Python学习入门（3）—— 高级技巧

装饰器的进一步应用

        装饰器不仅用于增强函数功能，还可以用于类方法、静态方法或类本身。使用装饰器可以实现许多高级功能，例如权限检查、日志记录、性能测试等。

类装饰器

        类装饰器通常用于增强或修改类的行为，如添加新方法或属性，或修改现有的方法。

def class_decorator(cls):
    class WrappedClass(cls):
        def new_method(self):
            return "New method added by decorator"
    return WrappedClass

@class_decorator
class MyOriginalClass:
    def original_method(self):
        return "Original method"

obj = MyOriginalClass()
print(obj.original_method())  # Original method
print(obj.new_method())       # New method added by decorator

高级异常处理

        Python提供了强大的异常处理机制，除了捕获异常，还可以通过异常链明确地区分和处理不同的错误情况。

try:
    raise KeyError("This is a key error")
except KeyError as e:
    raise ValueError("This is a new error") from e

利用Python的异步特性

  asyncio 是Python用于解决异步IO编程的库，非常适合处理网络操作、文件IO等。深入理解其工作原理和应用场景，可以有效提高程序的性能和响应性。

import asyncio

async def get_data_from_db():
    print("Start querying")
    await asyncio.sleep(1)  # Simulate a database operation
    print("Done querying")
    return {'data': 42}

async def main():
    result = await get_data_from_db()
    print("Database returned:", result['data'])

asyncio.run(main())

使用高级迭代工具

        利用 itertools 和 functools 等模块提供的高级工具，可以简化许多复杂的迭代操作。

import itertools

# 产生ABCD的全排列
perms = itertools.permutations('ABCD')
for perm in perms:
    print(''.join(perm))

# 使用functools实现函数缓存
from functools import lru_cache

@lru_cache(maxsize=None)
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

print(fib(30))

利用描述符

        描述符是实现属性访问控制的强大工具，允许更精细地定义属性的获取、设置和删除行为。

class Descriptor:
    def __get__(self, obj, objtype=None):
        return 'get value'

    def __set__(self, obj, value):
        print("set value to", value)

    def __delete__(self, obj):
        print("delete the value")

class MyClass:
    attribute = Descriptor()

my_instance = MyClass()
print(my_instance.attribute)  # get value
my_instance.attribute = "Hello"  # set value to Hello

属性访问控制

        Python提供了多种方式来控制属性的访问，包括通过属性装饰器 property 实现属性的获取、设置和删除的控制。

class ControlledAccess:
    def __init__(self, initial_value=None):
        self._value = initial_value
    
    @property
    def value(self):
        return self._value

    @value.setter
    def value(self, value):
        if value < 0:
            raise ValueError("Value must be non-negative")
        self._value = value

obj = ControlledAccess(10)
print(obj.value)  # 10
obj.value = 20
print(obj.value)  # 20
try:
    obj.value = -10
except ValueError as e:
    print(e)  # Value must be non-negative

元编程技巧

        使用元类来控制类的创建过程。这是一种强大的技术，可以用于创建APIs、拦截类创建、自动化某些任务等。

class Meta(type):
    def __new__(meta, name, bases, class_dict):
        print(f"Creating class {name} with metaclass {meta}")
        return type.__new__(meta, name, bases, class_dict)

class MyClass(metaclass=Meta):
    pass
# Output: Creating class MyClass with metaclass <class '__main__.Meta'>

动态代码执行

        使用 exec 和 eval 来动态执行Python代码。这些功能需要谨慎使用，因为不当使用可能会导致代码安全问题。

code = 'print("Hello, world!")'
exec(code)  # 动态执行字符串中的代码

result = eval('5 * 10')  # 计算表达式并返回结果
print(result)  # 50

集成外部工具和语言

        通过使用Python的 ctypes 或 cffi 库，可以调用C语言库。这对于提升性能或重用现有C语言代码库非常有用。

from ctypes import cdll

# 加载C库
lib = cdll.LoadLibrary('./libexample.so')

# 调用C库中的函数
result = lib.my_c_function(10, 20)
print(result)

使用 Python 的标准库

        Python的标准库包含了大量的模块和工具，可以帮助你处理XML、日期和时间、网络通信等任务。

import datetime
import xml.etree.ElementTree as ET

# 处理日期和时间
now = datetime.datetime.now()
print(now.isoformat())

# 解析XML
tree = ET.parse('example.xml')
root = tree.getroot()
print(root.tag)

并发和并行编程

        Python通过 threading 和 multiprocessing 模块支持多线程和多进程编程，以及通过 asyncio 库支持异步编程，这些都是处理并发编程的有效工具。

import threading

def task():
    print("This is a threaded task.")

threads = [threading.Thread(target=task) for _ in range(5)]
for thread in threads:
    thread.start()
for thread in threads:
    thread.join()