原文链接：http://www.codeceo.com/article/91-suggestions-about-python-part-two.html
建议 24：遵循异常处理的几点基本原则
异常处理的几点原则：
注意异常的粒度，不推荐在 try 中放入过多的代码
谨慎使用单独的 except 语句处理所有异常，最好能定位具体的异常
注意异常捕获的顺序，在适合的层次处理异常，Python 是按内建异常类的继承结构处理异常的，所以推荐的做法是将继承结构中子类异常在前抛出，父类异常在后抛出
使用更为友好的异常信息，遵守异常参数的规范
建议 25：避免 finally 中可能发生的陷阱
当 finally 执行完毕时，之前临时保存的异常将会再次被抛出，但如果 finally 语句中产生了新的异常或执行了 return 或 break 语句，那么临时保存的异常将会被丢失，从而异常被屏蔽。
在实际开发中不推荐 finally 中使用 return 语句进行返回。
建议 26：深入理解 None，正确判断对象是否为空
类型FalseTrue布尔False （与0等价）True （与1等价）字符串”"（ 空字符串）非空字符串，例如 ” “, “blog”数值0, 0.0非0的数值，例如：1, 0.1, -1, 2容器[], (), {}, set()至少有一个元素的容器对象，例如：[0], (None,), ['']NoneNone非None对象
>>> id(None)10743840>>> a = None>>> id(a)10743840>>> l = []>>> if l is not None: # 判断逻辑 l 不为空... print('l is {}'.format(l))... else:... print('l is empty')... l is []>>> if l: # #3 正确的判断形式... print('Do something...')... else:... print('Do other thing...')... Do other thing...#3执行中会调用__nonzero__()来判断自身对象是否为空并返回0/1或True/False，如果没有定义该方法，Python 将调用__len__()进行判断，返回 0 表示为空。如果一个类既没有定义__len__()又没有定义__nonzero__()，该类实例用 if 判断为True。
建议 27：连接字符串优先使用 join 而不是 +
这一点之前我在博文里总结过，+涉及到更多的内存操作。
建议 28：格式化字符串时尽量使用 .format 而不是 %
同上。
建议 29：区别对待可变对象和不可变对象
Python 中一切皆对象，每个对象都有一个唯一的标识符（id）、类型（type）和值。数字、字符串、元组属于不可变对象，字典、列表、字节数组属于可变对象。
class Student(object):
def __init__(self, name, course=[]): # 问题就出在这里
self.name = name self.course = course def addcourse(self, coursename): self.course.append(coursename) def printcourse(self): for item in self.course:
print(item)
stuA = Student('Wang yi')
stuA.addcourse('English')
stuA.addcourse('Math')
print("{}'s course: ".format(stuA.name))
stuA.printcourse()
print('---------------------------')
stuB = Student('Su san')
stuB.addcourse('Chinese')
stuB.addcourse('Physics')
print("{}'s course: ".format(stuB.name))
stuB.printcourse()# runWang yi's course:
English
Math
---------------------------
Su san's course: English
Math
Chinese
Physics默认参数在初始化时仅仅被评估一次，以后直接使用第一次评估的结果，course 指向的是 list 的地址，每次操作的实际上是 list 所指向的具体列表，所以对于可变对象的更改会直接影响原对象。
最好的方法是传入None作为默认参数，在创建对象的时候动态生成列表。
>>> list1 = ['a', 'b', 'c']>>> list2 = list1>>> list1.append('d')>>> list2
['a', 'b', 'c', 'd']>>> list3 = list1[:] # 可变对象的切片操作相当于浅拷贝>>> list3.remove('a')>>> list3
['b', 'c', 'd']>>> list1
['a', 'b', 'c', 'd']建议 30：[]、() 和 {} 一致的容器初始化形式
>>> list1 = [['Hello', 'World'], ['Goodbye', 'World']]>>> list2 = [[s.upper() for s in xs] for xs in list1]>>> list2 [['HELLO', 'WORLD'], ['GOODBYE', 'WORLD']]>>> [v**2 if v%2 == 0 else v+1 for v in [2, 3, 4, -1] if v>0] [4, 4, 16]
其实就是列表生成式、元组生成式和字典生成式。
建议 31：记住函数传参既不是传值也不是传引用
正确的说法是传对象（call by object）或传对象的引用（call-by-object-reference），函数参数在传递过程中将整个对象传入，对可变对象的修改在函数外部以及内部都可见，对不可变对象的”修改“往往是通过生成一个新对象然是赋值实现的。
建议 32：警惕默认参数潜在的问题
其中就是默认参数如果是可变对象，在调用者和被调用者之间是共享的。
import time# 对当前系统时间进行处理def report(when=time.time): # 而不是when=time.time() pass
建议 33：慎用变长参数
原因如下：
使用过于灵活，导致函数签名不够清晰，存在多种调用方式
使用*args和**kw简化函数定义就意味着函数可以有更好的实现方法
使用场景：
为函数添加一个装饰器
参数数目不确定
实现函数的多态或子类需要调用父类的某些方法时
建议 34：深入理解 str() 和repr() 的区别
总结几点：
str()面向用户，返回用户友好和可读性强的字符串类型；repr()面向 Python 解释器或开发人员，返回 Python 解释器内部的含义
解释器中输入a默认调用repr()，而print(a)默认调用str()
repr()返回值一般可以用eval()还原对象：obj == eval(repr(obj))
以上两个方法分别调用内建的__str__()和__repr__()，一般来说类中都应该定义__repr__()，但当可读性比准确性更为重要时应该考虑__str__()，用户实现__repr__()方法的时候最好保证其返回值可以用eval()是对象还原
建议 35：分清 staticmethod 和 classmethod 的适用场景
这两种方法之前已经总结过了的，下面我们只讨论它们的使用场景。
调用类方法装饰器的修饰器的方法，会隐式地传入该对象所对应的类，可以动态生成对应的类的类变量，同时如果我们期望根据不同的类型返回对应的类的实例，类方法才是正确的解决方案。
反观静态方法，当我们所定义的方法既不跟特定的实例相关也不跟特定的类相关，可以将其定义为静态方法，这样使我们的代码能够有效地组织起来，提高可维护性。
当然，也可以考虑定义一个模块，将一组的方法放入其中，通过模块来访问。
第 4 章 库
建议 36：掌握字符串的基本用法
# 小技巧：Python 遇到未闭合的小括号会自动将多行代码拼接为一行>>> s = ('SELECT * '... 'FROM table '... 'WHERE field="value"')>>> s'SELECT * FROM table WHERE field="value"'# Python2 中使用 basestring 正确判断一个变量是否是字符串# 性质判断isalnum() isalpha() isdigit() islower() isupper() isspace() istitle()# 查找替换startswith(prefix[, start[, end]]) endswith(suffix[, start[, end]]) # prefix参数可以接收 tuple 类型的实参count(sub[, start[, end]]) find(sub[, start[, end]]) index(sub[, start[, end]])
rfind(sub[, start[, end]]) rindex(sub[, start[, end]]) replace(old, new[, count]) # count是指的替换次数，不指定就全部替换# 切分partition(sep) rpartition(sep) splitlines([keepends]) split([sep, [, maxsplit]]) rsplit([sep[, maxsplit]]) # partition 返回一个3个元素的元组对象# 变形lower() upper() capitalize() swapcase() title()# 删减填充strip([chars]) lstrip([chars]) rstrip([chars]) # 没有提供chars默认是空白符，由string.whitespace 常量定义center(width[, fillchar]) ljuct(width[, fillchar]) rjust(width[, fillchar])
zfill(width) expandtabs([tabszie])下面来介绍一些易混淆的地方：
>>> ' hello world'.split()
['hello', 'world']>>> ' hello world'.split(' ')
['', '', 'hello', 'world']>>> 'hello wORld'.title()'Hello World'>>> import string>>> string.capwords(' hello world!')'Hello World!'>>> string.whitespace' \t\n\r\x0b\x0c'建议 37：按需选择 sort() 或者 sorted()
# 函数原型sorted(iterable[, cmp[, key[, reverse]]]) # 返回一个排序后的列表s.sort([cmp[, key[, reverse]]]) # 直接修改原列表，返回为None>>> persons = [{'name': 'Jon', 'age': 32}, {'name': 'Alan', 'age': 50}, {'name': 'Bob', 'age': 23}]>>> sorted(persons, key=lambda x: (x['name'], -x['age']))
[{'name': 'Alan', 'age': 50}, {'name': 'Bob', 'age': 23}, {'name': 'Jon', 'age': 32}]>>> a = (1, 2, 4, 2, 3)>>> sorted(a)
[1, 2, 2, 3, 4]所以如果实际过程中需要保留原有列表，可以使用sorted()。sort()不需要复制原有列表，消耗内存较小，效率较高。同时传入参数key比传入参数cmp效率要高，cmp传入的函数在整个排序过程中会调用多次，而key针对每个元素仅作一次处理。
建议 38：使用 copy 模块深拷贝对象
浅拷贝（shallow copy）：构造一个新的复合对象并将从原对象中发现的引用插入该对象中。工厂函数、切片操作、copy 模块中的 copy 操作都是浅拷贝
深拷贝（deep copy）：针对引用所指向的对象继续执行拷贝，因此产生的对象不受其它引用对象操作的影响。深拷贝需要依赖 copy 模块的 deepcopy() 操作
在 python 中，标识一个对象唯一身份的是：对象的id(内存地址)，对象类型，对象值，而浅拷贝就是创建一个具有相同类型，相同值但不同id的新对象。因此使用浅拷贝的典型使用场景是：对象自身发生改变的同时需要保持对象中的值完全相同，比如 list 排序：
def sorted_list(olist, key=None): copied_list = copy.copy(olist) copied_list.sort(key=key) return copied_list a = [3, 2, 1] # [3, 2, 1]b = sorted_list(a) # [1, 2, 3]
深拷贝不仅仅拷贝了原始对象自身，也对其包含的值进行拷贝，它会递归的查找对象中包含的其他对象的引用，来完成更深层次拷贝。因此，深拷贝产生的副本可以随意修改而不需要担心会引起原始值的改变：
>>> a = [1, 2]>>> b = [a, a]>>> b [[1, 2], [1, 2]]>>> from copy import deepcopy>>> c = deepcopy(b)>>> id(b[0]) == id(c[0]) False>>> id(b[0]) == id(b[1]) True>>> c [[1, 2], [1, 2]]>>> c[0].append(3)>>> c [[1, 2, 3], [1, 2, 3]]
使用 _copy_ 和 __deepcopy__ 可以完成对一个对象拷贝的定制。
建议 39： 使用 Counter 进行计数统计
常见的计数统计可以使用dict、defaultdict、set和list，不过 Python 提供了一个更优雅的方式：
>>> from collections import Counter>>> some_data = {'a', '2', 2, 3, 5, 'c', '7', 4, 5, 'd', 'b'}>>> Counter(some_data)
Counter({'7'，: 1, 2: 1, 3: 1, 4: 1, 5: 1, '2': 1, 'b': 1, 'a': 1, 'd': 1, 'c': 1})Counter 类属于字典类的子类，是一个容器对象，用来统计散列对象，支持+、-、&、|，其中&和|分别返回两个 Counter 对象各元素的最小值和最大值。
# 初始化Counter('success')
Counter(s=3, c=2, e=1, u=1)
Counter({'s': 3, 'c': 2, 'u': 1, 'e': 1})# 常用方法list(Counter(some_data).elements()) # 获取 key 值Counter(some_data).most_common(2) # 前 N 个出现频率最高的元素以及对应的次数(Counter(some_data))['y'] # 访问不存在的元素返回 0c = Counter('success')
c.update('successfully') # 更新统计值c.subtract('successfully') # 统计数相减，允许为0或为负建议 40：深入掌握 ConfigParser
几乎所有的应用程序都会读取配置文件，ini是一种比较常见的文件格式：
[section1]option1=0
Python 提供标准库 ConfigParser 来支持它：
import ConfigParser
conf = ConfigParser.ConfigParser()
conf.read('example.conf')
print(conf.get('section1', 'in_default'))再来看个SQLAlchemy配置文件的例子：
[DEFAULT]conn_str = %(dbn)s://%(user)s:%(pw)s@%(host)s:%(port)s/%(db)sdbn = mysqluser = roothost = localhostport = 3306[db1]user = aaapw = pppdb = example[db2]host = 192.168.0.110pw = wwwdb = example
import ConfigParser
conf = ConfigParser.ConfigParser()
conf.read('format.conf')
print(conf.get('db1', 'conn_str'))
print(conf.get('db2', 'conn_str'))