit":
        break
    print("You entered:", command)

# After
while (command := input("> ")) != "quit":
    print("You entered:", command)

assignment expressions 在进行分支判断时非常好用，写的时候能够舒服很多。本身使用也集中在 if/while 这种场景，虽然让语法变复杂了，但是总体还是可控的，舒适程度大于风险。

海象运算符本身问题不大，但是争议主要存在于 PEP 572 的第二点，对于生成器语义的变化。

在 PEP 572 后，生成器的 in 后的运算顺序产生了变化，原本是作为生成器输入，结果现在变成了生成器闭包的一部分。

temp_list = ["abc","bcd"]
result_list = (x for x in range(len(temp_list)))
print(list(result_list))

# 等价于
# Before
temp_list = ["abc", "bcd"]


def func_data(data: int):
    for x in range(data):
        yield x


result_list = func_data(len(temp_list))
print(list(result_list))

# After
temp_list = ["abc", "bcd"]


def func_data():
    for x in range(len(temp_list)):
        yield x


result_list = func_data()
print(list(result_list))

这样的修改目的是配合海象牙运算符增加代码可读性，但无疑是带破坏性的修改，且让运行顺序变得迷惑，让一些老代码出现难以发现的 bug。

python 社区在激烈辩论后，这一部分的修改被成功撤销，只保留了海象牙运算符。

关于这个 PEP，知乎上有难得一见的有价值讨论，这部分范例代码也引用自此：

https://www. zhihu.com/question/2748 23057/answer/376917512

PEP 570 仅限位置形参

在函数形参处新增一个 / 语法，划分非关键字与关键字形参。例如

def f(a, b, /, c, d, *, e, f):
    print(a, b, c, d, e, f)

# 以下调用均合法
f(10, 20, 30, d=40, e=50, f=60)

# 以下调用均不合法
f(10, b=20, c=30, d=40, e=50, f=60)   # b cannot be a keyword argument
f(10, 20, 30, 40, 50, f=60)           # e must be a keyword argument

/ 语法的添加让调用函数时可以在可读性与简洁之间自由选择，可以选择强制不接受关键字参数、不需要形参名称时也可以省略。同时也让接受任意参数函数的实现变得方便了许多，例如：

class Counter(dict):
    def __init__(self, iterable=None, /, **kwds):
        # Note "iterable" is a possible keyword argument

这条本来也有其他方案，例如装饰器实现、 def fn(.arg1, .arg2, arg3): 、 def fn(a, (b, c), d): 等，这里就不一一展开了，推荐阅读 PEP 原文。

Python 3.9

PEP 584 字典合并运算符

在此之前，要想合并两个字典的画风是这样的

a={'a':1,'b':2}
b={'c':3}

a.update(b)

# 或者是
c = {**a, **b}

但自从有了|之后，可以变成这样

a |= b
c = a | b

当然这个操作符也伴随着一些争议，大概是这样：

反方：合并不符合交换律 正方：python 字典合并本身就不符合交换律，特别是 python3.6 之后统一到有序字典后，相比合并应该更类似于拼接

反方：类似管道写法进行多次合并效率低，反复创建和销毁临时映射 正方：这种问题在序列级联时同样会出现。如果真出现了合并大量字典的使用场景，应当直接显式循环合并

反方：|操作符容易和位运算混淆。运算符行为强依赖于变量种类，这在 python 是非常不利于可读性的 正方：确实有这个问题，但是|已经很混乱了（位运算、集合操作、 __or__() 魔术方法重载），所以还是先规范变量命名吧

即将到来的 Python 3.10

PEP 617 / bpo-12782 括号内的上下文管理

这一条是针对 with 语法(PEP 343)的小变动，让一个 with 可以管理多个上下文。使用也很简单

with (CtxManager() as example):
    ...

with (
    CtxManager1(),
    CtxManager2()
):
    ...

with (CtxManager1() as example,
      CtxManager2()):
    ...

with (CtxManager1(),
      CtxManager2() as example):
    ...

with (
    CtxManager1() as example1,
    CtxManager2() as example2
):
    ...

比较实用，避免了 with 下面接 with 产生不必要缩进的尴尬。值得注意的是，这一条语法变动是新的非 LL(1)文法 CPython PEG 解析器所带来的副产物。所以 PEP 617 的标题是 New PEG parser for CPython 。

PEP 634 结构化模式匹配 match-case

直接上结构：

match subject:
    case <pattern_1>:
        <action_1>
    case <pattern_2>:
        <action_2>
    case <pattern_3>:
        <action_3>
    case _:
        <action_wildcard>

是不是感觉熟悉又臭名昭著的 switch-case 终于来了？当然还是有区别的：

这个写法基本还是 if-elif-else 的语法糖，运行完 case 就自动 break 出来。再加上一些看着不错的模式匹配特性。

def http_error(status):
    match status:
        case 400:
            return "Bad request"
        case 401 | 403 | 404:
            return "Not allowed"
        case 404:
            return "Not found"
        case 418:
            return "I'm a teapot"
        case _:
            return "Something's wrong with the Internet"

这样的写法看着就比 if-elif-else 看着清爽了许多。针对元组、类、列表也有不错的支持:

# point is an (x, y) tuple
match point:
    case (0, 0):
        print("Origin")
    case (0, y):
        print(f"Y={y}")
    case (x, 0):
        print(f"X={x}")
    case (x, y):
        print(f"X={x}, Y={y}")
    case _:
        raise ValueError("Not a point")

结语

语言的发展是由技术的进步、工程的需求凝结出的结晶，从中透露出的是满满的代码设计哲学。充分了解语法，可以让开发变得顺畅舒适；理解了语法背后的原因与争议，则可以开拓计算机科学领域的视野。与时俱进，深入了解各种新兴技术，才是真正的极客~