整理使用者輸入的問題在程式設計過程中極為常見。通常情況下，將字元轉換為小寫或大寫就足夠了，有時你可以使用正規表示式模組「Regex」完成這項工作。但如果問題很複雜，可能有更好的方法來解決：
user_input = "Thisnstring hastsome whitespaces...rn"
character_map = {
ord('n') : ' ',
ord('t') : ' ',
ord('r') : None
}
user_input.translate(character_map)# This string has some whitespaces...
在本例中，你可以看到空格符號「 n」和「 t」都被替換成了單一空格，「 r 」都被刪掉了。這只是個很簡單的例子，我們可以更進一步，使用「unicodedata」程式包產生大型重新映射表，並使用其中的「combining()」進行產生和映射，我們可以
如果對迭代器進行切片操作，會回傳一個“TypeError”，提示生成器物件沒有下標，但是我們可以用一個簡單的方案來解決這個問題：
import itertools s = itertools.islice(range(50), 10, 20)# <itertools.islice object at 0x7f70fab88138> for val in s: ...
我們可以使用「itertools.islice」來建立一個「islice」對象，該物件是一個迭代器，可以產生我們想要的項目。但要注意的是，該操作要使用切片之前的所有生成器項，以及「islice」物件中的所有項。
有時你要處理一些以不需要的行（如註解）開頭的檔案。 「itertools」再次提供了一個簡單的解決方案：
string_from_file = """
// Author: ...
// License: ...
//
// Date: ...
Actual content...
"""
import itertools
for line in itertools.dropwhile(lambda line: line.startswith("//"), string_from_file.split("n")):
print(line)
這段程式碼只列印初始註解部分之後的內容。如果我們只想捨棄可迭代物件的開頭部分（本範例中為開頭的註解行），而又不知道要這部分有多長時，這種方法就很有用了。
當我們使用下面的函數時，創建僅需要關鍵字參數作為輸入的函數來提供更清晰的函數定義，會很有幫助：
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...
如你所見，在關鍵字參數之前加上一個「*」就可以解決這個問題。如果我們將某些參數放在“*”參數之前，它們顯然是位置參數。
舉例而言，我們都知道如何使用「with」語句開啟檔案或取得鎖定，但是我們可以實作自己上下文表達式嗎？是的，我們可以使用「__enter__」和「__exit__」來實作上下文管理協定:
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
這是在Python 中最常見的實作上下文管理的方法，但還有更簡單的方法:
from contextlib import contextmanager
@contextmanager
def tag(name):
print(f"<{name}>")
yield
print(f"</{name}>")
with tag("h1"):
print("This is Title.")
上面這段程式碼使用contextmanager 的manager 裝飾器實作了內容管理協定。在進入 with 區塊時 tag 函數的第一部分（在 yield 之前的部分）就已經執行了，然後 with 區塊才被執行，最後執行 tag 函數的其餘部分。
如果你曾經寫過一個創造了某種類別的大量實例的程序，那麼你可能已經注意到，你的程式突然需要大量的記憶體。那是因為 Python 使用字典來表示類別實例的屬性，這使其速度很快，但記憶體使用效率卻不是很高。通常情況下，這並不是一個嚴重的問題。但是，如果你的程式因此受到嚴重的影響，不妨試試看「__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
當我們定義了「__slots__」屬性時，Python 沒有使用字典來表示屬性，而是使用小的固定大小的數組，這大大減少了每個實例所需的記憶體。使用「__slots__」也有一些缺點：我們不能宣告任何新的屬性，我們只能使用「__slots__」上現有的屬性。而且，有「__slots__」的類別不能使用多重繼承。
如果不是想優化程式對記憶體或CPU 的使用率，而是想直接將其限制為某個確定的數字，Python 也有一個對應的函式庫可以做到：
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))
我們可以看到，在上面的程式碼片段中，同時包含設定最大CPU 運行時間和最大記憶體使用限制的選項。在限制 CPU 的運行時間時，我們首先獲得該特定資源（RLIMIT_CPU）的軟限制和硬限制，然後使用透過參數指定的秒數和先前檢索到的硬限制來進行設定。最後，如果 CPU 的運作時間超過了限制，我們將發出系統退出的訊號。在記憶體使用方面，我們再次檢索軟限制和硬限制，並使用帶有“size”參數的“setrlimit”和先前檢索到的硬限制來設定它。
有些語言有非常明顯的機制來導出成員（變數、方法、介面），例如在Golang 中只有以大寫字母開頭的成員被導出。然而，在 Python 中，所有成員都會被匯出（除非我們使用了「__all__」）：
def foo(): pass def bar(): pass __all__ = ["bar"]
在上面這段程式碼中，我們知道只有「bar」函數被匯出了。同樣，我們可以讓「__all__」為空，這樣就不會導出任何東西，當從這個模組導入的時候，會造成「AttributeError」。
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，「functools.total_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 < other.value def __eq__(self, other): return self.value == other.value print(Number(20) > Number(3)) print(Number(1) < Number(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）。
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，如果你不能找到想要的功能，可能只是因为你还没有尽力查找（如果真的没有，那它肯定也存在于一些第三方库）。
以上是Python程式設計進階，常用八大技巧！的詳細內容。更多資訊請關注PHP中文網其他相關文章！
