[譯]The Python Tutorial#11. Brief Tour of the Standard Library — Part II

[譯]The Python Tutorial#Brief Tour of the Standard Library — Part II

第二部分介紹更多知足專業編程需求的高級模塊，這些模塊在小型腳本中不多用到。

11.1 Output Formatting

reprlib模塊爲大型或者深度嵌套的容器提供了一個定製版本的repr()函數：

>>> import reprlib
>>> reprlib.repr(set('supercalifragilisticexpialidocious'))
"{'a', 'c', 'd', 'e', 'f', 'g', ...}"

pprint模塊爲內嵌對象或者用戶自定義對象以解釋器可讀方式打印提供了更精細的控制。當打印結果超過一行時，「打印美化器」添加換行符和縮進，清晰顯示原有的數據結構：

>>> import pprint
>>> t = [[[['black', 'cyan'], 'white', ['green', 'red']], [['magenta',
...     'yellow'], 'blue']]]
...
>>> pprint.pprint(t, width=30)
[[[['black', 'cyan'],
   'white',
   ['green', 'red']],
  [['magenta', 'yellow'],
   'blue']]]

textwrap模塊格式化文本段落適應指定屏幕寬度：

>>> import textwrap
>>> doc = """The wrap() method is just like fill() except that it returns
... a list of strings instead of one big string with newlines to separate
... the wrapped lines."""
...
>>> print(textwrap.fill(doc, width=40))
The wrap() method is just like fill()
except that it returns a list of strings
instead of one big string with newlines
to separate the wrapped lines.

local模塊訪問特定文化數據格式的數據庫。區域設置格式函數的分組屬性提供了使用組分隔符格式化數字的直接方法：

>>> import locale
>>> locale.setlocale(locale.LC_ALL, 'English_United States.1252')
'English_United States.1252'
>>> conv = locale.localeconv()          # get a mapping of conventions
>>> x = 1234567.8
>>> locale.format("%d", x, grouping=True)
'1,234,567'
>>> locale.format_string("%s%.*f", (conv['currency_symbol'],
...                      conv['frac_digits'], x), grouping=True)
'$1,234,567.80'

11.2 Templting

string模塊包括一個功能強大的Template類，其簡化的語法適用於最終用戶的編輯。該類容許用戶自定義他們的應用，而不用修改應用。

格式化使用由$和有效Python標識符（字母數字字符以及下劃線）組成的佔位符。佔位符外圍的花括號容許其後跟更多數字字母字符而無需中間空格。使用$$轉義$：

>>> from string import Template
>>> t = Template('${village}folk send $$10 to $cause.')
>>> t.substitute(village='Nottingham', cause='the ditch fund')
'Nottinghamfolk send $10 to the ditch fund.'

當參數字典或者關鍵字參數沒有提供對應的佔位符時，substitute()方法拋出KeyError異常。對於郵件合併風格的應用程序，用戶提供的數據可能不徹底，使用safe_substitute()方法更加合適——該方法會保留爲匹配的佔位符不變：

>>> t = Template('Return the $item to $owner.')
>>> d = dict(item='unladen swallow')
>>> t.substitute(d)
Traceback (most recent call last):
  ...
KeyError: 'owner'
>>> t.safe_substitute(d)
'Return the unladen swallow to $owner.'

Template的子類能夠指定自定義的定界符。例如，圖片瀏覽器的批量重命名工具可能使用百分比號做爲佔位符，如當前日期，圖片序列碼或者文件格式：

>>> import time, os.path
>>> photofiles = ['img_1074.jpg', 'img_1076.jpg', 'img_1077.jpg']
>>> class BatchRename(Template):
...     delimiter = '%'
>>> fmt = input('Enter rename style (%d-date %n-seqnum %f-format):  ')
Enter rename style (%d-date %n-seqnum %f-format):  Ashley_%n%f

>>> t = BatchRename(fmt)
>>> date = time.strftime('%d%b%y')
>>> for i, filename in enumerate(photofiles):
...     base, ext = os.path.splitext(filename)
...     newname = t.substitute(d=date, n=i, f=ext)
...     print('{0} --> {1}'.format(filename, newname))

img_1074.jpg --> Ashley_0.jpg
img_1076.jpg --> Ashley_1.jpg
img_1077.jpg --> Ashley_2.jpg

模板的另外一種應用是將程序邏輯與多種輸出格式的細節分開。這樣使得自定義模板替換爲XML文件，純文本報告和HTML網絡報告成爲可能。

11.3 Working with Binary Data Record Layouts

struct模塊提供了用於處理可變長度二進制記錄格式的pack以及unpack。如下示例展現如何在沒有zipfile的幫助下遍歷ZIP文件的頭信息。分組代碼「H」和「I」分別表示兩個和四個字節的無符號數。<表示它們是標準大小和小端字節順序：

import struct

with open('myfile.zip', 'rb') as f:
    data = f.read()

start = 0
for i in range(3):                      # show the first 3 file headers
    start += 14
    fields = struct.unpack('<IIIHH', data[start:start+16])
    crc32, comp_size, uncomp_size, filenamesize, extra_size = fields

    start += 16
    filename = data[start:start+filenamesize]
    start += filenamesize
    extra = data[start:start+extra_size]
    print(filename, hex(crc32), comp_size, uncomp_size)

    start += extra_size + comp_size     # skip to the next header

11.4 Multi-threading

線程是一種解耦無順序依賴關係任務的技術。線程有助於提升接收用戶輸入應用的響應速度，而其餘任務在後臺運行。相關的用例是運行IO的同時在另外一個線程中做耗時計算操做。

如下代碼展現高層模塊threading如何在主程序運行的同時在後臺執行任務：

import threading, zipfile

class AsyncZip(threading.Thread):
    def __init__(self, infile, outfile):
        threading.Thread.__init__(self)
        self.infile = infile
        self.outfile = outfile

    def run(self):
        f = zipfile.ZipFile(self.outfile, 'w', zipfile.ZIP_DEFLATED)
        f.write(self.infile)
        f.close()
        print('Finished background zip of:', self.infile)

background = AsyncZip('mydata.txt', 'myarchive.zip')
background.start()
print('The main program continues to run in foreground.')

background.join()    # Wait for the background task to finish
print('Main program waited until background was done.')

多線程應用主要的挑戰是協調共享數據或者其餘資源的多個線程。爲了實現這個目標，線程模塊提供了一系列同步原語，包括鎖，時間，條件變量以及信號。

雖然這些工具很強大，可是很小的設計錯誤也會致使很難重現的問題。所以，任務協做首選的方案是將全部對資源的訪問都集中在一個單線程中，而後使用queue模塊爲這個單線程提供來自其餘線程的請求。使用Queue對象進行跨線程通訊和協調的應用程序更容易設計，可讀性更好，更可靠。

11.5 Logging

logging模塊提供了功能完備且靈活的日誌系統。最簡單的用法是將日誌信息輸出到文件或者sys.stderr：

import logging
logging.debug('Debugging information')
logging.info('Informational message')
logging.warning('Warning:config file %s not found', 'server.conf')
logging.error('Error occurred')
logging.critical('Critical error -- shutting down')

輸出以下：

WARNING:root:Warning:config file server.conf not found
ERROR:root:Error occurred
CRITICAL:root:Critical error -- shutting down

默認狀況下，debug和info級別的信息被抑制，輸出目的地是標準錯誤。其餘輸出選項包括經過郵件，數據報，套接字以及HTTP服務器的路由信息。新的過濾器能夠根據不一樣的消息優先級選擇不一樣的路由：DEBUG, INFO, WARNING, ERROR以及CRITICAL。

日誌系統能夠直接從Python配置，也能夠從用戶可編輯的配置文件加載，以便於自定義日誌，而無需修改應用程序。

11.6 Weak References

Python自動進行內存管理（針對大多數對象引用計數以及垃圾回收以消除循環）。對象最後的引用刪除後，其內存當即釋放。

這種方法適用於大多數應用，可是偶爾只須要跟蹤對象便可。不幸的是，僅僅跟蹤它們也會建立永久的應用。weakref模塊提供了無需建立引用跟蹤對象的工具。一旦再也不須要對象時，其自動從弱引用表中刪除，並觸發回調。典型的應用包括建立成本高的緩存對象：

>>> import weakref, gc
>>> class A:
...     def __init__(self, value):
...         self.value = value
...     def __repr__(self):
...         return str(self.value)
...
>>> a = A(10)                   # create a reference
>>> d = weakref.WeakValueDictionary()
>>> d['primary'] = a            # does not create a reference
>>> d['primary']                # fetch the object if it is still alive
10
>>> del a                       # remove the one reference
>>> gc.collect()                # run garbage collection right away
0
>>> d['primary']                # entry was automatically removed
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
    d['primary']                # entry was automatically removed
  File "C:/python36/lib/weakref.py", line 46, in __getitem__
    o = self.data[key]()
KeyError: 'primary'

11.7 Tools for Working with Lists

內置列表類型能夠知足許多數據結構的需求。然而，有時候須要不一樣性能權衡的替代實現。

array模塊提供一個array()對象，就像一個只存儲同類型數據，而且存儲更加緊湊的列表同樣。如下示例展現一個數字數組，它以兩個字節無符號二進制數（typecode爲"H"）存儲，而不是一般的每一個對象16字節的常規Python整數對象列表：

>>> from array import array
>>> a = array('H', [4000, 10, 700, 22222])
>>> sum(a)
26932
>>> a[1:3]
array('H', [10, 700])

collections模塊提供deque()對象，就像一個擁有速度更快的左端添加和移除操做，更慢的中間查找速度的列表同樣。這些對象適用於實現隊列以及寬度優先樹搜索：

>>> from collections import deque
>>> d = deque(["task1", "task2", "task3"])
>>> d.append("task4")
>>> print("Handling", d.popleft())
Handling task1

unsearched = deque([starting_node])
def breadth_first_search(unsearched):
    node = unsearched.popleft()
    for m in gen_moves(node):
        if is_goal(m):
            return m
        unsearched.append(m)

除了可選的列表實現外，庫也提供了其餘工具，好比具備操做有序列表函數的bisect模塊：

>>> import bisect
>>> scores = [(100, 'perl'), (200, 'tcl'), (400, 'lua'), (500, 'python')]
>>> bisect.insort(scores, (300, 'ruby'))
>>> scores
[(100, 'perl'), (200, 'tcl'), (300, 'ruby'), (400, 'lua'), (500, 'python')]

heapq模塊提供了基於常規隊列實現堆的函數。最小值的實體老是放在位置0處。這對於須要重複訪問最小元素可是不想要對整個列表排序的應用頗有用：

>>> from heapq import heapify, heappop, heappush
>>> data = [1, 3, 5, 7, 9, 2, 4, 6, 8, 0]
>>> heapify(data)                      # rearrange the list into heap order
>>> heappush(data, -5)                 # add a new entry
>>> [heappop(data) for i in range(3)]  # fetch the three smallest entries
[-5, 0, 1]

11.8 Decimal Floating Point Arithmetic

decimal模塊爲十進制浮點算法提供Decimal數據類型。與二進制浮點型的內嵌的float實現相比，這個類在如下場合及其有用：

• 金融類應用以及其餘須要精確十進制表示的應用；
• 控制精度；
• 控制舍入以知足法律上或者管控上的需求；
• 追蹤重要的小數位數，或者
• 用戶其餘輸出與手工計算匹配的應用

例如，計算對70分的電話費取5%的稅，十進制浮點型盒二進制浮點型結果不一樣。當結果須要舍入到最近的整分時，它們之間的差別就很重要了：

>>> from decimal import *
>>> round(Decimal('0.70') * Decimal('1.05'), 2)
Decimal('0.74')
>>> round(.70 * 1.05, 2)
0.73

十進制結果保持一個尾隨的0，精度自從從兩位延伸到了四位。十進制能夠從新進行數學運算，就像手工同樣，而且避免了二進制浮點數不能精確表示十進制數時會產生的問題。

精確表示使得Decimal類能夠執行求餘計算以及不適用於二進制浮點型的比較測試：

>>> Decimal('1.00') % Decimal('.10')
Decimal('0.00')
>>> 1.00 % 0.10
0.09999999999999995

>>> sum([Decimal('0.1')]*10) == Decimal('1.0')
True
>>> sum([0.1]*10) == 1.0
False

decimal模塊提供了必要的高精度算法：

>>> getcontext().prec = 36
>>> Decimal(1) / Decimal(7)
Decimal('0.142857142857142857142857142857142857')