问题 链接
你可以从python2开始,2和3主要的语法格式和风格相同
3要替代2不是短时间内能完成的,将会是一个很长的过程,所以学习Python2并没有什么坏处
我建议你关注下2和3的不同之处 This slides gives you a quick introduction of the changes in Python 2 and 3
问题 链接
在创建virtualenv实例时,使用-p选项
virtualenv -p /usr/bin/python2.6 <path/to/new/virtualenv/>
问题 链接
使用virtualenv时
me@mymachine:~$ workon env1
(env1)me@mymachine:~$ workon env2
(env2)me@mymachine:~$ workon env1
(env1)me@mymachine:~$
如何退出某个环境
$ deactivate
问题 链接
假设你要开发一个较大的客户端程序(非web端),如何组织项目目录和递归?
不要太在意这个.按你高兴的方式组织就行.Python项目很简单,所以没有那么多愚蠢的规则
/scripts or /bin 命令行脚本
/tests 测试
/lib C-语言包
/doc 文档
/apidoc api文档
并且顶层目录包含README和Config
难以抉择的是,是否使用/src树. /src,/lib,/bin在Python中没有明显的区别,和Java/c不同
因为顶层/src文件夹显得没有什么实际意义,你的顶层目录可以是程序顶层架构的目录
/foo
/bar
/baz
我建议将这些文件放入到"模块名"的目录中,这样,如果你在写一个应用叫做quux, /quux目录将包含所有这些东西
你可以在PYTHONPATH中加入 /path/to/quux/foo,这样你可以QUUX.foo中重用模块
另一个回答
Project/
|-- bin/
| |-- project
|
|-- project/
| |-- test/
| | |-- __init__.py
| | |-- test_main.py
| |
| |-- __init__.py
| |-- main.py
|
|-- setup.py
|-- README
问题 链接
当使用Counter时,出现异常
AttributeError: 'module' object has no attribute 'Counter'
from collections import Counter
ImportError: cannot import name Counter
原因:
版本问题,Counter在 python2.7中才被加入到这个模块,你可能使用了Python2.6或更老的版本
可以看下 文档
如果要在 Python2.6或2.5版本使用,可以看 这里
问题 链接
首先,安装mysqldb
然后
#!/usr/bin/python
import MySQLdb
db = MySQLdb.connect(host="localhost", # your host, usually localhost
user="john", # your username
passwd="megajonhy", # your password
db="jonhydb") # name of the data base
# you must create a Cursor object. It will let
# you execute all the queries you need
cur = db.cursor()
# Use all the SQL you like
cur.execute("SELECT * FROM YOUR_TABLE_NAME")
# print all the first cell of all the rows
for row in cur.fetchall() :
print row[0]
问题 链接
区别:flask基于其他现有的存在很长一段时间的技术像Werkzeug和Jinja2,它没有尝试去重复发明轮子
另外一方面,Bottle,试图用一个文件解决一切.
我想去合并他们,但是Bottle的开发者貌似对偏离“一个文件”的处理方式不是很感兴趣
关于可扩展性: 可以使用其他模板引擎,例如Flask-Genshi使用了mako模板
Flask, Werkzeug and Jinja2 的开发者亲自回答的...碉堡了,翻译不是很准确
问题 链接
引入
import cProfile
cProfile.run('foo()')
执行脚本
python -m cProfile myscript.py
结果
1007 function calls in 0.061 CPU seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.061 0.061 <string>:1(<module>)
1000 0.051 0.000 0.051 0.000 euler048.py:2(<lambda>)
1 0.005 0.005 0.061 0.061 euler048.py:2(<module>)
1 0.000 0.000 0.061 0.061 {execfile}
1 0.002 0.002 0.053 0.053 {map}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler objects}
1 0.000 0.000 0.000 0.000 {range}
1 0.003 0.003 0.003 0.003 {sum}
一个PyCon演讲 入口
问题 链接
future = datetime.datetime.now() + datetime.timedelta(minutes = 5)
return calendar.timegm(future.utctimetuple())
strftime的%s在windows中无法使用
问题 链接
Look at the subprocess module in the stdlib:
可以看下标准库中的 subprocess
from subprocess import call
call(["ls", "-l"])
subprocess相对于system的好处是, 更灵活
但是 quick/dirty/one time scripts, os.system is enough
问题链接
某种程度上这取决于你使用的平台。通常的方法是用ANSI转义序列。举个简单的例子,这有一些来自blender build scripts的代码:
class bcolors:
HEADER = '\033[95m'
OKBLUE = '\033[94m'
OKGREEN = '\033[92m'
WARNING = '\033[93m'
FAIL = '\033[91m'
ENDC = '\033[0m'
为了使用上面那种代码,你应该这样做:
print bcolors.WARNING + "Warning: No active frommets remain. Continue?"
+ bcolors.ENDC
这在unixes包括OS X,linux和windows(为你提供enable ansi.sys)上会生效。有ansi代码来设置颜色,移动光标,做更多事情。
如果你想了解更为复杂的内容(这听上去好像你正在写一款游戏),你应该深入“cursor”这个没款,它会为你处理很多复杂的部分。Python Curses HowTO是一篇很好的介绍。
如果你是用的不是ASCII(或者说你没有用PC),你面对诸如ascii字符低于127,’#’,‘@’可能是你得到空格的最好的赌注。如果你确定你的终端使用IBM extended ascii character set,你将会有更多的选择,字符176,字符177,字符178,和字符219代表”空格字符”。
一些流行的基于文本的程序,比如”Dwarf Fortress”,仿照文本的模式做成了图形模式,使用传统PC的字体图片。你可以在Dwarf Frotress Wiki找一些这种点阵图看看(user-made tilesets)。
Text Mode Demo Contest有更多把图片处理成文本的源码。
嗯...我想这个问题被我扯远了。尽管我现在纠结着去做一款基于文本的史诗冒险游戏。在有颜色的文本这方面,祝你好运。
Python作为字节码编译的解释型语言,是很难封闭的。几遍你使用一种exe包比如py2exe,可执行文件的结构依然是清晰可见的,而且Python的字节编码是非常易懂的。
通常是这样,你必须要想出一个折衷的办法。保护代码究竟重不重要。里面是不是有很私密的东西(比如银行的对称加密秘钥),或者你是一个偏执狂。选择一门可以让你更快速开发优秀产品的语言,对于你的奇特想法从现实主义考虑一下它的价值。
如果你确定使用要强制授权保证安全,可以写一个小的C拓展,那么这个授权检验就会变得很难逆转(但不是完全不可能)。然后把你的大批代码放进Python。
问题链接
nose
实际上不是一个单元测试的框架。它是一个测试的执行器,并且是最好的一款。它可以运行通过pyUnit
,py.test
和doctest
创建的测试。
我首选的单元测试框架是pyUnit。它和其他xUnit框架一样,而且可以让没有Python基础的人很好上手。而且它对Eclipse/PyDev提供非常好的支持。
在py.test
中,我发现了很多层级的安装/卸载混淆在一起。我还发现它生成了很多非常无组织和难阅读的单元测试。
doctest
对于简单的东西来说还好,但是它很有限,不能真正的用来测试复杂和交互的代码。
问题链接
对于一个文件module.py
来说,单元测试通常叫做test_module.py
,遵循Python的命名规则。
在以下几种地方放置test_module.py
都是可以接受的:
-
和
module.py
放在同一个文件夹。 -
在
../tests/test_module.py
(与代码文件夹的同级) -
在
tests/test_module.py
(在代码文件夹下的同层)
我倾向第一种方法,它可以更直观的被找到并且引入。不管你在使用什么样的开发系统,你都可以轻松的配置并找到以test_
开头的文件。实际上,方便查找的缺省的单元测试模型是test*.py
。
问题链接
到2014年9月,所有其他回答的时间都超过一年了。当你寻求Python打包的建议时,记得看一下发布的日期,而且不要相信过时的信息。
这篇搭建在Readthedocs的文章Python Packaging User Guide值得一读。每一页都有一个最近时间展示,所以你可以检查最新的手册,而且它相当的全面。Python 3.4的官方文档已经从信任的角度把这个链接加进来了。
工具的总结:
这里有一个2014年9月份的Python打包总结:
-
Distutils is still the standard tool for packaging in Python. It is included in the standard library (Python 2 and Python 3.0 to 3.4). It is useful for simple Python distributions, but lacks features. It introduces the distutils Python package that can be imported in your setup.py script.
-
Setuptools was developed to overcome Distutils' limitations, and is not included in the standard library. It introduced a command-line utility called easy_install. It also introduced the setuptools Python package that can be imported in your setup.py script, and the pkg_resources Python package that can be imported in your code to locate data files installed with a distribution. One of its gotchas is that it monkey-patches the distutils Python package. It should work well with pip. The latest version was released in August 2014.
-
Distribute was a fork of Setuptools. It shared the same namespace, so if you had Distribute installed, import setuptools would actually import the package distributed with Distribute. Distribute was merged back into Setuptools 0.7, so you don't need to use Distribute any more. In fact, the version on Pypi is just a compatibility layer that installs Setuptools.
-
Distutils2 was an attempt to take the best of Distutils, Setuptools and Distribute and become the standard tool included in Python's standard library. The idea was that Distutils2 would be distributed for old Python versions, and that Distutils2 would be renamed to packaging for Python 3.3, which would include it in its standard library. These plans did not go as intended, however, and currently, Distutils2 is an abandoned project. The latest release was in March 2012, and its Pypi home page has finally been updated to reflect its death.
-
Distlib is a tool that aims to implement a subset of the previous tools' functionality, but only functionality that is very well-defined in accepted PEPs. It should hopefully be included eventually in the Python standard library. It is still being developed and is not recommended for end-users yet.
-
Bento is a packaging solution designed to replace Distutils, Setuptools, Distribute and Distutils2, written from the ground up. Its primary developer is also a core developer of numpy/scipy, so he's familiar with non-simple use-cases for packaging systems. Its first commit was in October 2009, and the latest commit as of writing was in August 2014, although the authors are not updating its Pypi page correspondingly. It's in active development but it is not mature yet, and it is not as widely known as Setuptools yet.
推荐:
所以综上所述,排除所有这些选项,我回推荐 Setuptools,除非你的需求非常基础,那么你可能只需要 Distutils。Setuptools在Virtualenv和Pip上的表现非常好,我强烈推荐。
作为一个边注,我建议使用Virtualenv1.10或者更高的版本,因为对Python2或3来说,它是第一个识别Setuptools/Distribute并合并的版本。