1 从示例说起
Luciano Ramalho 举了一个示例来说明 setDefault 方法相对于传统写法的高效性1。
import sys
import re
WORD_RE = re.compile(r'\w+')
index = {}
with open(sys.argv[1], encoding='utf-8') as fp:
for line_no, line in enumerate(fp, 1):
for match in WORD_RE.finditer(line):
word = match.group()
column_no = match.start() + 1
location = (line_no, column_no)
occurrences = index.get(word, [])
occurrences.append(location)
index[word] = occurrences
for word in sorted(index, key=str.upper):
print(word, index[word])
运行结果：
a [(1, 7), (1, 46), (1, 76), (1, 111), (3, 52), (3, 87), (19, 75), (19, 162)]
about [(9, 83)]
acknowledged [(1, 27)]
agreed [(19, 241)]
all [(9, 79)]
and [(9, 63), (15, 23), (19, 171), (19, 198), (19, 326)]
……
（1）enumerate() 函数
enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标。
语法：enumerate(sequence, [start=0])
| 参数名 | 说明 |
|---|---|
| sequence | 序列、迭代器或其他支持迭代的对象 |
| start | 下标起始位置 |
enumerate /ɪˈnuːməreɪt/
To count off or name one by one; list
因为入参是一篇文章，所以示例中的 enumerate 方法的 start 从 1 开始，即表示第一行。
（2）正则 finditer() 方法
finditer() 方法会返回一个MatchObject 类型的iterator2，所以需要一个个遍历。相比于 findall() 方法，使用 finditer() 方法可以省去外层所包裹的括号。
示例中使用 finditer() 方法来查找每一行中的单词。column_no 表示单词所在的列索引。location 是一个包含行索引与列索引的元组，本质上是单词所在的坐标。
（3）get() 方法设置默认值
index 存放的是字典，key 为单词，值为单词在这篇文章中所出现的坐标列表。这里利用 python 字典的 get() 方法的第二个入参来指定默认值。语法为：dict.get(key, default=None)3。
如果单词 key 已经在字典中存在，则返回列表，否则返回一个空列表。然后把当然所确定的单词坐标放入该列表。
（4）排序
最后按照单词字母顺序打印出字典中的单词坐标列表。因为使用了 sorted 函数的 key=str.upper 属性，所以不分大小写， key=str.lower 效果与 key=str.upper 相同。key 用来指定元素的比较规则4。
2 优化
其实以下三行我们可以利用 setDefault 方法在一行中实现：
occurrences = index.get(word, [])
occurrences.append(location)
index[word] = occurrences
优化后：
index.setdefault(word, []).append(location)
传递给 setdefault 方法的第一个参数是要检查的键。第二个参数需要设置的默认值。如果该键存在，该方法会直接返回键所对应的值5。
这样写的好处是：
- 代码简洁；
- 原来的示例需要查询两次。第一次是 index.get() 找出单词坐标列表；第二次是 index[word] 。优化后只需一次查询，因此提升了性能。
参考资料
【1】Luciano Ramalho (作者) 安道 , 吴珂 (译者)．流畅的Python．人民邮电出版社，2017，140-142.
【2】python re的findall和finditer.
【3】Python 字典(Dictionary) get()方法.
【4】Python sorted() 函数.
【5】说说如何快速为 Python 字典设置新的值.