-
python爬虫之Python 2.7 终结于 7 个月后，这是你需要了解的 3.X 炫酷新特性
试听地址 https://www.xin3721.com/eschool/pythonxin3721/
从 3.0 到 3.8，Python 3 已经更新了一波又一波，但似乎我们用起来和 2.7 没有太大区别？以前该怎么写 2.7 的代码现在就怎么写，只不过少数表达方式变了而已。在这篇文章中，作者介绍了 3.0 以来真正 Amazing 的新函数与新方法，也许这些方法我们都不太熟，但它们确实在实践中非常重要。
许多人在了解到 Python 2.7 即将停止维护后，都开始将他们的 Python 版本从 2 切换到 3。截止到 5 月 19 号上午 10 点，Python 2.7 将终结于...
在这一段时间中，很多优秀开源项目与库已经停止了对 2.7 的支持。例如到今年 1 月份，NumPy 将停止支持 Python 2；到今年年末，Ipython、Cython 和 Pandas 等等都将陆续停止支持 Python 2。
虽然我们都往 3.X 迁移，但许多人编写的 Python 3 代码仍然看起来像 Python 2 一样，只不过加入了一些括号或改了些 API。在本文中，作者将展示一些令人激动的 Python 3.X 新特性。这些特性或方法都是 Python 3 各个版本中新加的，它们相比传统的 Python 方法，更容易解决实践中的一些问题。
所有的示例都是在 Python 3.7 的环境下编写的，每个特性示例都给出了其正常工作所需的最低的 Python 版本。
格式化字符串 f-string（最低 Python 版本为 3.6）
在任何的编程语言中，不使用字符串都是寸步难行的。而为了保持思路清晰，你会希望有一种结构化的方法来处理字符串。大多数使用 Python 的人会偏向于使用「format」方法。
user = "Jane Doe"
action = "buy"
log_message = 'User {} has logged in and did an action {}.'.format(
user,
action
)
print(log_message)
# User Jane Doe has logged in and did an action buy.
除了「format」，Python 3 还提供了一种通过「f-string」进行字符串插入的灵活方法。使用「f-string」编写的与上面功能相同的代码是这样的：
user = "Jane Doe"
action = "buy"
log_message = f'User {user} has logged in and did an action {action}.'
print(log_message)
# User Jane Doe has logged in and did an action buy.
相比于常见的字符串格式符 %s 或 format 方法，f-strings 直接在占位符中插入变量显得更加方便，也更好理解。
路径管理库 Pathlib（最低 Python 版本为 3.4）
f-string 非常强大，但是有些像文件路径这样的字符串有他们自己的库，这些库使得对它们的操作更加容易。Python 3 提供了一种处理文件路径的抽象库「pathlib」。如果你不知道为什么应该使用 pathlib，请参阅下面这篇 Trey Hunner 编写的炒鸡棒的博文：「https://treyhunner.com/2018/12/why-you-should-be-using-pathlib/」
from pathlib import Path
root = Path('post_sub_folder')
print(root)
# post_sub_folder
path = root / 'happy_user'
# Make the path absolute
print(path.resolve())
# /home/weenkus/Workspace/Projects/DataWhatNow-Codes/how_your_python3_should_look_like/post_sub_folder/happy_user
如上所示，我们可以直接对路径的字符串进行「/」操作，并在绝对与相对地址间做转换。
类型提示 Type hinting（最低 Python 版本为 3.5）
静态和动态类型是软件工程中一个热门的话题，几乎每个人 对此有自己的看法。读者应该自己决定何时应该编写何种类型，因此你至少需要知道 Python 3 是支持类型提示的。
def sentence_has_animal(sentence: str) -> bool:
return "animal" in sentence
sentence_has_animal("Donald had a farm without animals")
# True
枚举（最低 Python 版本为 3.4）
Python 3 支持通过「Enum」类编写枚举的简单方法。枚举是一种封装常量列表的便捷方法，因此这些列表不会在结构性不强的情况下随机分布在代码中。
from enum import Enum, auto
class Monster(Enum):
ZOMBIE = auto()
WARRIOR = auto()
BEAR = auto()
print(Monster.ZOMBIE)
# Monster.ZOMBIE
枚举是符号名称（成员）的集合，这些符号名称与唯一的常量值绑定在一起。在枚举中，可以通过标识对成员进行比较操作，枚举本身也可以被遍历。
参考：https://docs.python.org/3/library/enum.html
for monster in Monster:
print(monster)
# Monster.ZOMBIE
# Monster.WARRIOR
# Monster.BEAR
原生 LRU 缓存（最低 Python 版本为 3.2）
目前，几乎所有层面上的软件和硬件中都需要缓存。Python 3 将 LRU（最近最少使用算法）缓存作为一个名为「lru_cache」的装饰器，使得对缓存的使用非常简单。
下面是一个简单的斐波那契函数，我们知道使用缓存将有助于该函数的计算，因为它会通过递归多次执行相同的工作。
import time
def fib(number: int) -> int:
if number == 0: return 0
if number == 1: return 1
return fib(number-1) + fib(number-2)
start = time.time()
fib(40)
print(f'Duration: {time.time() - start}s')
# Duration: 30.684099674224854s
现在，我们可以使用「lru_cache」来优化它（这种优化技术被称为「memoization」）。通过这种优化，我们将执行时间从几秒降低到了几纳秒。
from functools import lru_cache
@lru_cache(maxsize=512)
def fib_memoization(number: int) -> int:
if number == 0: return 0
if number == 1: return 1
return fib_memoization(number-1) + fib_memoization(number-2)
start = time.time()
fib_memoization(40)
print(f'Duration: {time.time() - start}s')
# Duration: 6.866455078125e-05s
扩展的可迭代对象解包（最低 Python 版本为 3.0）
对于这个特性，代码就说明了一切。
参考：https://www.python.org/dev/peps/pep-3132/
head, *body, tail = range(5)
print(head, body, tail)
# 0 [1, 2, 3] 4
py, filename, *cmds = "python3.7 script.py -n 5 -l 15".split()
print(py)
print(filename)
print(cmds)
# python3.7
# script.py
# ['-n', '5', '-l', '15']
first, _, third, *_ = range(10)
print(first, third)
# 0 2
Data class 装饰器（最低 Python 版本为 3.7）
Python 3 引入了「data class」，它们没有太多的限制，可以用来减少对样板代码的使用，因为装饰器会自动生成诸如「__init__（）」和「__repr（）__」这样的特殊方法。在官方的文档中，它们被描述为「带有缺省值的可变命名元组」。
class Armor:
def __init__(self, armor: float, description: str, level: int = 1):
self.armor = armor
self.level = level
self.description = description
def power(self) -> float:
return self.armor * self.level
armor = Armor(5.2, "Common armor.", 2)
armor.power()
# 10.4
print(armor)
# <__main__.Armor object at 0x7fc4800e2cf8>
使用「Data class」实现相同的 Armor 类。
from dataclasses import dataclass
@dataclass
class Armor:
armor: float
description: str
level: int = 1
def power(self) -> float:
return self.armor * self.level
armor = Armor(5.2, "Common armor.", 2)
armor.power()
# 10.4
print(armor)
# Armor(armor=5.2, description='Common armor.', level=2)
隐式命名空间包（最低 Python 版本为 3.3）
一种组织 Python 代码文件的方式是将它们封装在程序包中（包含一个「__init__.py」的文件夹）。下面是官方文档提供的示例。
sound/ Top-level package
__init__.py Initialize the sound package
formats/ Subpackage for file format conversions
__init__.py
wavread.py
wavwrite.py
aiffread.py
aiffwrite.py
auread.py
auwrite.py
...
effects/ Subpackage for sound effects
__init__.py
echo.py
surround.py
reverse.py
...
filters/ Subpackage for filters
__init__.py
equalizer.py
vocoder.py
karaoke.py
...
在 Python 2 中，上面每个文件夹都必须包含将文件夹转化为 Python 程序包的「__init__.py」文件。在 Python 3 中，随着隐式命名空间包的引入，这些文件不再是必须的了。
sound/ Top-level package
__init__.py Initialize the sound package
formats/ Subpackage for file format conversions
wavread.py
wavwrite.py
aiffread.py
aiffwrite.py
auread.py
auwrite.py
...
effects/ Subpackage for sound effects
echo.py
surround.py
reverse.py
...
filters/ Subpackage for filters
equalizer.py
vocoder.py
karaoke.py
...
正如有些人说的那样，这项工作并没有像这篇文章说的那么简单，官方文档「PEP 420 Specification」指出，常规的程序包仍然需要「__init__.py」，把它从一个文件夹中删除会将该文件夹变成一个本地命名空间包，这会带来一些额外的限制。本地命名空间包的官方文档给出了一个很好的示例，并且明确指出了所有的限制。
结语
和网上几乎h所有的技术列表一样，本文给出的列表也并不完整。希望这篇文章至少向你展示了一些以前不知道的 Python 3 功能，它将帮助你编写出更加干净、 直观的代码。
最后，本文中给出的所有代码都可以在作者的 GitHub 上找到：https://github.com/Weenkus/DataWhatNow-Codes/blob/master/things_you_are_probably_not_using_in_python_3_but_should/python%203%20examples.ipynb
