Python3.8特性

特性	代码	对比
海象赋值表达式	新的语法 :=，将值赋给一个更大的表达式中的变量。它被亲切地称为 “海象运算符”(walrus operator)，因为它长得像海象的眼睛和象牙。 “海象运算符” 在某些时候可以让你的代码更整洁，比如： 在下面的示例中，赋值表达式可以避免调用 len () 两次: if (n := len(a)) > 10: print(f"List is too long ({n} elements, expected <= 10)") 类似的好处还可体现在正则表达式匹配中需要使用两次匹配对象的情况中，一次检测用于匹配是否发生，另一次用于提取子分组: discount = 0.0 if (mo := re.search(r'(\d+)% discount', advertisement)): discount = float(mo.group(1)) / 100.0 此运算符也可用于配合 while 循环计算一个值，来检测循环是否终止，而同一个值又在循环体中再次被使用的情况: # Loop over fixed length blocks while (block := f.read(256)) != '': process(block) 或者出现于列表推导式中，在筛选条件中计算一个值，而同一个值又在表达式中需要被使用: [clean_name.title() for name in names if (clean_name := normalize('NFC', name)) in allowed_names] 请尽量将海象运算符的使用限制在清晰的场合中，以降低复杂性并提升可读性。
仅限位置形参	新增一个函数形参语法 / 用来指明某些函数形参必须使用仅限位置而非关键字参数的形式。 这种标记语法与通过 help () 所显示的使用 Larry Hastings 的 Argument Clinic 工具标记的 C 函数相同。 在下面的例子中，形参 a 和 b 为仅限位置形参，c 或 d 可以是位置形参或关键字形参，而 e 或 f 要求为关键字形参: def f(a, b, /, c, d, *, e, f): print(a, b, c, d, e, f) 以下是合法的调用: f(10, 20, 30, d=40, e=50, f=60) 但是，以下均为不合法的调用: f(10, b=20, c=30, d=40, e=50, f=60) # b 不可以是一个关键字参数 f(10, 20, 30, 40, 50, f=60) # e 必须是一个关键字参数 这种标记形式的一个用例是它允许纯 Python 函数完整模拟现有的用 C 代码编写的函数的行为。例如，内置的 pow () 函数不接受关键字参数: def pow(x, y, z=None, /): "Emulate the built in pow() function" r = x ** y return r if z is None else r%z 另一个用例是在不需要形参名称时排除关键字参数。例如，内置的 len () 函数的签名为 len (obj, /)。这可以排除如下这种笨拙的调用形式: len(obj='hello') # The "obj" keyword argument impairs readability 另一个益处是将形参标记为仅限位置形参将允许在未来修改形参名而不会破坏客户的代码。例如，在 statistics 模块中，形参名 dist 在未来可能被修改。这使得以下函数描述成为可能: def quantiles(dist, /, *, n=4, method='exclusive') ... 由于在 / 左侧的形参不会被公开为可用关键字，其他形参名仍可在 **kwargs 中使用: >>> def f(a, b, /, **kwargs): ... print(a, b, kwargs) ... >>> f(10, 20, a=1, b=2, c=3) # a and b are used in two ways 10 20 {'a': 1, 'b': 2, 'c': 3} 这极大地简化了需要接受任意关键字参数的函数和方法的实现。例如，下面是 collections 模块中的代码摘录： class Counter(dict): def init(self, iterable=None, /, **kwds): # Note "iterable" is a possible keyword argument
f 字符串支持 =	增加 = 说明符用于 f-string。形式为 f'{expr=}' 的 f 字符串将扩展表示为表达式文本，加一个等于号，再加表达式的求值结果。例如： >>> user = 'eric_idle' >>> member_since = date(1975, 7, 31) >>> f'{user=} {member_since=}' "user='eric_idle' member_since=datetime.date(1975, 7, 31)" f 字符串格式说明符允许更细致地控制所要显示的表达式结果: >>> delta = date.today() - member_since >>> f'{user=!s} {delta.days=:,d}' 'user=eric_idle delta.days=16,075' = 说明符将输出整个表达式，以便详细演示计算过程: >>> print(f'{theta=} {cos(radians(theta))=:.3f}') theta=30 cos(radians(theta))=0.866
typing模块的改进	Python是动态类型语言，但可以通过typing模块添加类型提示，以便第三方工具验证Python代码。Python 3.8给typing添加了一些新元素，因此它能够支持更健壮的检查： final修饰器和Final类型标注表明，被修饰或被标注的对象在任何时候都不应该被重写、继承，也不能被重新赋值。 Literal类型将表达式限定为特定的值或值的列表（不一定是同一个类型的值）。 TypedDict可以用来创建字典，其特定键的值被限制在一个或多个类型上。注意这些限制仅用于编译时确定值的合法性，而不能在运行时进行限制。
多进程共享内存	multiprocessing模块新增SharedMemory类，可以在不同的Python进城之间创建共享的内存区域。 在旧版本的Python中，进程间共享数据只能通过写入文件、通过网络套接字发送，或采用Python的pickle模块进行序列化等方式。共享内存提供了进程间传递数据的更快的方式，从而使得typePython的多处理器和多内核编程更有效率。 共享内存片段可以作为单纯的字节区域来分配，也可以作为不可修改的类似于列表的对象来分配，其中能保存数字类型、字符串、字节对象、None对象等一小部分Python对象。
新版本的pickle协议	Python的pickle模块提供了一种序列化和反序列化Python数据结构或实例的方法，可以将字典原样保存下来供以后读取。不同版本的Python支持的pickle协议不同，而3.8版本的支持范围更广、更强大、更有效的序列化。 Python 3.8引入的第5版pickle协议可以用一种新方法pickle对象，它能支持Python的缓冲区协议，如bytes、memoryviews或Numpy array等。新的pickle避免了许多在pickle这些对象时的内存复制操作。 NumPy、Apache Arrow等外部库在各自的Python绑定中支持新的pickle协议。新的pickle也可以作为Python 3.6和3.7的插件使用，可以从PyPI上安装。
性能改进
-	许多内置方法和函数的速度都提高了20%~50%，因为之前许多函数都需要进行不必要的参数转换。
-	一个新的opcode缓存可以提高解释器中特定指令的速度。但是，目前实现了速度改进的只有LOAD_GLOBAL opcode，其速度提高了40%。以后的版本中也会进行类似的优化。
-	文件复制操作如shutil.copyfile()和shutil.copytree()现在使用平台特定的调用和其他优化措施，来提高操作速度。
-	新创建的列表现在平均比以前小了12%，这要归功于列表构造函数如果能提前知道列表长度的情况下，可以进行优化。
-	Python 3.8中向新型类（如class A(object)）的类变量中的写入操作变得更快。operator.itemgetter()和collections.namedtuple()也得到了速度优化。