是时候告别这些 Python 库了

     随着每个 Python 版本的发布,都会添加新模块,并引入新的更好的做事方式,虽然我们都习惯了使用好的旧 Python 库和某些做事方式,但现在也时候升级并利用新的和改进的模块及其特性了。

Pathlib

pathlib 绝对是 Python 标准库中最近添加的更大的内容之一, 自 Python 3.4 以来,它一直是标准库的一部分,但很多人仍然使用 os 模块进行文件系统操作。

然而,pathlib 与旧的 os.path 相比具有许多优点 - 虽然 os 模块以原始字符串格式表示路径,但 pathlib 使用面向对象的样式,这使得它更具可读性和编写自然:

from pathlib import Path

import os.path



# 老方式

two_dirs_up = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))

# 新方式,可读性强

two_dirs_up = Path(__file__).resolve().parent.parent

路径被视为对象而不是字符串这一事实也使得可以创建一次对象,然后查找其属性或对其进行操作:

readme = Path("README.md").resolve()



print(f"Absolute path: {readme.absolute()}")

# Absolute path: /home/martin/some/path/README.md

print(f"File name: {readme.name}")

# File name: README.md

print(f"Path root: {readme.root}")

# Path root: /

print(f"Parent directory: {readme.parent}")

# Parent directory: /home/martin/some/path

print(f"File extension: {readme.suffix}")

# File extension: .md

print(f"Is it absolute: {readme.is_absolute()}")

# Is it absolute: True

我最喜欢 pathlib 的一个特性是可以使用 /除法)运算符来连接路径:

# Operators:

etc = Path('/etc')



joined = etc / "cron.d" / "anacron"

print(f"Exists? - {joined.exists()}")

# Exists? - True

重要的是要注意 pathlib 只是替代 os.path 而不是整个 os 模块, 它还包括 glob 模块的功能,因此如果你习惯于将 os.path glob.glob 结合使用,那么你可以完全用pathlib替代它们。

在上面的片段中,我们展示了一些方便的路径操作和对象属性,但 pathlib 还包括你习惯于 os.path 的所有方法,例如:

print(f"Working directory: {Path.cwd()}")  # same as os.getcwd()

# Working directory: /home/martin/some/path

Path.mkdir(Path.cwd() / "new_dir", exist_ok=True)  # same as os.makedirs()

print(Path("README.md").resolve())  # same as os.path.abspath()

# /home/martin/some/path/README.md

print(Path.home())  # same as os.path.expanduser()

# /home/martin

有关 os.path 函数到 pathlib 中新函数的完整映射,请参阅 官方文档。

Secrets

说到 os 模块,你应该停止使用的另一部分是 os.urandom。相反,你应该使用自 Python 3.6 以来可用的新秘密模块:

# 老方式:

import os

length = 64

value = os.urandom(length)

print(f"Bytes: {value}")

# Bytes: b'\xfa\xf3...\xf2\x1b\xf5\xb6'

print(f"Hex: {value.hex()}")

# Hex: faf3cc656370e31a938e7...33d9b023c3c24f1bf5



# 新方式:

import secrets



value = secrets.token_bytes(length)

print(f"Bytes: {value}")

# Bytes: b'U\xe9n\x87...\x85>\x04j:\xb0'

value = secrets.token_hex(length)

print(f"Hex: {value}")

# Hex: fb5dd85e7d73f7a08b8e3...4fd9f95beb08d77391

使用 os.urandom 实际上并不是这里的问题,引入secrets模块的原因是因为人们使用随机模块来生成密码等,即使随机模块不产生密码安全令牌。

根据文档,随机模块不应用于安全目的, 你应该使用 secrets os.urandom,但 secrets 模块绝对更可取,因为它比较新,并且包含一些用于十六进制令牌的实用程序/便利方法以及 URL 安全令牌。

Zoneinfo

Python 3.9 之前,没有用于时区操作的内置库,所以每个人都在使用 pytz,但现在我们在标准库中有 zoneinfo,所以是时候切换了。

from datetime import datetime

import pytz  # pip install pytz



dt = datetime(2022, 6, 4)

nyc = pytz.timezone("America/New_York")



localized = nyc.localize(dt)

print(f"Datetime: {localized}, Timezone: {localized.tzname()}, TZ Info: {localized.tzinfo}")



# 新方式:

from zoneinfo import ZoneInfo



nyc = ZoneInfo("America/New_York")

localized = datetime(2022, 6, 4, tzinfo=nyc)

print(f"Datetime: {localized}, Timezone: {localized.tzname()}, TZ Info: {localized.tzinfo}")

# Datetime: 2022-06-04 00:00:00-04:00, Timezone: EDT, TZ Info: America/New_York

datetime 模块将所有时区操作委托给抽象基类 datetime.tzinfo, 这个抽象基类需要一个具体的实现——在引入这个很可能来自 pytz 的模块之前。现在我们在标准库中有 zoneinfo,我们可以使用它。

然而,使用 zoneinfo 有一个警告——它假定系统上有可用的时区数据,UNIX 系统就是这种情况, 如果你的系统没有时区数据,那么你应该使用 tzdata 包,它是由 CPython 核心开发人员维护的第一方库,其中包含 IANA 时区数据库。

Dataclasses

Python 3.7 的一个重要补充是 dataclasses 包,它是 namedtuple 的替代品。

你可能想知道为什么需要替换 namedtuple?以下是你应该考虑切换到数据类的一些原因:

它可以是可变的

默认提供 repreqinithash 魔术方法,

允许指定默认值,

支持继承。

此外,数据类还支持 frozen  slots(从 3.10 开始)属性以提供与命名元组的特征奇偶校验。

切换真的不应该太难,因为你只需要更改定义:

# 老方式:

# from collections import namedtuple

from typing import NamedTuple

import sys



User = NamedTuple("User", [("name", str), ("surname", str), ("password", bytes)])



u = User("John", "Doe", b'tfeL+uD...\xd2')

print(f"Size: {sys.getsizeof(u)}")

# Size: 64



# 新方式:

from dataclasses import dataclass



@dataclass()

class User:

   name: str

   surname: str

   password: bytes



u = User("John", "Doe", b'tfeL+uD...\xd2')



print(u)

# User(name='John', surname='Doe', password=b'tfeL+uD...\xd2')



print(f"Size: {sys.getsizeof(u)}, {sys.getsizeof(u) + sys.getsizeof(vars(u))}")

# Size: 48, 152

在上面的代码中,我们还包含了大小比较,因为这是 namedtuple 和数据类之间的较大差异之一,如上所见,命名元组的大小要小得多,这是由于数据类使用 dict 来表示属性。

至于速度比较,除非你计划创建数百万个实例,否则属性的访问时间应该基本相同,或者不够重要:

import timeit



setup = '''

from typing import NamedTuple

User = NamedTuple("User", [("name", str), ("surname", str), ("password", bytes)])

u = User("John", "Doe", b'')

'''



print(f"Access speed: {min(timeit.repeat('u.name', setup=setup, number=10000000))}")

# Access speed: 0.16838401100540068



setup = '''

from dataclasses import dataclass



@dataclass(slots=True)

class User:

  name: str

  surname: str

  password: bytes



u = User("John", "Doe", b'')

'''



print(f"Access speed: {min(timeit.repeat('u.name', setup=setup, number=10000000))}")

# Access speed: 0.17728697300481144

如果以上内容说服了你打算切换到数据类,请尽快尝试吧

相反,如果你不想切换并且出于某种原因真的想使用命名元组,那么你至少应该使用键入模块而不是collections中的 NamedTuple

# 不好方式的:

from collections import namedtuple

Point = namedtuple("Point", ["x", "y"])



# 更好的方式:

from typing import NamedTuple

class Point(NamedTuple):

    x: float

    y: float

最后,如果你既不使用 namedtuple 也不使用数据类,你可能需要考虑直接使用 Pydantic

Proper Logging

这不是标准库的最新添加,但值得使用 - 你应该使用正确的日志记录而不是打印语句, 如果你在本地调试问题,则可以使用 print,但对于任何无需用户干预即可运行的生产就绪程序,正确的日志记录是必须的。

特别是考虑到设置 Python 日志记录非常简单:

import logging

logging.basicConfig(

    filename='application.log',

    level=logging.WARNING,

    format='[%(asctime)s] {%(pathname)s:%(lineno)d} %(levelname)s - %(message)s',

    datefmt='%H:%M:%S'

)



logging.error("Some serious error occurred.")

# [12:52:35] {:1} ERROR - Some serious error occurred.

logging.warning('Some warning.')

# [12:52:35] {:1} WARNING - Some warning.

与打印语句相比,上面的简单配置将为你提供卓越的调试体验, 最重要的是,你可以进一步自定义日志库以记录到不同的位置、更改日志级别、自动轮换日志等。

f-strings

Python 包含很多格式化字符串的方法,包括 C 样式格式化、f 字符串、模板字符串或 .format 函数, 不过,其中之一 - f-strings - 格式化的字符串文字 , 它们写起来更自然,可读性更强,并且是前面提到的选项中最快的。

因此,我认为没有必要争论或解释为什么要使用它们,然而,在某些情况下不能使用 f 字符串:

使用 % 格式的唯一原因是用于记录:

import logging



things = "something happened..."



logger = logging.getLogger(__name__)

logger.error("Message: %s", things)  # 评估内部记录器方法

logger.error(f"Message: {things}")  # 立即评估

在上面的示例中,如果你使用 f 字符串,则表达式将立即计算,而使用 C 样式格式,替换将被推迟到实际需要时,这对于消息分组很重要,其中具有相同模板的所有消息都可以记录为一个, 这不适用于 f 字符串,因为模板在传递给记录器之前填充了数据。

此外,有些事情是 f-strings 根本无法做到的, 例如在运行时填充模板 - 即动态格式 - 这就是 f-strings 被称为文字字符串格式的原因:

# 动态设置模板及其参数

def func(tpl: str, param1: str, param2: str) -> str:

    return tpl.format(param=param1, param2=param2)



some_template = "First template: {param1}, {param2}"

another_template = "Other template: {param1} and {param2}"



print(func(some_template, "Hello", "World"))

print(func(another_template, "Hello", "Python"))



# 动态重用具有不同参数的相同模板.

inputs = ["Hello", "World", "!"]

template = "Here's some dynamic value: {value}"



for value in inputs:

    print(template.format(value=value))

最重要的是,尽可能使用 f 字符串,因为它们更具可读性和更高性能,但请注意,在某些情况下仍然首选和/或需要其他格式样式。

Tomllib

TOML 是一种广泛使用的配置格式,对于 Python 的工具和生态系统尤其重要,因为它用于 pyproject.toml 配置文件, 到目前为止,你必须使用外部库来管理 TOML 文件,但是从 Python 3.11 开始,将有一个名为 tomllib 的内置库,它基于 toml 包。

所以,一旦你切换到 Python 3.11,你应该养成使用 import tomllib 而不是 import tomli 的习惯。少了一种需要担心的依赖!

# import tomli as tomllib

import tomllib



with open("pyproject.toml", "rb") as f:

    config = tomllib.load(f)

    print(config)

    # {'project': {'authors': [{'email': '[email protected]',

    #                           'name': 'Martin Heinz'}],

    #              'dependencies': ['flask', 'requests'],

    #              'description': 'Example Package',

    #              'name': 'some-app',

    #              'version': '0.1.0'}}



toml_string = """

[project]

name = "another-app"

description = "Example Package"

version = "0.1.1"

"""



config = tomllib.loads(toml_string)

print(config)

# {'project': {'name': 'another-app', 'description': 'Example Package', 'version': '0.1.1'}}

Setuptools

最后一个更像是弃用通知:

由于 Distutils 已弃用,因此同样不鼓励使用任何来自 distutils 的函数或对象,Setuptools 旨在替换或弃用所有此类用途。

是时候告别 distutils 包并切换到 setuptools 了,setuptools 文档提供了有关如何替换 distutils 用法的指导, 除此之外,PEP 632 还为 setuptools 未涵盖的部分 distutils 提供迁移建议。

总结

每个新的 Python 版本都会带来新的特性,因此我建议你查看 Python 发行说明中的新模块不推荐使用的模块已删除的模块部分,这是了解 Python 标准重大变化的好方法 , 通过这种方式,你可以不断地将新功能和最佳实践整合到你的项目中。

< END >

你可能感兴趣的:(python,爬虫,java)