精心整理！9个 Python 实用案例分享

有时你要处理一些以不需要的行（如注释）开头的文件。「itertools」再次提供了一种简单的解决方案：

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)

这段代码只打印初始注释部分之后的内容。如果我们只想舍弃可迭代对象的开头部分（本示例中为开头的注释行），而又不知道要这部分有多长时，这种方法就很有用了。

4. 只包含关键字参数的函数 (kwargs)

当我们使用下面的函数时，创建仅仅需要关键字参数作为输入的函数来提供更清晰的函数定义，会很有帮助：

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…

如你所见，在关键字参数之前加上一个「*」就可以解决这个问题。如果我们将某些参数放在「*」参数之前，它们显然是位置参数。

5. 创建支持「with」语句的对象

举例而言，我们都知道如何使用「with」语句打开文件或获取锁，但是我们可以实现自己上下文表达式吗？是的，我们可以使用「__enter__」和「__exit__」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 中最常见的实现上下文管理的方法，但是还有更简单的方法:

from contextlib import contextmanager

@contextmanager

def tag(name):

print(f"<{name}>")

yield

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

with tag(“h1”):

print(“This is Title.”)

上面这段代码使用 contextmanager 的 manager 装饰器实现了内容管理协议。在进入 with 块时 tag 函数的第一部分（在 yield 之前的部分）就已经执行了，然后 with 块才被执行，最后执行 tag 函数的其余部分。

6. 用「slots」节省内存

如果你曾经编写过一个创建了某种类的大量实例的程序，那么你可能已经注意到，你的程序突然需要大量的内存。那是因为 Python 使用字典来表示类实例的属性，这使其速度很快，但内存使用效率却不是很高。通常情况下，这并不是一个严重的问题。但是，如果你的程序因此受到严重的影响，不妨试一下「__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

当我们定义了「__slots__」属性时，Python 没有使用字典来表示属性，而是使用小的固定大小的数组，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，我们只能使用「__slots__」上现有的属性。而且，带有「__slots__」的类不能使用多重继承。

7. 限制「CPU」和内存使用量

如果不是想优化程序对内存或 CPU 的使用率，而是想直接将其限制为某个确定的数字，Python 也有一个对应的库可以做到：

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))

我们可以看到，在上面的代码片段中，同时包含设置最大 CPU 运行时间和最大内存使用限制的选项。在限制 CPU 的运行时间时，我们首先获得该特定资源（RLIMIT_CPU）的软限制和硬限制，然后使用通过参数指定的秒数和先前检索到的硬限制来进行设置。最后，如果 CPU 的运行时间超过了限制，我们将发出系统退出的信号。在内存使用方面，我们再次检索软限制和硬限制，并使用带「size」参数的「setrlimit」和先前检索到的硬限制来设置它。

8.控制可以/不可以导入什么

有些语言有非常明显的机制来导出成员（变量、方法、接口），例如在 Golang 中只有以大写字母开头的成员被导出。然而，在 Python 中，所有成员都会被导出（除非我们使用了「__all__」）：

def foo():

pass

def bar():

pass

all = [“bar”]

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！