大部分同学在终端使用Python可能只是简单的执行代码，但其实结合一些Python内置模块或第三方库可以实现更高级且便捷的用法，一起看看吧！
首先简单写个斐波那契数列，命名为example.py：
import timedef fib(n): if n <= 1: return n return fib(n - 1) + fib(n - 2)def main(test_times=50): start = time.perf_counter() for _ in range(test_times): fib(30) print(f'Time spent: {time.perf_counter() - start} s')if __name__ == '__main__': main()现在对这份代码进行Benchmark测试，Python中的内置模块cProfile可以帮助我们完成这个工作，在终端执行以下命令：
python -m cProfile example.py可以得到一份深入的测试报告，如图所示：
其中表头从左至右：
是不是肥肠简单且清晰明了，对我们优化代码提供帮助。
值得一提的是，如果只想测试一些简单的Python代码，内置的timeit是个不错的选择，如：
python -m timeit '[i for i in range(100)]'使用 timeit 测量执行此列表推导式所需的时间，得到输出：
200000 loops, best of 5: 1.4 usec per loop此输出表明每次计时将执行200000次列表推导，共计时测试了5次，最好的结果是1.4毫秒。
如何评估我们的Python代码是否Pythonic呢？第三方库flake8可以轻松做到，首先安装：
pip install flake8确保安装完成后，我们还是使用前述斐波那契example.py，只需在终端输入：
python -m flake8 example.py输出：
可以按照提示进行优化。
当知道我们写的史山代码需要风格改进，由前述可以结合flake8进行手动优化，那有没有什么能帮我们自动优化呢？第三方库black诞生。
同样使用pip安装：
pip install black安装完毕后通过一行命令使用black格式化我们的代码：
python -m black example.py输出：
然后再次使用flake8检查代码风格，无任何输出，代表无优化项。
此时我们的代码变成了：
import timedef fib(n): if n <= 1: return n return fib(n - 1) + fib(n - 2)def main(test_times=50): start = time.perf_counter() for _ in range(test_times): fib(30) print(f"Time spent: {time.perf_counter() - start} s")if __name__ == "__main__": main()仅拥有良好的风格还不完美，为了进行样式之外的代码分析，还需要结合pylint：
pip install pylint此处基于black优化过的代码进行pylint分析，在终端输入一行命令：
python -m pylint example.py输出如下，可知该代码缺少文档字符串
所以在大佬review代码前，可以借助pylint先进行一波优化。
Python第三方库bandit可以帮助我们检查代码中潜在的安全隐患、不安全的函数或模块、密码或密钥等问题：
pip install bandit在终端执行如下命令进行安全检查：
python -m bandit example.py输出：
表明肥肠安全。
除了在vscode中打开json，并格式化显示达到清晰展示的目的外，Python自带的模块也能完成这个，比如有example.json文件内容如下：
[ {"name": {"first_name":"Xukong", "last_name":"Cai"}, "hobby":"rap, basketball"}, {"name": {"first_name":"San", "last_name":"Zhang"}, "hobby":"eat"}]使用如下命令在终端格式化显示：
python -m json.tool example.json输出：
肥肠清晰，插一句，若同样想在终端打印代码中输出的json结构，可以使用pprint。
本文链接：http://www.28at.com/showinfo-26-35304-0.html只会在终端使用Python运行代码？这些进阶用法了解了解
声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com
上一篇： 系统设计概念：生产 Web 应用的架构
Copyright © 2016-2023 天津谷骐科技有限公司 版权所有 sitemap.xml
违法及侵权请联系：2376512515@qq.com 津ICP备18001702号
津公网安备 12010102000574号