Python 开发技巧与工具集合
1. Python 编程习惯
1.1 代码可读性
使用
_分隔大数字，提高可读性：python# 推荐 large_number = 10_000_000 # 不推荐 large_number = 10000000使用
time.perf_counter()来计时，而不是time.time()：pythonimport time start = time.perf_counter() # 执行代码 end = time.perf_counter() print(f"执行时间: {end - start:.4f}秒")使用
logging模块来打印日志，而不是print()：pythonimport logging logging.basicConfig(level=logging.INFO) logger = logging.getLogger(__name__) logger.info("这是一条信息") logger.warning("这是一条警告")
1.2 文件操作
使用 'x' 模式代替 'w' 进行写入，只有文件不存在时写入，如果存在则报错，防止覆盖：
try:
with open('file.txt', 'x') as f:
f.write("内容")
except FileExistsError:
print("文件已存在，防止覆盖")1.3 异步编程
使用 asyncio.create_subprocess_exec 和 asyncio.create_subprocess_shell 创建异步子进程：
import asyncio
async def run_command():
# 使用 create_subprocess_exec
proc = await asyncio.create_subprocess_exec(
'python', '--version',
stdout=asyncio.subprocess.PIPE,
stderr=asyncio.subprocess.PIPE
)
stdout, stderr = await proc.communicate()
# 使用 create_subprocess_shell
proc = await asyncio.create_subprocess_shell(
'ls -la',
stdout=asyncio.subprocess.PIPE,
stderr=asyncio.subprocess.PIPE
)
stdout, stderr = await proc.communicate()使用 asyncio.to_thread() 在异步代码中运行阻塞函数：
import asyncio
def blocking_function(arg):
# 执行阻塞操作
return result
async def main():
# 在新线程中运行阻塞函数
result = await asyncio.to_thread(blocking_function, arg_value)参考资料：How to Use Asyncio to_thread() - Super Fast Python
2. Python 实用工具库
2.1 日志工具
Loguru：简化 Python 日志记录的现代化日志库。
from loguru import logger
logger.info("这是一条信息")
logger.error("这是一条错误")2.2 网络请求
HTTPX：现代化的 HTTP 客户端，支持同步和异步请求。
可选依赖：
h2- HTTP/2 支持（httpx[http2]）socksio- SOCKS 代理支持（httpx[socks]）rich- 富终端支持（httpx[cli]）click- 命令行客户端支持（httpx[cli]）brotli或brotlicffi- Brotli 压缩支持（httpx[brotli]）
pip install httpx[http2,socks,cli,brotli]2.3 Web 爬虫
ruia：异步 Web 数据采集的 Python 框架。
trafilatura：用于提取和解析网络页面内容的 Python 工具。
参考：trafilatura 用于提取和解析网络页面内容的Python工具
2.4 视频处理
vidgear：用于高效视频处理的 Python 库。
2.5 热键监听
PyHotKey：用于监听和处理全局热键的 Python 库。
2.6 Redis 分布式锁
使用 Redis 实现分布式锁：
2.7 实用模块集合
Python 实用模块教程：https://xugaoxiang.com/category/python/modules/
3. Python 性能优化
3.1 Pandas 性能优化
提速百倍的 Pandas 性能优化方法：
参考：提速百倍的 Pandas 性能优化方法，让你的 Pandas 飞起来！
3.2 使用 Cython 优化
将 Python 项目转化为 .so 文件：
参考：尝试利用 Cython 将 Python 项目转化为单个 .so
3.3 使用 Nuitka 打包
Nuitka 是一个 Python 到 C++ 的编译器，可以将 Python 代码编译为可执行文件。
参考资料：
4. Python Web 开发
4.1 Sanic 高并发服务
Sanic 是一个类似 Flask 的 Python 3.7+ Web 框架，专为快速 HTTP 响应而设计。
4.2 SQLite WAL 模式
在 Python 中使用 SQLite 的 WAL（Write-Ahead Logging）模式：
import sqlite3
conn = sqlite3.connect('database.db')
conn.execute('PRAGMA journal_mode=WAL')5. Python 项目构建
5.1 虚拟环境方案
各种不同的 Python 虚拟环境方案对比：
- venv（Python 内置）
- virtualenv
- conda
- poetry
- pipenv
5.2 构建工具
hatchling：现代化的 Python 项目构建后端。
5.3 插件系统
构建 Python 插件系统的最佳实践。
6. Python 高级应用
6.1 Everything SDK
调用 Everything SDK，实现全局文件搜索功能。
6.2 类型字典
使用 TypedDict 构造类型字典：
from typing import TypedDict
class Person(TypedDict):
name: str
age: int
email: str
person: Person = {
"name": "张三",
"age": 30,
"email": "zhangsan@example.com"
}6.3 代数系统
如何构建像 SymPy 一样的代数系统。
6.4 Python + WebAssembly
将 Python 代码编译为 WebAssembly，在浏览器中运行。
7. Python 任务调度
7.1 周期性任务调度框架
构建周期性任务调度框架的设计模式。
7.2 视频处理框架
构建通用的视频处理框架。
8. 域名 SSL 证书检查
获取域名 SSL 证书信息和到期时间：
9. 模块搜索路径
Python 模块搜索路径的工作原理：
参考：模块搜索路径
10. PySide6 开发
10.1 Tree/Table 组件扩展
在 PySide6 中添加 Tree/Table 扩展最后一行/列的功能。