python100个实⽤案例_精⼼整理！9个Python实⽤案例分享1. 整理字符串输⼊
整理⽤户输⼊的问题在编程过程中极为常见。通常情况下，将字符转换为⼩写或⼤写就够了，有时你可以使⽤正则表达式模块「Regex」完成这项⼯作。但是如果问题很复杂，可能有更好的⽅法来解决：user_input = "This\nstring has\\r\n"
character_map = {
ord('\n') : ' ',
ord('\t') : ' ',
ord('\r') : None
}
anslate(character_map)  # This string has
在本例中，你可以看到空格符「 n」和「 t」都被替换成了单个空格，「 r」都被删掉了。这只是个很简单的例⼦，我们可以更进⼀步，使⽤「unicodedata」程序包⽣成⼤型重映射表，并使⽤其中的「combining()」进⾏⽣成和映射，我们可以从字符串中删除所有重⾳符号。
2. 迭代器切⽚(Slice)
如果对迭代器进⾏切⽚操作，会返回⼀个「TypeError」，提⽰⽣成器对象没有下标，但是我们可以⽤⼀个简单的⽅案来解决这个问题：import itertools
s = itertools.islice(range(50), 10, 20)
for val in s:
...
我们可以使⽤「itertools.islice」创建⼀个「islice」对象，该对象是⼀个迭代器，可以产⽣我们想要的项。但需要注意的是，该操作要使⽤切⽚之前的所有⽣成器项，以及「islice」对象中的所有项。
3. 跳过可迭代对象的开头
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: ...
"""
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
test(a="value", b="value 2")  #
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。
python基础代码100例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):
empower是什么意思
...
def __enter__(self):
#
def __exit__(self, type, value, traceback):
#
with Connection() as c:
# __enter__() executes
...
# conn.__exit__() executes
属于input控件的常用属性有哪些
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"")
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("")
raise SystemExit(1)
def set_max_runtime(seconds):
# Install the signal handler and set a resource limit
汇编语言程序设计实验七soft, hard = limit(resource.RLIMIT_CPU)
resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard))
signal.signal(signal.SIGXCPU, time_exceeded)plot3绘制三维曲线
# To limit memory usage
def set_max_memory(size):
soft, hard = limit(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
网页设计用什么语言
__all__ = ["bar"]
在上⾯这段代码中，我们知道只有「bar」函数被导出了。同样，我们可以让「__all__」为空，这样就不会导出任何东西，当从这个模块导⼊的时候，会造成「AttributeError」。
9. 实现⽐较运算符的简单⽅法
为⼀个类实现所有的⽐较运算符(如 __lt__ , __le__ , __gt__ , __ge__)是很繁琐的。有更简单的⽅法可以做到这⼀点吗？这种时候，「al_ordering」就是⼀个很好的帮⼿：from functools import total_ordering
@total_ordering
class Number:
def __init__(self, value):
self.value = value
def __lt__(self, other):
return self.value    def __eq__(self, other):
return self.value == other.value
print(Number(20) > Number(3))
print(Number(1) 5))
print(Number(15) >= Number(15))
print(Number(10) <= Number(2))
这⾥的⼯作原理究竟是怎样的呢？我们⽤「total_ordering」装饰器简化实现对类实例排序的过程。我
们只需要定义__lt__和__eq__就可以了，它们是实现其余操作所需要的最⼩的操作集合(这⾥也体现了装饰器的作⽤——为我们填补空⽩)。
10. 写在最后
并⾮本⽂中所有提到的功能在⽇常的 Python 编程中都是必需或有⽤的，但是其中某些功能可能会不时派上⽤场，⽽且它们也可能简化⼀些原本就很冗长且令⼈烦恼的任务。
还需指出的是，所有这些功能都是 Python 标准库的⼀部分。
⽽在我看来，其中⼀些功能似乎并不像标准库中包含的标准内容，所以当你使⽤ Python 实现本⽂提到的某些功能时，请先参阅 Python 的标准库，如果你不能到想要的功能，可能只是因为你还没有尽⼒查(如果真的没有，那它肯定也存在于⼀些第三⽅库)。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。