5.7. 常见陷阱

2018

2018

通常，Python 旨在成为一门简洁一致的语言，避免发生意外。然而，有些情况可能会给新手们造成困惑。

在这些情况中，有一些虽是有意为之，但还是有潜在风险。还有一些则可以说是语言设计缺陷了。总之，下面列出的这些情况都是些乍一看很不好理解的行为，不过一旦您了解了这些奇怪行为背后的机理，也就基本上能理解了。

可变默认参数

似乎每个 Python 新手都会感到惊讶的一点是 Python 在函数定义中对待可变默认参数的方法。

您所写的

def append_to(element, to=[]):
    to.append(element)
    return to

您可能期待的结果

my_list = append_to(12)
print my_list

my_other_list = append_to(42)
print my_other_list

函数每次被调用时，如果不提供第二个参数，就创建一个新的列表。所以结果就应该是：

[12]
[42]

实际上的结果

[12]
[12, 42]

一旦 完成了函数定义，一个新的列表就创建出来了，而且在随后的每一次函数调用中被使用的都是这个列表。

一旦 完成了函数定义，Python 的默认参数就被赋值了，而且在随后的每一次函数调用中都不会再被默认值重复赋值（就像是在，嗯，Ruby 里那样）。这就意味着如果您使用了一个可变默认参数，并且改变了它，您也会且 将会 在未来的所有函数调用中改变这同一个参数对象。

您实际上应该做的

使用一个默认值来表示我们并不想给这个参数赋值，从而每次在函数被调用时我们都创建一个新的对象。（None 作为默认值通常是个好选择）。

def append_to(element, to=None):
    if to is None:
        to = []
    to.append(element)
    return to

可别忘了，您所传递的第二个参数仍应该是个 列表 对象。

利用好『缺陷』

有时你可以专门 利用（或者说特地使用）这种行为来维护函数调用间的状态。这通常用于编写缓存函数。

延迟绑定闭包

另一个常见的困惑是 Python 在闭包（或在周围全局作用域）中绑定变量的方式。

当你写下

def create_multipliers():
    return [lambda x : i * x for i in range(5)]

你期望发生

for multiplier in create_multipliers():
    print multiplier(2)

一个包含五个函数的列表，每个函数有它们自己的封闭变量 i 乘以它们的参数，得到:

0
2
4
6
8

而事实是：

8
8
8
8
8

五个函数被创建了，它们全都用 4 乘以 x 。

Python 的闭包是 延迟绑定的 。 这意味着闭包中用到的变量的值，是在内部函数被调用时查询得到的。

这里，不论 任何 返回的函数是如何被调用的， i 取的是调用时周围作用域里的值。 当循环完成时， i 的值最终变成了 4。

关于这个陷阱有一个普遍严重的误解，它被认为只针对 Python 的 闭包 lambda 定义方式。 事实上，由 lambda 表达式创建的函数并没什么特别，同样的问题也出现在使用普通的 def 上：

def create_multipliers():
    multipliers = []

    for i in range(5):
        def multiplier(x):
            return i * x
        multipliers.append(multiplier)

    return multipliers

以上正确的做法应该是：

最简单通用的解决方案可以说是有点取巧（hack）。由于 Python 拥有在前文提到的『为函数默认参数赋值』的行为（参见 可变默认参数 ），你可以创建一个立即绑定参数的闭包，像下面这样：

def create_multipliers():
    return [lambda x, i=i : i * x for i in range(5)]

或者，使用 functools.partial 函数：

from functools import partial
from operator import mul

def create_multipliers():
    return [partial(mul, i) for i in range(5)]

缺陷并不可怕

有时你就想要闭包有如此表现，延迟绑定在很多情况下是一个很赞的特性。不幸的是，循环创建独立函数是一种会使它们出差错的情况。

字节码（.pyc）文件无处不在！

默认情况下，当你直接执行 Python 脚本文件时，Python 解释器会自动将该文件的字节码版本写入同目录下。 比如， module.pyc。

这些 .pyc 文件不应该被纳入源代码仓库。

理论上，出于性能原因，此行为默认为开启。 没有这些字节码文件， Python 会在每次加载文件时重新生成字节码文件。

禁用字节码（.pyc）文件

幸运的是，生成字节码的过程非常快，在开发代码时不需要担心。

那些文件很讨厌，所以让我们摆脱他们吧！

$ export PYTHONDONTWRITEBYTECODE=1

使用 $PYTHONDONTWRITEBYTECODE 环境变量来命令 Python 不将这些文件写入磁盘， 开发环境将会保持整洁和干净。

我建议在你的 ~/.profile 里设置这个环境变量。

删除字节码（.pyc）文件

以下是删除所有已存在字节码文件的好方法:

$ find . -type f -name "*.py[co]" -delete -or -type d -name "__pycache__" -delete

从项目根目录运行，所有 .pyc 文件会瞬间消失。

版本控制忽略

如果由于性能原因仍然需要 .pyc 文件，你可以随时将它们添加到版本控制存储库的忽略文件中。 流行的版本控制系统能够使用文件中定义的通配符来应用特殊规则。

一份忽略文件将确保匹配的文件未被检入存储库。 Git 使用 .gitignore，而 Mercurial 使用 .hgignore。

忽略文件里至少应该具备以下内容：

syntax:glob   # This line is not needed for .gitignore files.
*.py[cod]     # Will match .pyc, .pyo and .pyd files.
__pycache__/  # Exclude the whole folder

可按需添加更多文件和目录。下次提交到存储库时，这些文件将不被包括。

本译文仅用于学习和交流目的，转载请务必注明文章译者、出处、和本文链接
我们的翻译工作遵照 CC 协议，如果我们的工作有侵犯到您的权益，请及时联系我们。

原文地址：https://learnku.com/docs/python-guide/20...

译文地址：https://learnku.com/docs/python-guide/20...