Не каждый день питонисты сталкиваются со всеми апгрейдами языка, и расшифровка релиз-полотна точно поможет улучшить стиль и приблизить его к стандартам PEP и Zen of Python.
Классической проблемой новичка становится отладка программы: по трейсбеку (описанию) определить, в чем дело, бывает весьма затруднительно:
def inverse(number): return 1 / number print(inverse(0))
Теперь для указания на конкретный объект, вызвавший ошибку, используется строка с несколькими ^ (символ называется “циркумфлекс”). В сниппете выше мы просим поделить на ноль, и конечно, это вызывает ошибку:
Traceback (most recent call last): File «/home/realpython/inverse.py», line 6, in <module> print(inverse(0)) ^^^^^^^^^^ File «/home/realpython/inverse.py», line 4, in inverse return 1 / number ~~^~~~~~~~ ZeroDivisionError: division by zero
Не скажу, что это снимает 99% нагрузки, но все же чуть лучше “подводит” нас к сути.
Раньше мы вручную отслеживали все свои задачи в списке, прежде чем передать их в collect():
tasks = [asyncio.create_task(run_some_task(param)) for param in params] await asyncio.gather(*tasks)
Теперь используем контекстный менеджер:
async with asyncio.TaskGroup() as tg: for param in params: tg.create_task(run_some_task(param))
Если запустить следующий скрипт в Python версий 2.x.x и 3.11.4, то вы заметите солидный прирост в скорости подключения инструментов. В забавной мини-программе ниже выводится скорость импорта библиотек _io, marshal и проч., да еще и ASCII-графика с питончиком:
import sys message = » «.join(sys.argv[1:]) bubble_length = len(message) + 2 print( rf»»» {«_» * bubble_length} ( {message} ) {«‾» * bubble_length} __ [oo] (__) λ \ _\__ (_____)_ (________)Oo°»»» ) $ python -X importtime -S snakesay.py Imports are faster! import time: self [us] | cumulative | imported package import time: 283 | 283 | _io import time: 56 | 56 | marshal import time: 647 | 647 | posix import time: 587 | 1573 | _frozen_importlib_external import time: 167 | 167 | time import time: 191 | 358 | zipimport import time: 90 | 90 | _codecs import time: 561 | 651 | codecs import time: 825 | 825 | encodings.aliases import time: 1136 | 2611 | encodings import time: 417 | 417 | encodings.utf_8 import time: 174 | 174 | _signal import time: 56 | 56 | _abc import time: 251 | 306 | abc import time: 310 | 616 | io _____________________ ( Imports are faster! ) ‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾ __ [oo] (__) λ \ _\__ (_____)_ (________)Oo°
Теперь можно объединять ошибки некоторых видов в группу и обрабатывать их одинаково:
>>> raise ExceptionGroup(«twice», [TypeError(«int»), ValueError(654)])
Интересно, насколько ускорится процесс разработки, если вываливать на питониста сразу все причины падения? В выводе ниже одновременно и ошибка типа, и ошибка некорректного значения.
+ Exception Group Traceback (most recent call last): | File «<stdin>», line 1, in <module> | ExceptionGroup: twice (2 sub-exceptions) +-+—————- 1 —————- | TypeError: int +—————- 2 —————- | ValueError: 654 +————————————
Теперь разработчик вправе дополнить ошибку кастомной заметкой:
err = ValueError(678) err.add_note(«Важная деталь, отличающая эту ошибку от остальных») raise err
Фича становится восхитительно полезной, когда типов ошибок много:
Traceback (most recent call last): … ValueError: 678 Важная деталь, отличающая эту ошибку от остальных Python 3.11
Этот формат стал популярен относительно недавно и даже претендует на замену JSON ввиду повышенной “человекочитаемости”:
Наконец, разработчики ЯП зарелизили встроенную библиотеку для чтения таких файлов:
import tomllib toml_str = «»» python-version = «3.11.0» release_date = «2022-10-22» «»» data = tomllib.loads(toml_str) print(data) # {‘python-version’: ‘3.11.0’, ‘release_date’: ‘2022-10-22’} print(data[‘python-version’]) # 3.11.0 print(data[‘release_date’]) # 2022-10-22
Некоторые практикующие питонисты, молящиеся на проработанность ЯП, такие нюансы ждали годами. Но новичку в них, на мой взгляд, может быть непросто разобраться. И еще сложнее читать оригинальное описание релиза.
Так что новеньким, стремящимся прокачать скилл, советую сначала изучить подборки вроде этой: “10 фишек Python, которые поднимут ваш скилл на новый уровень”.
QA Automation Python Иннотех, , можно удалённо, По итогам собеседования tproger.ru Вакансии на tproger.ru
Какие еще фичи свежих релизов вы используете? Поделитесь в комментариях.
Прокачанный трейсинг ошибок
Классической проблемой новичка становится отладка программы: по трейсбеку (описанию) определить, в чем дело, бывает весьма затруднительно:
def inverse(number): return 1 / number print(inverse(0))
Теперь для указания на конкретный объект, вызвавший ошибку, используется строка с несколькими ^ (символ называется “циркумфлекс”). В сниппете выше мы просим поделить на ноль, и конечно, это вызывает ошибку:
Traceback (most recent call last): File «/home/realpython/inverse.py», line 6, in <module> print(inverse(0)) ^^^^^^^^^^ File «/home/realpython/inverse.py», line 4, in inverse return 1 / number ~~^~~~~~~~ ZeroDivisionError: division by zero
Не скажу, что это снимает 99% нагрузки, но все же чуть лучше “подводит” нас к сути.
Улучшенный синтаксис параллельных процессов
Раньше мы вручную отслеживали все свои задачи в списке, прежде чем передать их в collect():
tasks = [asyncio.create_task(run_some_task(param)) for param in params] await asyncio.gather(*tasks)
Теперь используем контекстный менеджер:
async with asyncio.TaskGroup() as tg: for param in params: tg.create_task(run_some_task(param))
Ускоренный импорт библиотек
Если запустить следующий скрипт в Python версий 2.x.x и 3.11.4, то вы заметите солидный прирост в скорости подключения инструментов. В забавной мини-программе ниже выводится скорость импорта библиотек _io, marshal и проч., да еще и ASCII-графика с питончиком:
import sys message = » «.join(sys.argv[1:]) bubble_length = len(message) + 2 print( rf»»» {«_» * bubble_length} ( {message} ) {«‾» * bubble_length} __ [oo] (__) λ \ _\__ (_____)_ (________)Oo°»»» ) $ python -X importtime -S snakesay.py Imports are faster! import time: self [us] | cumulative | imported package import time: 283 | 283 | _io import time: 56 | 56 | marshal import time: 647 | 647 | posix import time: 587 | 1573 | _frozen_importlib_external import time: 167 | 167 | time import time: 191 | 358 | zipimport import time: 90 | 90 | _codecs import time: 561 | 651 | codecs import time: 825 | 825 | encodings.aliases import time: 1136 | 2611 | encodings import time: 417 | 417 | encodings.utf_8 import time: 174 | 174 | _signal import time: 56 | 56 | _abc import time: 251 | 306 | abc import time: 310 | 616 | io _____________________ ( Imports are faster! ) ‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾ __ [oo] (__) λ \ _\__ (_____)_ (________)Oo°
Группы исключений
Теперь можно объединять ошибки некоторых видов в группу и обрабатывать их одинаково:
>>> raise ExceptionGroup(«twice», [TypeError(«int»), ValueError(654)])
Интересно, насколько ускорится процесс разработки, если вываливать на питониста сразу все причины падения? В выводе ниже одновременно и ошибка типа, и ошибка некорректного значения.
+ Exception Group Traceback (most recent call last): | File «<stdin>», line 1, in <module> | ExceptionGroup: twice (2 sub-exceptions) +-+—————- 1 —————- | TypeError: int +—————- 2 —————- | ValueError: 654 +————————————
Обогащение деталей ошибки
Теперь разработчик вправе дополнить ошибку кастомной заметкой:
err = ValueError(678) err.add_note(«Важная деталь, отличающая эту ошибку от остальных») raise err
Фича становится восхитительно полезной, когда типов ошибок много:
Traceback (most recent call last): … ValueError: 678 Важная деталь, отличающая эту ошибку от остальных Python 3.11
Чтение TOML-конфигов
Этот формат стал популярен относительно недавно и даже претендует на замену JSON ввиду повышенной “человекочитаемости”:
Наконец, разработчики ЯП зарелизили встроенную библиотеку для чтения таких файлов:
import tomllib toml_str = «»» python-version = «3.11.0» release_date = «2022-10-22» «»» data = tomllib.loads(toml_str) print(data) # {‘python-version’: ‘3.11.0’, ‘release_date’: ‘2022-10-22’} print(data[‘python-version’]) # 3.11.0 print(data[‘release_date’]) # 2022-10-22
Заключение
Некоторые практикующие питонисты, молящиеся на проработанность ЯП, такие нюансы ждали годами. Но новичку в них, на мой взгляд, может быть непросто разобраться. И еще сложнее читать оригинальное описание релиза.
Так что новеньким, стремящимся прокачать скилл, советую сначала изучить подборки вроде этой: “10 фишек Python, которые поднимут ваш скилл на новый уровень”.
QA Automation Python Иннотех, , можно удалённо, По итогам собеседования tproger.ru Вакансии на tproger.ru
Какие еще фичи свежих релизов вы используете? Поделитесь в комментариях.
