Python keyword with & as

as

as，事实上，从英文意思我们也可以很好的理解，“用作，作为”，就是把什么当作什么来用，其实简单的来说就是一个rename，重命名操作，例如：

import tensorflow as tf

我们引入了一个tensorflow的包，并将它重命名为tf，这样我们在后续调用相关的函数的时候将会非常方便，并且代码会显得比较简洁。
而更多的时候，在代码中间，as通常都是和with一起使用的

with

可能我们经常会遇到一种情况：我们需要某个变量，或者说我们打算进行一系列的操作，但是需要一定的变量条件，必须进行一定的预先处理，并且在完成这一系列操作之后，我们还需要对这个变量进行一定的后续处理（最典型的例如：文件的打开和关闭），这时with可以帮助我们很好的解决这个问题。
当我们需要把某个计算图作为默认计算图进行一系列操作（比如定义若干张量）的时候：

import tensorflow as tf
graph = tf.Graph()
with graph.as_default():
	# do sth

或者更常见的，一个文件打开操作：

with open('some_file.txt', encoding='utf-8', error='ignore') as input:
	for line in input.readlines():
		# do sth

这个时候，with已经帮我们完成了后续的处理工作了，你不需要去担心打开的文件是否关闭，而这些只需要一个简单的with和as，就可以写出非常优雅的代码。
如果你只是想简单知道with是如何使用的，那么你到这里就可以结束了，但如果你对with究竟是如何工作的感到好奇的话，可以继续往下阅读。相信对你了解如何准确的使用with有很大的帮助

more further

你可能会感兴趣with究竟是怎么工作的，事实上，with对于作用的对象有一定的要求：

• 需要一个**__enter__()**方法
• 还需要一个**__exit__()**方法

我们可以定义这样一个类：

class someObject:
	def __enter__(self):
		print('here we enter')
		return 'someObject'
	def __exit__(self, type, value, trace):
		print('here we exit')

然后配合with实例化一个对象：

with someObject() as so:
	print(so,'do something')

输出结果如下：

我们看到，__enter__最先被调用了，然后是我们在with中定义的打印语句，最后调用了__exit__。你会发现变量so就是__enter__函数的返回值。你可能会发现这两个方法都有参数，联系一下__exit__方法，你如果熟悉的话，很快会想到的就是：错误处理。
没错，事实上with一个更加强大的功能就是错误处理。我们可以尝试运行一下下面的代码：

class someError:
	def __enter__(self):
		# 返回实例对象本身
		return self
	def  __exit__(self, type, value, trace):
		print('type: ', type)
		print('value: ', value)
		print('trace: ', trace)
	def error_(self):
		# array out of bound
		array_ = [1.0, 2.0]
		print(array_[2])

然后使用with和as，在作用范围中调用函数error_：

with someError() as se:
	se.error_()

输出结果如下：

可以看到，输出的type是错误类型，value是错误内容，而trace则是打印出了一个对象的地址，很容易想到这个对象就是我们实例化的对象se。
我们在调用**error_**方法前加入下面一行代码：

print(se)

打印结果为：

（打印结果地址稍微有点不同，两者相差了0x2820，这应该是与Python对象在内存中的存储方式有关，有兴趣可以查找一下，相关资料，猜测有可能是对象函数在内存中的存储位置。。。）

所以就是，当错误发生的时候，会把相关的信息，也就是错误类型等传递给__exit__函数，最终打印出来错误信息。更多with的用法可以去阅读一些Python相关的使用文档，进一步了解一下有关的参数