Python编程语言中有哪些鲜为人知但很有用的特性?
尽量将答案限制在Python核心。 每个回答一个特征。 给出一个例子和功能的简短描述，而不仅仅是文档链接。 使用标题作为第一行标记该特性。
快速链接到答案:
参数解包 牙套 链接比较运算符 修饰符 可变默认参数的陷阱/危险 描述符 字典默认的.get值 所以测试 省略切片语法 枚举 其他/ 函数作为iter()参数 生成器表达式 导入该 就地值交换 步进列表 __missing__物品 多行正则表达式 命名字符串格式化 嵌套的列表/生成器推导 运行时的新类型 .pth文件 ROT13编码 正则表达式调试 发送到发电机 交互式解释器中的制表符补全 三元表达式 试着/ / else除外 拆包+打印()函数 与声明
当前回答
只需少量的工作，线程模块就变得非常容易使用。此装饰器更改函数，使其在自己的线程中运行，返回占位符类实例，而不是常规结果。你可以通过检查placeolder来探测答案。结果或通过调用placeholder.awaitResult()来等待它。
def threadify(function):
"""
exceptionally simple threading decorator. Just:
>>> @threadify
... def longOperation(result):
... time.sleep(3)
... return result
>>> A= longOperation("A has finished")
>>> B= longOperation("B has finished")
A doesn't have a result yet:
>>> print A.result
None
until we wait for it:
>>> print A.awaitResult()
A has finished
we could also wait manually - half a second more should be enough for B:
>>> time.sleep(0.5); print B.result
B has finished
"""
class thr (threading.Thread,object):
def __init__(self, *args, **kwargs):
threading.Thread.__init__ ( self )
self.args, self.kwargs = args, kwargs
self.result = None
self.start()
def awaitResult(self):
self.join()
return self.result
def run(self):
self.result=function(*self.args, **self.kwargs)
return thr
其他回答
我个人很喜欢这三个不同的引语
str = "I'm a string 'but still I can use quotes' inside myself!"
str = """ For some messy multi line strings.
Such as
<html>
<head> ... </head>"""
也很酷:不用转义正则表达式，避免使用原始字符串的可怕的反斜杠沙拉:
str2 = r"\n"
print str2
>> \n
脚本的交互式调试(和doctest字符串)
我不认为这是广为人知的，但添加这一行到任何python脚本:
进口pdb;pdb.set_trace ()
将导致PDB调试器在代码的那一点弹出运行游标。我想，更鲜为人知的是，你可以在doctest中使用同样的行:
"""
>>> 1 in (1,2,3)
Becomes
>>> import pdb; pdb.set_trace(); 1 in (1,2,3)
"""
然后可以使用调试器检出doctest环境。您不能真正逐级执行doctest，因为每一行都是自主运行的，但它是调试doctest glob和环境的好工具。
控制递归限制
使用sys.getrecursionlimit() & sys.setrecursionlimit()获取或设置递归的最大深度。
我们可以限制它，以防止无限递归引起的堆栈溢出。
插入与追加
不是特稿，但可能会很有趣
假设您想要在列表中插入一些数据，然后反转它。最简单的方法是
count = 10 ** 5
nums = []
for x in range(count):
nums.append(x)
nums.reverse()
然后你会想:把数字从最开始插入怎么样?所以:
count = 10 ** 5
nums = []
for x in range(count):
nums.insert(0, x)
但它却慢了100倍!如果我们设置count = 10 ** 6，它将慢1000倍;这是因为插入是O(n²)，而追加是O(n)。
造成这种差异的原因是insert每次调用时都必须移动列表中的每个元素;Append只是在列表的末尾添加元素(有时它必须重新分配所有元素，但它仍然更快)
切片和可变性
复制清单
>>> x = [1,2,3]
>>> y = x[:]
>>> y.pop()
3
>>> y
[1, 2]
>>> x
[1, 2, 3]
替换列表
>>> x = [1,2,3]
>>> y = x
>>> y[:] = [4,5,6]
>>> x
[4, 5, 6]
