Python编程语言中有哪些鲜为人知但很有用的特性?
尽量将答案限制在Python核心。 每个回答一个特征。 给出一个例子和功能的简短描述，而不仅仅是文档链接。 使用标题作为第一行标记该特性。
快速链接到答案:
参数解包 牙套 链接比较运算符 修饰符 可变默认参数的陷阱/危险 描述符 字典默认的.get值 所以测试 省略切片语法 枚举 其他/ 函数作为iter()参数 生成器表达式 导入该 就地值交换 步进列表 __missing__物品 多行正则表达式 命名字符串格式化 嵌套的列表/生成器推导 运行时的新类型 .pth文件 ROT13编码 正则表达式调试 发送到发电机 交互式解释器中的制表符补全 三元表达式 试着/ / else除外 拆包+打印()函数 与声明
当前回答
私有方法和数据隐藏(封装)
在Python中有一个常见的习惯用法，即通过以下划线开头的名称来表示不打算成为类外部API一部分的方法和其他类成员。这很方便，在实践中效果很好，但它给人一种错误的印象，即Python不支持私有代码和/或数据的真正封装。事实上，Python会自动为您提供词法闭包，这使得在真正需要的情况下以更加防弹的方式封装数据变得非常容易。下面是一个使用这种技术的类的例子:
class MyClass(object):
def __init__(self):
privateData = {}
self.publicData = 123
def privateMethod(k):
print privateData[k] + self.publicData
def privilegedMethod():
privateData['foo'] = "hello "
privateMethod('foo')
self.privilegedMethod = privilegedMethod
def publicMethod(self):
print self.publicData
这里有一个使用它的人为的例子:
>>> obj = MyClass()
>>> obj.publicMethod()
123
>>> obj.publicData = 'World'
>>> obj.publicMethod()
World
>>> obj.privilegedMethod()
hello World
>>> obj.privateMethod()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'MyClass' object has no attribute 'privateMethod'
>>> obj.privateData
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'MyClass' object has no attribute 'privateData'
关键是privateMethod和privateData根本不是obj的属性，所以它们不能从外部访问，也不会出现在dir()或类似的文件中。它们是构造函数中的局部变量，在__init__之外完全不可访问。然而，由于闭包的魔力，它们实际上是与它们关联的对象具有相同生命周期的每个实例变量，尽管除了(在本例中)调用privilegedMethod之外没有办法从外部访问它们。通常这种非常严格的封装是多余的，但有时它确实可以非常方便地保持API或名称空间的干净。
在Python 2中。在X中，拥有可变私有状态的唯一方法是使用可变对象(例如本例中的dict)。很多人都说这有多烦人。Python 3。x将通过引入PEP 3104中描述的nonlocal关键字来消除此限制。
其他回答
下面是我在调试类型错误时使用的一个有用的函数
def typePrint(object):
print(str(object) + " - (" + str(type(object)) + ")")
例如，它只是打印输入后跟类型
>>> a = 101
>>> typePrint(a)
101 - (<type 'int'>)
特殊的方法
绝对的权力!
内存管理
Python动态分配内存并使用垃圾收集来回收未使用的空间。一旦一个对象超出作用域，并且没有其他变量引用它，它将被恢复。我不必担心缓冲区溢出和缓慢增长的服务器进程。内存管理也是其他动态语言的一个特性，但Python在这方面做得非常好。
当然，我们必须注意循环引用，并保持对不再需要的对象的引用，但弱引用在这里有很大帮助。
发电机
我认为很多刚开始学习Python的开发人员在没有真正掌握生成器的用途或了解其功能的情况下就忽略了它们。直到我读了David M. Beazley关于生成器的PyCon演示(在这里可以找到)，我才意识到它们是多么有用(真的是必不可少)。这个演示对我来说是一种全新的编程方式，我把它推荐给任何对生成器没有深入了解的人。
列表理解
列表理解
比较更传统的(不含列表理解):
foo = []
for x in xrange(10):
if x % 2 == 0:
foo.append(x)
to:
foo = [x for x in xrange(10) if x % 2 == 0]
