作者：（波兰）Micha Jaworski 贾沃斯基 （法）Tarek Ziadé 莱德
出版社：人民邮电出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
Python高级编程(第2版)试读：
前言
Python很棒！
从20世纪80年代末出现的最早版本到当前版本，Python的发展一直遵循着相同的理念：提供一个同时具备可读性和生产力的多范式编程语言。
人们曾经将Python看作另一种脚本语言，认为它不适合构建大型系统。但多年以来，在一些先驱公司的努力下，Python显然可以用于构建几乎任何类型的系统。
实际上，许多其他语言的开发者也醉心于Python，并将它作为首选语言。
如果你购买了这本书，可能已经知道这些内容了，所以无需再向你证明这门语言的优点。
本书展现了作者多年构建各种Python应用的经验，从几个小时完成的小型系统脚本，到许多开发人员历经数年编写的大型应用。
本书描述了开发人员使用Python的最佳实践。
本书包含了一些主题，这些主题并不关注语言本身，而是更多地关注如何利用相关的工具和技术。
换句话说，本书描述了高级Python开发人员每天的工作方式。
本书内容
第1章介绍了Python语言及其社区的现状。本章展示了Python不断变化的方式及原因，还解释了为什么这些事实对任何想要自称Python专家的人来说是很重要的。本章还介绍了最流行和最公认的Python工作方式——常用的生产力工具和现已成为标准的约定。
第2章深入介绍迭代器、生成器、描述符等内容。本章还包括关于Python习语和CPython类型内部实现的有用注释，这些类型的计算复杂度是对这些习语的阐释。
第3章介绍了语法最佳实践，但重点放在类级别以上。本章包括Python中更高级的面向对象的概念和机制。学习这些知识是为了理解本章最后一节的内容，其中介绍的是Python元编程的各种方法。
第4章介绍了如何选择好的名称。它是对PEP 8中命名最佳实践的扩展，并且给出了一些如何设计良好API的提示。
第5章介绍如何创建Python包以及使用哪些工具，以便在官方的Python包索引或其他包仓库中正确地分发。对于Python包还补充了一些工具的简要回顾，这些工具可以让你用Python源代码创建独立可执行文件。
第6章主要针对Python Web开发人员和后端工程师，因为讲的是代码部署。本章解释了如何构建Python应用，使其可以轻松部署到远程服务器，还介绍了可以将这个过程自动化的工具。本章是第5章的延续，因此还介绍了如何使用包和私有包仓库来简化应用部署。
第7章解释了为什么为Python编写C扩展程序有时可能是一个好的解决方案。本章还展示了只要使用了正确的工具，它并不像想象中那么难。
第8章深入介绍了项目代码库的管理方式，还介绍了如何设置各种持续开发流程。
第9章包含文档相关的内容，提供了有关技术写作和Python项目文档化方式的建议。
第10章解释了测试驱动开发的基本原理，还介绍了可用于这种开发方法的工具。
第11章解释了何为优化，介绍了分析技术和优化策略指南。
第12章是对第11章的扩展，为Python程序中经常出现的性能问题提供了一些常用的解决方案。
第13章介绍了Python并发这一宏大的主题。本章解释了并发的概念、何时需要编写并发应用，以及Python程序员主要使用的并发方法。
第14章用一套有用的设计模式以及Python的代码示例对本书进行了总结。
阅读本书的前提
本书面向的是可以在任何操作系统上使用Python 3进行软件开发的人员。
这不是一本面向初学者的书，所以我假设你已经在开发环境中安装了Python，或者知道如何安装Python。不管怎样，本书考虑到以下事实：不是每个人都需要充分了解Python的最新功能或官方推荐的工具。因此，第1章概述了常见的实用程序（例如虚拟环境和pip），这些实用程序现在已经成为Python专业开发人员的标准工具。
目标读者
本书面向的是想要进一步掌握 Python 的开发人员。开发人员主要指的是专业人士，即用Python编写软件的程序员。这是因为本书主要侧重于工具和实践，它们对于创建高性能的、可靠且可维护的Python软件至关重要。
这并不意味着业余爱好者无法从本书中发现有趣的内容。对于任何对学习Python高级概念感兴趣的人来说，本书都是很棒的。任何具备Python基本技能的人都应该能够读懂本书的内容，虽然经验不足的程序员可能需要一些额外的努力。对于有点落后仍在继续使用Python 2.7或更老版本的人来说，本书也是对Python 3.5的全面介绍。
最后，从阅读本书中受益最多的人群应该是Web开发者和后端工程师。这是因为本书重点介绍了在他们的工作领域中特别重要的两个主题：可靠的代码部署与并发。
本书约定
本书用多种文本样式来区分不同种类的信息。下面是这些样式的示例及其含义解释。
文本中的代码、数据库表的名称、文件夹名称、文件名称、文件扩展名、路径名称、虚拟 URL、用户输入和 Twitter 句柄的格式如下所示：“利用 str.encode(encoding,errors)方法，用注册编解码器对字符串进行编码。”
代码块的格式如下所示：
[print("hello world")
print "goodbye python2"
如果我们想让你将注意力集中在代码块的特定区域，相关的几行或几项将会被设成粗体，如下所示：
cdef long long fibonacci_cc(unsigned int n) nogil:
if n < 2:
return n
else:
return fibonacci_cc(n - 1) + fibonacci_cc(n - 2)
命令行的输入或输出如下所示：
$ pip show pip
---
Metadata-Version: 2.0
Name: pip
Version: 7.1.2
Summary: The PyPA recommended tool for installing Python packages.
Home-page: https://pip.pypa.io/
Author: The pip developers
Author-email: python-virtualenv@groups.google.com
License: MIT
Location: /usr/lib/python2.7/site-packages
Requires:
新术语和重要词语将以粗体显示。你会在屏幕上看到的单词（例如在菜单或对话框中）将以下面这种文本形式出现：“单击Next按钮可跳转至下一屏”。
读者反馈
我们十分欢迎读者的反馈意见。让我们了解你对本书的看法——喜欢哪些内容，不喜欢哪些内容。这些反馈对我们很重要，因为它有助于我们编写出对读者真正有帮助的书。
一般性的反馈请发送邮件至feedback@packtpub.com，并在邮件主题中注明本书的标题。
如果你是某个领域的专家，并且有兴趣写一本书或者参与出版一本书，请参阅我们的作者指南。
客户支持
现在你已经成为这本 Packt 图书的拥有者，为了让你的购买物超所值，我们还为你提供了许多其他方面的服务。
下载示例代码
你可以用自己的账号在 Packt 的官方网站下载本书的示例代码文件。如果你是在其他地方购买的本书，可以访问Packt的官方网站并注册，文件会直接通过邮件发送给你。
下载代码文件的步骤如下所示。
·用你的电子邮件地址和密码登录或注册我们的网站。
·将鼠标指针悬停在顶部的SUPPORT选项卡上。
·单击Code Downloads & Errata。
·在Search框中输入本书的名字。
·选择你要下载代码文件的书籍。
·从下拉菜单中选择本书的购买途径。
·单击Code Download。
你还可以在Packt网站的本书页面单击Code Files按钮来下载代码文件。在Search框输入本书的书名即可访问该页面。请注意，你需要登录Packt账号。
文件下载完成后，请确保用下列软件的最新版本对文件夹进行解压或提取。
·在Windows上用WinRAR或7-Zip。
·在Mac上用Zipeg、iZip或UnRarX。
·在Linux上用7-Zip或PeaZip。
本书的代码包也托管在GitHub，网址为https://github.com/PacktPublishing/Expert-Python-Programming_Second-Edition。在GitHub上还有大量图书和视频资源。快去看一下吧！
勘误
尽管我们已经竭尽全力确保本书内容的准确性，但错误在所难免。如果你发现了书中的错误，无论是正文错误还是代码错误，希望你能将其报告给我们，我们将不胜感激。这样不仅能够减少其他读者的困惑，还能帮助我们改进本书后续版本的质量。如果你需要提交勘误，请访问http://www.packtpub.com/submit-errata，选择相应的书名，单击Errata Submission Form链接，然后输入你的勘误信息并提交。一旦通过验证，我们将接受你提交的勘误，同时勘误内容也将被上传到我们的网站，或者被添加到对应勘误区的现有勘误列表中。
想要查看之前提交的勘误，请访问https://www.packtpub.com/books/content/support，并在搜索框中输入相应的书名。你想查看的信息将出现在Errata下面。
侵权行为
所有媒体在互联网上都一直饱受版权侵害的困扰。Packt坚持对版权和授权进行全力保护。如果你在互联网上发现我社图书任何形式的盗版，请立即为我们提供网址或网站名称，以便我们采取进一步的措施。
请将疑似盗版材料的链接发送到copyright@packtpub.com。
我们感谢你对作者的保护，这有助于我们继续为你提供更有价值的内容。
疑难解答
如果你对本书的某个方面抱有疑问，请通过 questions@packtpub.com 联系我们，我们会尽力为你解决。第1章Python现状
Python很适合开发者使用。
无论你或你的客户用的是什么操作系统，都可以使用Python。例如你可以在Linux上工作，然后部署到其他系统上，除非你的代码与特定平台相关，或者用到了特定平台的库。但这一特性已经不新鲜了（Ruby、Java等很多其他语言都可以做到这一点）。本书还会讲到Python的其他特性，所有这些特性是使得Python成为一家公司主力开发语言的重要原因。
本书主要讲的是Python的3.5版本，如果没有明确说明的话，书中所有代码示例都是用这个版本的Python编写的。由于这一版本尚未被广泛使用，本章将会向读者介绍一下Python 3的当前现状，同时介绍Python的现代开发方法。本章主要包括以下内容。
·如何保持Python 2和Python 3之间的兼容性。
·为了开发的顺利进行，在应用层面和操作系统层面如何解决开发环境隔离的问题。
·如何增强Python提示符的功能。
·如何使用pip安装Python包。
每本书的开头都要来点开胃小菜。如果你对Python已经很熟悉了（特别是最新的3.x版本），并且掌握了开发中做环境隔离的正确方法，你可以跳过本章的前两节，快速阅读其他小节即可。其他小节会讲到一些工具和资源，它们并非必不可少，但可以大大提高Python开发效率。不过一定要读一下关于应用层环境隔离和 pip的一节，因为这一节提到的工具会在本书后面的内容中用到。1.1 Python的现状与未来
Python的历史最早可追溯到20世纪80年代末，但是1.0版的发行时间是在1994年，所以Python并不是一门非常年轻的语言。这里本该介绍Python主要版本发布的整个时间线，但其实真正重要的日期只有一个：2008年12月3日，也就是Python 3.0的发布日期。
在写作本书时，Python 3的首次发布已经过去了7年。PEP 404也已经创建了4年，PEP404是“取消发布"（un-release）Python 2.8并正式关闭Python 2.x分支的官方文档。虽然过去了这么长的时间，Python社区中依然存在明显的分歧。语言本身在迅速发展，但大量用户却并不想更新版本。1.2 Python升级及其原因
原因很简单。Python升级是因为有这样的需求。语言之间的竞争随时都在上演。每隔几个月都会突然冒出一门新语言，声称解决了之前所有语言中存在的问题。对于大多数类似的项目，开发人员很快就会失去兴趣，它们的名气也只是一时炒作。
不管怎样，这也表示存在着更严重的问题。人们之所以设计新的编程语言，是因为他们发现现有的语言无法以最佳方式来解决问题。认识不到这样的需求是目光短浅的。此外， Python的使用范围也越来越广泛，人们发现它有许多可以改进的地方，也应该做出这样的改进。
Python的很多改进往往是由特定应用领域的需求驱动的。其中最重要的领域是Web开发，这一领域需要Python改进对并发的处理。
有些变化只是由于Python项目的历史原因导致的。这些年已经发现了 Python 的一些不合理之处，有些是标准库模块结构混乱或冗余，有些是程序设计缺陷。最初，发布Python 3是要对这门语言进行较大的清理与更新，但结果显示，这个计划并没有收到预期的效果。在很长一段时间内，很多开发人员对Python 3只是抱着好奇的态度而已，但希望这种情形正在好转。1.3 追踪Python最新变化——PEP文档
Python社区有一种应对变化的固定方法。虽然各种各样的Python语言修改意见主要在邮件列表（python-ideas@python.org）中进行讨论，但只有发布了名为PEP的新文档，新的变化才会生效。PEP的全称是Python改进提案（Python Enhancement Proposal， PEP）。它是提交Python变化的书面文档，也是社区对这一变化进行讨论的出发点。这些文档的整个目的、格式和工作流程的标准格式也都包含在一份Python改进提案中，也就是PEP 1文档（http://www.python.org/dev/peps/pep-0001）。
PEP文档对Python的作用十分重要，根据讨论的主题，PEP主要有以下3种用途。
·通知：汇总Python核心开发者需要的信息，并通知Python发布日程。
·标准化：提供代码风格、文档或其他指导意见。
·设计：对提交的功能进行说明。
所有提交过的PEP都被汇总在一个文档中，就是PEP 0（https://www.python.org/dev/peps/）。由于这些 PEP 都在同一个网站上很容易找到，其URL也很容易猜到，因此本书一般用编号来指代这些文档。
如果你对 Python 语言的未来发展方向感兴趣，但又没时间跟踪 Python 邮件列表中的讨论，那么PEP 0会是很好的信息来源。它会告诉你，哪些文档已被接受但尚未实施，哪些文档仍在审议中。
PEP还有其他的用途。人们通常会问这样的问题：
·A功能为什么要以这样的方式运行？
·Python为什么没有B功能？
大多数情况下，关于该功能的某个PEP文档已经给出了上述问题的详细回答。很多提交的关于Python语言功能的PEP文档并没有通过。这些文档可作为历史资料来参考。1.4 当前Python 3的普及程度
Python 3有许多强大的新功能，那么它在社区中广泛普及了吗？遗憾的是，并没有。有一个著名的网站叫“Python 3荣耀之墙（Python 3 Wall of Superpowers）”，里面记录了大多数常用软件包与 Python 3 的兼容性，不久前这个网站刚刚改名为“Python 3 耻辱之墙（Python 3 Wall of Shame）”。目前这种状况正在逐步改善，上述网站的软件包列表中绿色的比例也在每月缓慢增加[1]。尽管如此，但这并不代表很快所有应用开发团队都只使用Python 3。当所有常用软件包都支持Python 3时，“我们所用的软件包还没有迁移到Python 3”这一常用借口将不再适用。
造成目前这种状况的主要原因是，将现有应用从Python 2迁移到Python 3上总是一项不小的挑战。像2to3之类的工具可以进行代码自动转换，但无法保证转换后的代码100%正确。而且，如果不做人工修改的话，转换后的代码性能可能不如转换前。将现有的复杂代码库迁移到Python 3上可能需要付出巨大的精力和成本，某些公司可能无法负担这些成本。但这些成本可以分割成小份来逐步完成。一些优秀的软件架构设计方法可以帮助其逐步实现这一目标，如面向服务的架构或者微服务。新的项目组件（服务或微服务）可以用新方法编写，现有的项目组件可以逐步迁移。
长远来看，将项目迁移到Python 3只有好处。根据PEP-404这份文档，Python 2.x分支将不会发布2.8 版本。而且未来所有重要的项目（如Django、Flask和NumPy）可能都将放弃2.x的兼容性，仅支持Python 3。
我个人对这个问题的观点可能会引发争议。我认为在创建新的软件包时，最好鼓励社区完全放弃支持Python 2。当然，这一做法极大地限制了这些软件的适用范围，但对于那些坚持使用Python 2.x的人来说，这可能是改变他们想法的唯一方法。1.5 Python 3和Python 2的主要差异
前面已经说过，Python 3打破了对Python 2的向后兼容。但它并不是完全重新设计的。而且，也并不是说2.x版本的Python模块在Python 3下都无法运行。代码可以完全跨版本兼容，无需其他工具或技术在两大版本上都可以运行，但一般只有简单应用才能做到这一点。1.5.1 为什么要关注这些差异
本章前面说过我个人对Python 2兼容性的看法，但是目前不可能完全忽视这一点。还有一些Python包（例如第6章将讲到的fabric）十分实用，但可能短期内不会迁移到Python 3。
另外，有时我们还会受到所在公司的制约。现有的遗留代码可能非常复杂，迁移代码的费用难以承受。所以即使我们现在决定只用Python 3，短期内也不可能完全放弃Python 2。
如今想要自称专业开发者，没有对社区的回馈是说不过去的，所以帮助开源软件开发者向现有软件包中添加对Python 3的兼容，可以很好地偿还在使用这些软件包时产生的“道德债（moral debt）”。当然，不了解Python 2和Python 3的差异是无法做到这一点的。顺便提一下，对于Python 3新手来说，这也是一项很好的练习。1.5.2 主要的语法差异和常见陷阱
要比较不同版本之间的差异，最好的参考资料就是Python文档。不过为了方便读者，本节总结了其中最重要的内容。但不熟悉Python 3的读者还是要去阅读官方文档。
Python 3引入的重要差异一般可分为以下几个方面。
·语法变化，删除/修改了一些语法元素，并添加了一些新的语法元素。
·标准库中的变化。
·数据类型与集合的变化。
1.语法变化
有些语法变化会导致当前代码无法运行，这些变化是最容易发现的，它们会导致代码根本无法运行。包含新语法元素的Python 3代码在Python 2中无法运行，反之亦然。由于删除了某些元素，导致Python 2代码显然无法与Python 3兼容。运行有这些问题的代码时，解释器很快就会抛出SyntaxError异常。下面是一个无法运行的脚本示例，只包含两个语句，都会引发语法错误而无法运行：
print("hello world")
print "goodbye python2"
上述代码在Python 3中的实际运行结果如下：
$ python3 script.py
File "script.py",line 2
print "goodbye python2"
^
SyntaxError: Missing parentheses in call to 'print'
列出所有的语法差异会比较长，而且Python 3.x的新版本也会不时添加新的语法元素，在较早版本的Python中就会引发错误（即使在相同的3.x版本上也会报错）。其中最重要的语法差异将会在第2章和第3章中讲到，所以这里无需全部列出。
与Python 2.7相比，删除或改动的内容要相对少一些，下面给出最重要的变化内容。
·print不再是一条语句而是一个函数，所以必须加上括号。
·捕获异常的语法由except exc,var改为except exc as var。
·弃用比较运算符<>，改用!=。
·from module import *（https://docs.python.org/3.0/reference/simple_stmts.html#import）现在只能用于模块，不能用在函数中。
·现在from .[module] import name是相对导入的唯一正确的语法。所有不以点字符开头的导入都被当作绝对导入。
·sorted函数与列表的sort方法不再接受cmp参数，应该用key参数来代替。
·整数除法表达式（如1/2）返回的是浮点数。取整运算可以用//运算符，如1//2。这样做的好处是浮点数也可以用这个运算符，所以5.0//2.0 == 2.0。
2.标准库中的变化
语法变化很容易发现，标准库中的重大变化也是非常容易发现的。Python的每个后续版本都会向标准库模块中添加、弃用、改进或完全删除某些内容。在旧版 Python（1.x 和2.x）中也会定期有这样的变化，所以出现在Python 3中并不让人吃惊。大多数情况下，对于删除或重组的模块（例如urlparse移到了urllib.parse），在运行解释器时会对导入语句抛出异常。这样的问题很容易发现。无论如何，为了确保能够发现所有类似的问题，完整的代码测试覆盖率是必不可少的。在某些情况下（例如使用延迟加载模块时），这个通常在全局导入时出现的问题并不会出现，直到在代码中将某些模块作为函数调用时才会出现。因此，在测试期间确保每行代码都要实际运行是很重要的。
延迟加载模块
延迟加载模块是指在全局导入时并不加载的模块。在Python中，import语句可以包含在函数内部，这样导入是在函数调用时才会发生，而不是在全局导入时发生。在某些情况下，模块的这种加载方式可能比较合理，但大多数情况下，这只是对设计不佳的模块结构的变通方法（例如避免循环导入），通常应避免这种加载方式。当然，对于标准库模块来说，没有理由使用延迟加载。
3.数据类型与集合的变化
开发人员在努力保持兼容性或只是将现有代码迁移到 Python 3 上时，需要特别注意Python中数据类型与集合的表示方式的变化。虽然不兼容的语法变化或标准库变化很容易发现，也很容易修复，但集合与数据类型的变化要么难以察觉，要么需要大量的重复工作。这样的变化列表会很长，再次重申，官方文档是最好的参考资料。
不过，这一节必须讲一下Python 3中字符串处理方式的变化，因为这是Python 3中最具争议也是讨论最多的变化，尽管这是一件好事，使很多问题变得更加明确。
现在所有字符串都是Unicode，字节（bytes）需要加一个b或B的前缀。Python 3.0和3.1不支持使用u前缀（例如u"foo"），使用的话会引发语法错误。不支持这个前缀是引发所有争议的主要原因。这导致难以编写能够兼容 Python 不同分支的代码，2.x 版需要用这个前缀来创建Unicode。Python 3.3又恢复了这个前缀，虽然没有任何语法上的意义，只是为了简化兼容过程。1.5.3 用于保持跨版本兼容性的常用工具和技术
在Python不同版本之间保持兼容性是一项挑战。根据项目的大小不同，这项挑战可能会增加许多额外的工作量，但绝对可行，也很值得去做。对于在许多环境中都会用到的Python包来说，必须要保持跨版本兼容性。如果开源包没有定义明确并经过测试的兼容范围（compatibility bound），是不太可能流行起来的。而且，对于只在公司网络封闭使用的第三方代码来说，也可以大大受益于在不同环境中的测试。
这里应该注意，虽然这一部分内容主要关注Python不同版本之间的兼容，但这些方法也适用于保持与外部依赖项之间的兼容，外部依赖项包括不同的包版本、二进制库、系统或外部服务等。
整个过程主要分为3个部分，按重要性排序如下。
·定义并记录目标兼容范围的及其管理方法。
·在每个环境中进行测试，并对每个兼容的依赖版本进行测试。
·实现实际的兼容代码。
告知兼容范围是整个过程中最重要的一部分，因为这可以让代码使用者（开发人员）对代码的工作原理和未来的变化方式有一定的预期和假设。我们的代码可能用于多个不同项目的依赖，这些项目也在努力管理兼容性，所以把代码兼容性说清楚还是很重要的。
本书总是尽量给出几个选择，而不会强烈推荐某个特定选项，而这里是少数几个例外之一。目前来看，管理兼容性未来变化的最佳方法，就是正确使用语义化版本（Semantic Versioning semver）的版本号。它是一个广为接受的标准，用仅包含3个数字的版本标识符来标记代码的变化范围。它还给出了如何处理弃用的方法建议。下面是摘录semver官网的摘要。
版本格式：主版本号.次版本号.修订号，版本号递增规则如下。
·主版本号（MAJOR）：当你做了不兼容的API修改。
·次版本号（MINOR）：当你做了向后兼容的功能性新增。
·修订号（PATCH）：当你做了向后兼容的问题修正。
先行版本号及版本编译信息可以加到“主版本号.次版本号.修订号”的后面，作为延伸。
测试时就会发现一个悲伤的事实，为了保证代码与每个依赖版本和每个环境（这里环境指的是Python版本）都保持兼容，必须在所有可能的组合中对代码进行测试。当然，如果项目的依赖很多，做到这一点基本是不可能的，因为随着依赖版本数目的增加，组合的数目也会迅速增加。因此，通常需要做一些权衡，使得运行所有兼容性测试无需花费数年的时间。第10章中介绍一般的测试，里面也介绍了所谓的矩阵测试中工具的选择。
项目遵循semver的好处在于，通常只有主版本才需要测试，因为次版本和修订版本中保证没有向后不兼容的变化。只有项目不违背这样的约定，这种说法才能成立。不幸的是，每个人都会犯错，许多项目中都出现了后向不兼容的变化，甚至在修订版本中也出现了这种变化。尽管如此，由于semver声称对次版本和修订版本的变化保持严格的向后兼容，那么打破这个规则就可以视为bug，可以在修订版本中进行修复。
如果明确定义了兼容范围并严格测试，那么实现兼容层就是最后一步，也是最不重要的一步。但是，每一位对这个话题感兴趣的程序员都应该知道下列工具和技术。
最基本的就是Python的__future__模块。它将Python新版本中的一些功能反向迁移到旧版本中，采用的是导入语句的形式：
from __future__ import
future 语句提供的功能是和语法相关的元素，其他方法很难处理这些元素。这个语句只能影响它所在的模块。下面是Python 2.7交互式会话的实例，从Python 3.0中引入Unicode：
Python 2.7.10 (default,May 23 2015,09:40:32) [MSC v.1500 32 bit (Intel)] on win32
Type "help","copyright","credits" or "license" for more
information.
>>> type("foo") # 旧的字面值
>>> from __future__ import unicode_literals
>>> type("foo") # 现在变成了unicode
下面列出了所有可用的__future__语句，关注2/3兼容性的开发者都应该知道。
·division：Python 3新增的除法运算符（PEP 238）。
·absolute_import：将所有不以点字符开头的import语句格式解释为绝对导入（PEP 328）。
·print_function：将print语句变为函数调用，所以在print后面必须加括号（PEP 3112）。
·unicode_literals：将每个字符串解释为Unicode（PEP 3112）。
__future__中的可选语句列表很短，只包含几个语法功能。对于其他变化的内容，例如元类语法（第3章会讲到这一高级特性），维持其兼容性则困难得多。future语句也无法完全解决多个标准库重组的问题。幸运的是，有些工具旨在提供一致可用的兼容层。最有名的就是Six模块，提供了常用的2/3兼容性的整个样板。另一个很有前途但名气稍逊的工具是future模块。
在某些情况下，开发人员可能不想在一些小型Python包里添加其他依赖项。通常的做法是将所有兼容性代码放在一个附加模块中，该模块通常命名为compat.py。下面是来自python-gmaps项目的compat模块实例：
# -*- coding: utf-8 -*-
import sys
if sys.version_info < (3,0,0):
import urlparse # noqa
def is_string(s):
return isinstance(s,basestring)
else:
from urllib import parse as urlparse # noqa
def is_string(s):
return isinstance(s,str)
这样的compat.py模块十分常见，即使是利用Six保持2/3兼容性的项目也很常见，因为这种方法非常方便，用于保存在不同版本的依赖包之间保持兼容性的代码。
下载示例代码
你可以用自己的账号在Packt的官方网站下载本书的示例代码文件。如果你是在其他地方购买的本书，你可以访问Packt的官方网站并注册，文件会直接通过邮件发送给你。
下载代码文件的步骤如下。
·用你的电子邮件地址和密码登录或注册我们的网站。
·将鼠标指针悬停在顶部的SUPPORT选项卡上。
·单击Code Downloads & Errata。
·在Search框中输入本书的名字。
·选择你要下载代码文件的书籍。
·从下拉菜单中选择本书的购买途径。
·单击Code Download。
文件下载完成后，请确保用下列软件的最新版本对文件夹进行解压或提取。
·在Windows上用WinRAR或7-Zip。
·在Mac上用Zipeg、iZip或UnRarX。
·在Linux上用7-Zip或PeaZip。
本书的代码包也托管在GitHub，网址为https://github.com/PacktPublishing/Expert-Python-Programming_Second-Edition。在GitHub上还有大量图书和视频资源。去看一下吧！1.6 不只是CPython
最重要的Python实现是用C语言编写的，叫作CPython。大多数人在讨论Python时指的都是 CPython。随着语言的进化，C 语言实现也相应发生变化。除了 C 之外，Python还有其他几种实现方式，这些实现方式都在努力地跟上主流。大多数实现方式的时间表都要落后于CPython，但它们提供了一个好机会，可以在具体环境中使用并推广Python语言。1.6.1 为什么要关注Python实现
Python实现有许多种。在Python官网上关于这一话题的维基百科页面中，主要介绍了20多种语言变体、方言或除C语言之外的Python解释器实现。其中一些只是实现了语言核心语法、功能和内置扩展的一个子集，但至少有几个与CPython几乎完全兼容。最重要的是，虽然其中一些只是玩具项目或实验，但大部分都是为了解决某些实际问题而创建的，这些问题要么是用CPython无法解决，要么需要开发人员花费巨大的精力。这些问题的实例包括如下几个。
·在嵌入式系统中运行Python代码。
·与运行框架（如Java或.NET）或其他语言做代码集成。
·在Web浏览器中运行Python代码。
本节将简要介绍目前Python开发人员可用的最流行和最新的Python实现。1.6.2 Stackless Python
Stackless Python自称Python增强版。之所以名为Stackless（无栈），是因为它没有依赖C语言的调用栈。它实际上是修改过的CPython代码，还添加了一些新的功能，在创建Stackless Python 时 Python 核心实现中还没有这些功能。其中最重要的功能就是由解释器管理的微线程，用来替代依赖系统内核上下文切换和任务调度的普通线程，既轻量化又节约资源。
Stackless Python最新可用的版本是2.7.9和3.3.5，分别实现的是Python 2.7和3.3。在Stackless Python中，所有的额外功能都是内置stackless模块内的框架。
Stackless Python并不是最有名的Python实现，但很值得一提，因为它引入的思想对编程语言社区有很大的影响。将Stackless Python中的内核切换功能提取出来并作为一个独立包发布，名为greenlet，现在是许多有用的库和框架的基础。此外，它的大部分功能都在PyPy中重新实现，PyPy是另一个Python实现，我们将稍后介绍。1.6.3 Jython
Jython是Python语言的Java实现。它将代码编译为Java字节代码，开发人员在Python模块中可以无缝使用Java类。Jython允许人们在复杂应用系统（例如J2EE）中使用Python作为顶层脚本语言，它还将Java应用引入到Python世界中。Jython的一个很好的例子就是，在Python程序中可以使用Apache Jackrabbit（这是一个基于JCR的文档仓库API。
Jython最新可用的版本是Jython 2.7，对应的是Python 2.7版。它宣称几乎实现了Python所有的核心标准库，并使用相同的回归测试套件。Jython 3.x版正在开发中。
Jython与CPython实现的主要区别如下所示。
·真正的Java垃圾回收，而不是引用计数。
·没有全局解释器锁（Global Interpreter Lock，GIL），在多线程应用中可以充分利用多个内核。
这一语言实现的主要缺点是缺少对C/Python扩展API的支持，因此用C语言编写的Python扩展在Jython中无法运行。这种情况未来可能会发生改变，因为Jython 3.x计划支持C/Python扩展API。
某些Python Web框架（例如Pylons）被认为是促进Jython的开发，使其可用于Java世界。1.6.4 IronPython
IronPython将Python引入.NET框架中。这个项目受到微软的支持，IronPython的主要开发人员都在微软工作。它是推广语言的一种重要实现。除了Java，.NET社区是最大的开发者社区之一。还值得注意的是，微软提供了一套免费开发工具，可以将Visual Studio转换为成熟的Python IDE。这是作为Visual Studio的插件发布的，名为PTVS（Python Tools for Visual Studio，用于Visual Studio的Python工具），在GitHub可以找到其开源代码。
最新的稳定版本是2.7.5，与Python 2.7兼容。与Jython类似，Python 3.x的实现也在开发中，但还没有可用的稳定版本。虽然.NET 主要在微软 Windows 系统上运行，但是IronPython也可以在Mac OS X和Linux系统上运行。这一点要感谢Mono，一个跨平台的开源.NET实现。
与CPython相比，IronPython的主要区别或优点如下。
·与Jython类似，没有全局解释器锁（Global Interpreter Lock，GIL），在多线程应用中可以充分利用多个内核。
·用C#和其他.NET语言编写的代码可以轻松集成到IronPython中，反之亦然。
·通过Silverlight，在所有主流Web浏览器中都可以运行。
说到弱点，IronPython也与Jython非常类似，因为它也不支持C/Python扩展API。对于想要使用主要基于C扩展的Python包（例如NumPy）的开发人员来说，这一点是很重要的。有一个叫作ironclad的项目，其目的是在IronPython中无缝使用这些扩展，虽然它最新支持的版本是2.6，开发似乎也停止了。1.6.5 PyPy
PyPy可能是最令人兴奋的Python实现，因为其目标就是将Python重写为Python。在PyPy中，Python解释器本身是用Python编写的。在Python的CPython实现中，有一个C代码层来实现具体细节。但在PyPy实现中，这个C代码层用Python完全重写。
这样你可以在代码运行期间改变解释器的行为，并实现 CPython 难以实现的代码模式。
目前PyPy的目的是与Python 2.7完全兼容，而PyPy3则与Python 3.2.5版兼容。
以前对PyPy感兴趣主要是理论上的原因，只有喜欢深入钻研语言细节的人才会对它感兴趣。它通常不用于生产环境，但这些年来这种状况已经发生改变。现在许多基准测试给出惊人的结果，PyPy通常比CPython实现要快得多。这个项目有自己的基准测试网站，记录了用数十种不同的基准测试对每一版本性能的测量结果（参见http://speed.pypy.org/）。网站清晰地显示，启用JIT的PyPy至少比CPython要快好几倍。由于PyPy的这一特性以及其他特性，使得越来越多的开发人员决定在生产环境中切换到PyPy。
PyPy与CPython实现的主要区别在于以下几个方面。
·使用垃圾回收，而不是引用计数。
·集成跟踪JIT编译器，可以显著提高性能。
·借鉴了Stackless Python在应用层的无栈特性。
与几乎所有其他的Python实现类似，PyPy也缺乏对C/Python扩展API的完全官方支持。但它至少通过CPyExt子系统为C扩展提供了某种程度的支持，虽然文档不完整，功能也尚未完善。此外，社区正在努力将NumPy迁移到PyPy中，因为这是最需要的功能。1.7 Python开发的现代方法
作为专家，最重要的是要对所选用的编程语言有深刻的理解。对于任何技术来说都是如此。但如果不知道在特定语言社区中的常用工具和实践的话，想开发一款好软件是相当困难的。Python所有的单项功能都可以在其他某种语言中找到。所以，直接比较语法、表现力（expressiveness）或性能的话，总会在一个或多个方面存在更好的解决方案。但Python真正出众的领域在于围绕语言打造的整个生态系统。多年来，Python社区完善了标准实践和标准库，有助于在更短的时间内创建更可靠的软件。
对于上文提到的生态系统，最明显也最重要的一部分就是大量免费的开源包，可以用来解决许多问题。编写新软件总是一个费钱又费时的过程。能够复用现有代码而无需重新造轮子（reinvent the wheel），可以大大降低开发的时间和成本。这也是某些公司的项目在经济上可行的唯一原因。
由于这个原因，Python 开发者花费大量精力来创建工具和标准，方便使用他人创建的开源包。我们首先介绍虚拟隔离环境、改进的交互式 shell 和调试器，然后介绍一些程序，有助于发现、搜索和分析PyPI（Python Package Index，Python包索引）上大量可用的Python包。1.8 应用层Python环境隔离
现在许多操作系统都将 Python 作为标准组件。对于大多数 Linux 发行版和基于 Unix的系统（如FreeBSD、NetBSD、OpenBSD或OS X系统）来说，要么默认安装了Python，要么系统软件包仓库中包含Python。其中很多系统甚至将Python作为核心组件的一部分。有些操作系统的安装程序是用Python编写的，例如Ubuntu系统的Ubiquity、Red Hat Linux和Fedora系统的Anaconda。
基于这一事实，PyPI 上的许多包也可以用系统包管理工具（如 Debian 和 Ubuntu 的apt-get、Red Hat Linux的rpm、Gentoo的emerge）作为本地包来管理。不过应该记住，可用的库非常有限，大部分也比 PyPI 上的版本要旧。因此，PyPA（Python Packaging Authority，Python 包官方小组）推荐始终采用 pip 来获取最新版本的 Python 包。虽然从CPython 2.7.9版和3.4版开始，pip已经成为一个独立的Python包，但每一个新版本都会默认安装pip。安装新Python包的方法就是这么简单，如下所示：
pip install
pip 功能十分强大，可以强制安装特定版本的 Python 包（语法为 pip install package-name==version），或升级到最新可用的版本（使用--upgrade参数）。对于本书中提到的大多数命令行工具来说，在命令后添加-h或--help参数并运行可以轻松获得其完整的用法说明，但下面给出一个示例会话，展示其最常用的选项：
$ pip show pip
---
Metadata-Version: 2.0
Name: pip
Version: 7.1.2
Summary: The PyPA recommended tool for installing Python packages.
Home-page: https://pip.pypa.io/
Author: The pip developers
Author-email: python-virtualenv@groups.google.com
License: MIT
Location: /usr/lib/python2.7/site-packages
Requires:
$ pip install 'pip<7.0.0'
Collecting pip<7.0.0
Downloading pip-6.1.1-py2.py3-none-any.whl (1.1MB)
100% |████████████████████████████████| 1.1MB 242kB/s
Installing collected packages: pip
Found existing installation: pip 7.1.2
Uninstalling pip-7.1.2:
Successfully uninstalled pip-7.1.2
Successfully installed pip-6.1.1
You are using pip version 6.1.1,however version 7.1.2 is available.
You should consider upgrading via the 'pip install --upgrade pip'
command.
$ pip install --upgrade pip
You are using pip version 6.1.1,however version 7.1.2 is available.
You should consider upgrading via the 'pip install --upgrade pip'
command.
Collecting pip
Using cached pip-7.1.2-py2.py3-none-any.whl
Installing collected packages: pip
Found existing installation: pip 6.1.1
Uninstalling pip-6.1.1:
Successfully uninstalled pip-6.1.1
Successfully installed pip-7.1.2
在某些情况下，可能默认pip不可用。从Python 3.4版和2.7.9版开始，总是可以使用ensurepip模块来引导启动pip，具体如下：
$ python -m ensurepip
Ignoring indexes: https://pypi.python.org/simple
Requirement already satisfied (use --upgrade to upgrade): setuptools in /usr/lib/python2.7/site-packages
Collecting pip
Installing collected packages: pip
Successfully installed pip-6.1.1
关于在旧版Python中如何安装pip的方法，访问项目的文档页面可获取最新信息。1.8.1 为什么要隔离
pip可用于安装系统级的Python包。在基于Unix的系统和Linux系统上，这么做需要超级用户权限，所以实际的调用如下所示：
sudo pip install
注意，在 Windows 上并不需要这样做，因为没有默认安装 Python 解释器，Windows上的Python通常由用户手动安装，无需超级用户权限。
无论如何，不推荐直接从PyPI安装系统级的Python包，也应尽量避免这一做法。前面说 PyPA 推荐使用 pip，这似乎与前面的说法相矛盾，但其中是有很重要的原因。如前所述，通过操作系统软件包仓库，Python往往是许多软件包的重要组成部分，也可以提供许多重要服务。系统发行版的维护者投入大量精力选择合适的软件包版本，以匹配各种包依赖。通常来说，系统软件包仓库中的Python包都包含自定义补丁，或者使用较旧的版本，只是为了保证与其他系统组件的兼容。利用pip将这些Python包强制更新至某一版本，打破了向后兼容，也可能会破坏某些关键的系统服务。
即使在本地计算机上，为了方便开发而做这些事情也不是一个好的理由。那样胡乱使用pip几乎总会引起麻烦，最终导致难以调试的问题。并不是说要严格禁止从PyPI全局安装Python包，但这么做时一定要清楚地认识到相关风险。
幸运的是，这个问题有一个简单的解决方案，就是环境隔离。在
试读结束[说明：试读内容隐藏了图片]