实际上，在日常的工作中，我们很多需求，无论是常见的、还是不常见的，Python 都为我们提供了一些独特的解决方案，既不需要自己造轮子，也不需要引入新的依赖（引入新的依赖势必会增加项目的复杂度）。

但是 Python 有太多功能和特性被我们忽略了，导致我们在遇到问题的时候，没法第一时间作出良好的决策。

所以，干脆来一起扫清这些被我们忽略的 Python 死角。

装饰器的妙用

我们经常会想完成一些注册&调用的功能，比如我们有四个函数：

def add(a: int, b: int) -> float:
    return a + b


def sub(a: int, b: int) -> float:
    return a - b


def mul(a: int, b: int) -> float:
    return a * b


def div(a: int, b: int) -> float:
    return a / b

现在我们想将这四个函数和 +、-、*、/ 四个操作符绑定，那么我们该怎么做？

可能我们第一反应是这样：

operator_map = {}


def add(a: int, b: int) -> float:
    return a + b


def sub(a: int, b: int) -> float:
    return a - b


def mul(a: int, b: int) -> float:
    return a * b


def div(a: int, b: int) -> float:
    return a / b


operator_map["+"] = add

operator_map["-"] = sub

operator_map["*"] = mul

operator_map["/"] = div

但这样写起来，有一个很大的问题就是太不美观了。因为直接对于 dict 的操作从实际上来讲可维护性是很差的，那么我们这个地方应该怎么做？

在改进这段代码之前，我们首先要明确 Python 中一个很重要的概念，即：函数/方法是：First Class Member 。用不精确的话来讲，就是函数/方法可以作为参数被传递、被使用。

举个例子：

import typing


def execute(func: typing.Callable, *args, **kwargs) -> typing.Any:
    return func(*args, **kwargs)


def print_func(data: int) -> None:
    print(data)


execute(print, 2)

大家可以看到我们将 print_func 这个函数作为参数传递给 execute 函数并被调用。

那么我们来改造下之前的代码：

import typing

operator_map = {}


def add(a: int, b: int) -> float:
    return a + b


def sub(a: int, b: int) -> float:
    return a - b


def mul(a: int, b: int) -> float:
    return a * b


def div(a: int, b: int) -> float:
    return a / b


def register_operator(operator: str, func: typing.Callable) -> None:
    operator_map[operator] = func


register_operator("+", add)
register_operator("-", sub)
register_operator("*", mul)
register_operator("/", div)

好了，大家看看，目前整体代码的可读性以及可维护性是不是改了很多？

但是我们现在的问题在于，每次都需要在单独调用一次 register_operator 函数，这样也太烦了吧！要不要再改进一下？要得。我们可以用装饰器来改进一下。

首先，看一个最简单的装饰器例子：

import functools
import typing
import time


def execute(func: typing.Callable) -> typing.Callable:
    @functools.wraps(func)
    def wraps(*args, **kwargs) -> typing.Any:
        start_time = time.time()
        result = func(*args, **kwargs)
        print("{}".format(time.time() - start_time))
        return result

    return wraps


@execute
def add(a: int, b: int) -> float:
    return a + b

我们能看到这段函数的意义是计算函数的执行时间。那么这个原理是什么？

实际上装饰器是一个语法糖，具体可以参见 PEP318 Decorators for Functions and Methods。

简而言之，实际上是 Python 替我们做了一个替换过程。以上面的例子为例，这个替换过程就是 add=execute(add) 。

好了，我们就用这个知识点来改进下之前的代码：

import typing

operator_map = {}


def register_operator(operator: str) -> typing.Callable:
    def wraps(func: typing.Callable) -> typing.Callable:
        operator_map[operator] = func
        return func

    return wraps


@register_operator("+")
def add(a: int, b: int) -> float:
    return a + b


@register_operator("-")
def sub(a: int, b: int) -> float:
    return a - b


@register_operator("*")
def mul(a: int, b: int) -> float:
    return a * b


@register_operator("/")
def div(a: int, b: int) -> float:
    return a / b

聊聊 OrderedDict

import typing


class OrderedDict:
    def __init__(self, *args, **kwargs):
        self._data = {}
        self._ordered_key = []

    def __getitem__(self, key: typing.Any) -> typing.Any:
        return self._data[key]

    def __setitem__(self, key: typing.Any, value: typing.Any) -> None:
        if key not in self._data:
            return
        self._data[key] = value
        self._ordered_key.append(key)

    def __delitem__(self, key: typing.Any):
        del self._data[key]
        self._ordered_key.remove(key)

通过额外维护一个 list 来维护 key 插入的顺序。这段代码，看似完成了我们的需求，但是实则存在很大问题。大家可以猜猜问题在哪？

3，2，1！

揭晓答案，这段代码利用 list 来保证 key 的有序性，在删除的时候， list 的删除操作，是一个时间复杂度 O(n) 的操作。换句话说，我们的删除操作随着内部数据的增多，所需的删除时间也变得越长。这对于某些性能敏感的场景是无法接受的。

那要怎么办呢？事实上，Python 在很早之前就已经内置了有序字典，即很多人可能都用过的 collections.OrderedDict 。

在 OrderedDict 中， Python 维护了一个双向链表解构，来保证插入的有序性，如下图所示：

在最左侧维护一个卫兵节点，卫兵节点的 next 指针恒指向于数据中最后插入的节点。那么插入新的数据时，我们将新的数据插入到卫兵节点之后，从而达成维护插入顺序的目的。

import typing


class Node:
    def __init__(self, key: typing.Any, value: typing.Any) -> None:
        self.key = key
        self.value = value
        self.prev = None
        self.next = None


class OrderedDict:
    def __init__(self, *args, **kwargs):
        self._data = {}
        self._head = Node(None, None)
        self._last = self._head

    def __getitem__(self, key: typing.Any) -> typing.Any:
        if key in self._data:
            return self._data[key].value
        raise ValueError

    def __setitem__(self, key: typing.Any, value: typing.Any) -> None:
        if key not in self._data:
            return
        value_node = Node(key, value)
        next_node = self._head.next
        if not next_node:
            self._head.next = value_node
            value_node.prev = self._head
            self._last = value_node
        else:
            value_node.next = next_node
            next_node.prev = value_node
            value_node.prev = self._head
            self._head.next = value_node
        self._data[key] = value_node

    def __delitem__(self, key: typing.Any):
        if key not in self._data:
            return
        value_node = self._data[key]
        if value_node == self._last:
            self._last = value_node.prev
            self._last.next = None
        else:
            prev_node = value_node.prev
            next_node = value_node.next
            prev_node.next = next_node
            next_node.prev = prev_node
        del self._data[key]
        del value_node

（此段代码，如有错乱，烦请将浏览字体调小几号）

这只是一个 OrderedDict 的简化版，如果想完成一个完整的 OrderedDict 还有很多很多的 corner case 要去处理。不过现在，我们可以使用内置的数据结构去完成我们需求。怎么样，是不是有了一种幸福的感觉？

python培训：http://www.baizhiedu.com/python2019