现在回到 super。如果使用了多重继承的层次结构，那么使用 super 是非常危险的， 主要原因在于类的初始化。在 Python 中，基类不会在__init__()中被隐式地调用，所以 需要由开发人员来调用它们。我们来看几个例子。 1．混用 super 与显式类调用 在下面来自 James Knight 网站（http://fuhm.net/super-harmful）的示例中，C 类使用 __
Python 装饰器的作用是使函数包装与方法包装（一个函数，接受函数并返回其增强函 数）变得更容易阅读和理解。最初的使用场景是在方法定义的开头能够将其定义为类方法 或静态方法。如果不用装饰器语法的话，定义可能会非常稀疏，并且不断重复： class WithoutDecorators: def some_static_method(): print("this is static method")
Jython 是 Python 语言的 Java 实现。它将代码编译为 Java 字节代码，开发人员在 Python 模块中可以无缝使用 Java 类。Jython 允许人们在复杂应用系统（例如 J2EE）中使用 Python 作为顶层脚本语言，它还将 Java 应用引入到 Python 世界中。Jython 的一个很好的例子就是， 在 Python 程序中可以使用 Apache Jackrabb
为了避免前面提到的所有问题，在 Python 在这个领域取得进展之前，我们需要考虑以 下几点。 • 应该避免多重继承：可以采用第 14 章介绍的一些设计模式来代替它。 • super 的使用必须一致：在类的层次结构中，要么全部用 super，要么全不用。 混用 super 和传统调用是一种混乱的做法。人们往往会避免使用 super，这样代 码会更清晰。 • 如果代码的使用范围包括 Python 2
在一种语言中，很难客观判断哪些语法元素属于高级语法。对于本章会讲到的高级语 法元素，我们会讲到这样的元素，它们不与任何特定的内置类型直接相关，而且在刚开始 学习时相对难以掌握。对于 Python 中难以理解的特性，其中最常见的是：• 迭代器（iterator）。 • 生成器（generator）。 • 装饰器（decorator）。 • 上下文管理器（context manager）。迭代器 迭
不存在适用于所有情况的最佳解决方案。一家公司认为好的解决方案可能并不适用于 其他团队的工作流程。而且每个应用的需求也各不相同。小项目可以只使用 virtualenv 或 venv，比较简单，但大型项目可能还需要 buildout 的帮助，以便进行更复杂的装配。 之前没有详细说明的是，在 buildout 早期版本（2.0.0 版之前）中，可以在隔离环境中 对项目进行装配，其结果与 Virtuale
针对软件设计的常见问题，设计模式是可复用的且有点语言相关的解决方案。关于这个主 题的最流行的书是 Design Patterns: Elements of Reusable Object-Oriented Software，这本书由 Gamma、Helm、Johnson 和 Vlissides 编写，它们也被称为四人组（Gang of Four）或 GoF。这 本书是这个领域中的重要著作，它收录了
老实说，多线程是很有挑战性的-我们已经在上一节中看到了。事实上，对问题的最简 单的方法是只需要最小的代价。但是以一种安全的方式处理线程需要大量的代码。 我们必须设置线程池和通信队列，优雅地处理来自线程的异常，并且在尝试提供速率 限制功能时也考虑线程安全。十行代码只能从外部库并行执行一个函数！我们假设它可以 用于生产环境，因为有外部包创建者的承诺，它的库是线程安全的。听起来像一个高价格 的解决方案，
正如我前面所说，与第三方程序（如数据库、缓存、Web 服务或 LDAP 服务器）通信的应用程序可能会在这些应用程序运行缓慢时放慢速度。在应用程序端使用常规代码分析 方法可以进行跟踪。但是，如果第三方软件自己工作正常，那么罪魁祸首可能是网络。 问题可能是配置错误的集线器，低带宽网络链路，或甚至是大量的使计算机多次发送 相同的数据包的流量冲突。 这里有几个元素，你应该收集一下。要了解发生了什么，首先要
代码覆盖率（code coverage）是一个非常有用的度量标准，它提供了有关项目代码的 测试的客观信息。它仅仅是在所有测试执行期间执行多少和哪些代码行的测量。它通常表示为百分比，100%覆盖意味着每个代码行都在测试期间执行。 最流行的代码覆盖工具被称为 simply coverage，并在 PyPI 上免费提供。使用非 常简单，只包括两个步骤。第一步是在 shell 中运行 coverage r
当你需要呈现一些代码示例时，可以使用文字块。两个冒号用于标记代码块，代码块 需要进行缩进，如下所示： This is a code example :: >>> 1 + 1 2 Let's continue our text 请注意，冒号字符可以放在文本行中。在这种情况下，它将被渲染为单个冒号（运行 结果参见图 9-3）： This is a code exa
暂时先忘了集中式版本控制系统。 说实话。集中式版本控制系统是过去的残遗物。在大多数人有机会远程全职工作的时 候，就会受到集中式 VCS 的所有缺陷的约束。例如，对于 CVS 或 SVN，你不能在离线时 跟踪更改。这是愚蠢的。当你的工作场所的 Internet 连接暂时中断或中央存仓库关闭时，你 应该怎么办？你应该忘记所有的工作流程，只是允许堆积更改，直到恢复正常，然后只是 把它
如前所述，编写扩展不是一个简单的任务，你需要付出很多努力的工作，同时，它也 可以给你带来很多的优势。使用诸如 Cython 或 Pyrex 之类的工具，或者使用 ctypes 或 cffi 简单地与现有的动态库集成，通过这些方法开发自己的扩展是最简单的，也是值得 推荐的方法。这些项目会极大的提高你的开发效率，并且降低代码的开发难度，使代码具 有更好的可读性与可维护性。 总之，如果你是新了解这个话题
在介绍 Python 代码打包的材料中，创建独立可执行文件是经常被忽略的一个主题。这 主要是因为 Python 标准库中缺少合适的工具能够让程序员创建简单的可执行文件，用户不 需要安装 Python 解释器就可以运行这些可执行文件。 与 Python 相比，编译语言有一个很大的优点，就是它允许为给定的系统架构创建可执 行的应用程序，用户不需要知道底层技术就可以运行。Python 代码作为一个包分发
函数和方法的签名是代码完整性的保证，它们驱动函数和方法的使用并构建其 API。除 了我们之前看到的命名规则之外，对参数也要特别小心。这可以通过 3 个简单的规则来实现。 • 通过迭代设计构建参数。 • 信任参数和测试。 • 小心使用魔法参数*args 和**kwargs。通过迭代设计构建参数 如果每个函数都有一个固定的、定义明确的参数列表，那么代码的鲁棒性会更好。但 这在第一个版本中无法完成，所
一组常用的命名规则可以被应用于变量、方法、函数和 property。类和模块的名称 也在命名空间的构建中具有重要的作用，从而也影响代码可读性。本迷你指南为挑选名称 提供了常见的模式和反模式。用“has”或“is”前缀命名布尔元素 如果一个元素保存的是布尔值，is 和 has 前缀提供一种自然的方式，使其在命名空 间中的可读性更强，代码如下： class DB: is_connected =
Python 语法中有一些元素不太常见，也很少用到。这是因为它们能提供的好处很少， 或者它们的用法很难记住。因此，许多 Python 程序员（即使有多年的经验）完全不知道这 些语法元素的存在。其中最有名的例子如下： • for ... else 语句。 • 函数注解（function annotation）。for...else...语句 在 for 循环之后使用 else 子句，可以在循环“自
在一种语言中，很难客观判断哪些语法元素属于高级语法。对于本章会讲到的高级语 法元素，我们会讲到这样的元素，它们不与任何特定的内置类型直接相关，而且在刚开始 学习时相对难以掌握。对于 Python 中难以理解的特性，其中最常见的是：• 迭代器（iterator）。 • 生成器（generator）。 • 装饰器（decorator）。 • 上下文管理器（context manager）。 迭代器
前面已经说过，Python 3 打破了对 Python 2 的向后兼容。但它并不是完全重新设计的。 而且，也并不是说 2.x 版本的 Python 模块在 Python 3 下都无法运行。代码可以完全跨版本兼 容，无需其他工具或技术在两大版本上都可以运行，但一般只有简单应用才能做到这一点。为什么要关注这些差异 本章前面说过我个人对 Python 2 兼容性的看法，但是目前不可能完全忽视这一点。还
通常，开发人员认为线程是一个复杂的主题。虽然这个说法是完全正确的，然而 Python 提供了一些高级类和函数，通过它们可以轻松地使用线程。CPython 的线程实现中带有一些麻 烦的细节，使得它们没其他语言那么实用。对于你可能想要解决的一些特定的问题，它们仍然 是完全正确的，但是它们不和 C 或 Java 一样解决同样多的问题。在本节中，我们将讨论 CPython 中多线程的局限性，以及使用 Py
既然我们已经知道如何正确地打包，编译和安装自定义 C 扩展，并且确信它能按照预 期正常地工作，现在是时候来详细讨论一下我们的代码。扩展模块以一个包含 Python.h 头文件的单独的 C 预处理器指令开始，代码如下: #include <Python.h>它把整个 Python/C API 以及编写扩展需要引入的一切包含进来。在更现实的开发中， 你的代码可能需要更多的预处理器指令，这样
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
