当前位置：首页>编程日记>正文

python3.8.5 run-Python 3.8.0 正式版发布，新特性初体验

编程日记 2024/03/17 20:51:16

本站寻求有缘人接手，详细了解请联系站长QQ1493399855

北京时间 10 月 15 日，Python 官方发布了 3.8.0 正式版，该版本较 3.7 版本再次带来了多个非常实用的新特性。

赋值表达式

PEP 572: Assignment Expressions

新增一种新语法形式：:=，又称为“海象运算符”（为什么叫海象，看看这两个符号像不像颜表情），如果你用过 Go 语言，应该对这个语法非常熟悉。

具体作用我们直接用实例来展示，比如在使用正则匹配时，以往版本中我们会如下写：

import re

pattern = re.compile('a')

data = 'abc'

match = pattern.search(data)

if match is not None:

print(match.group(0))

而使用赋值表达式时，我们可以改写为：

if (match := pattern.search(data)) is not None:

在 if 语句中同时完成了求值、赋值变量、变量判断三步操作，再次简化了代码。

下面是在列表表达式中的用法：

filtered_data = [y for x in data if (y := func(x)) is not None]

强制位置参数

PEP 570: Python Positional-Only parameters

新增一个函数形参标记：/，用来表示标记左侧的参数，都只接受位置参数，不能使用关键字参数形式。

>>> def pow(x, y, z=None, /):

... r = x ** y

... return r if z is None else r%z

...

>>> pow(5, 3)

125

>>> pow(x=5, y=3)

Traceback (most recent call last):

File "", line 1, in

TypeError: pow() takes no keyword arguments

这实际上是用纯 Python 代码来模拟现有 C 代码实现的内置函数中类似功能，比如内置函数 len('string') 传参是不能使用关键字参数的。

Runtime 审计钩子

PEP 578: Python Runtime Audit Hooks

这让我们可以对某些事件和 API 添加一些钩子，用于在运行时监听事件相关的参数。

比如这里监听 urllib 请求：

>>> import sys

>>> import urllib.request

>>> def audit_hook(event, args):

... if event in ['urllib.Request']:

... print(f'{event=} {args=}')

>>> sys.addaudithook(audit_hook)

>>> urllib.request.urlopen('https://httpbin.org/get?a=1')

event = 'urllib.Request' args =( 'https://httpbin.org/get?a=1' , None , {}, 'GET' )

官方内置了一些 API，具体可查看 PEP-578 规范文档，也可以自定义。

f-strings 支持等号

在 Python 3.6 版本中增加了 f-strings，可以使用 f 前缀更方便地格式化字符串，同时还能进行计算，比如：

>>> x = 10

>>> print(f'{x+1}')

在 3.8 中只需要增加一个 = 符号，即可拼接运算表达式与结果：

>>> print(f'{x+1=}')

'x+1=11'

这个特性官方指明了适用于 Debug。

Asyncio 异步交互模式

在之前版本的 Python 交互模式中（REPL），涉及到 Asyncio 异步函数，通常需要使用 asyncio.run(func()) 才能执行。

而在 3.8 版本中，当使用 python -m asyncio 进入交互模式，则不再需要 asyncio.run。

>>> import asyncio

>>> async def test():

... await asyncio.sleep(1)

... return 'test'

>>> await test()

'test'

跨进程共享内存

在 Python 多进程中，不同进程之间的通信是常见的问题，通常的方式是使用 multiprocessing.Queue 或者 multiprocessing.Pipe，在 3.8 版本中加入了 multiprocessing.shared_memory，利用专用于共享 Python 基础对象的内存区域，为进程通信提供一个新的选择。

from multiprocessing import Process

from multiprocessing import shared_memory

share_nums = shared_memory.ShareableList(range(5))

def work1(nums):

for i in range(5):

nums[i] += 10

print('work1 nums = %s'% nums)

def work2(nums):

print('work2 nums = %s'% nums)

if __name__ == '__main__':

p1 = Process(target=work1, args=(share_nums, ))

p1.start()

p1.join()

p2 = Process(target=work2, args=(share_nums, ))

p2.start()

# 输出结果：

# work1 nums = [10, 11, 12, 13, 14]

# work2 nums = [10, 11, 12, 13, 14]

以上代码中 work1 与 work2 虽然运行在两个进程中，但都可以访问和修改同一个 ShareableList 对象。

@cached_property

熟悉 Python Web 开发的同学，对 werkzeug.utils.cached_property 与 django.utils.functional.cached_property 这两个装饰器一定非常熟悉，它们是内置 @property 装饰器的加强版，被装饰的实例方法不仅变成了属性调用，还会自动缓存方法的返回值。

现在官方终于加入了自己的实现：

>>> import time

>>> from functools import cached_property

>>> class Example:

... @cached_property

... def result(self):

... time.sleep(1) # 模拟计算耗时

... print('work 1 sec...')

... return 10

>>> e = Example()

>>> e.result

work 1 sec...