开发

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 简介 uv是一款开源的 Python 包安装工具，GitHub star 高达56k，以性能极快著称，具有以下特性（官方英文原文）： 🚀 A single tool to replace pip, pip-tools, pipx, poetry, pyenv, twine, virtualenv, and more. ⚡️ 10-100x faster than pip. 🗂️ Provides comprehensive project management, with a universal lockfile. ❇️ Runs scripts, with support for inline dependency metadata. 🐍 Installs and manages Python versions. 🛠️ Runs and installs tools published as Python packages. 🔩 Includes a pip-compatible interface for a performance boost with a familiar CLI. 🏢 Supports Cargo-style workspaces for scalable projects. 💾 Disk-space efficient, with a global cache for dependency deduplication. ⏬ Installable without Rust or Python via curl or pip. 🖥️ Supports macOS, Linux, and Windows. 在 Python MCP SDK 的介绍中，也出现了 We recommend using uv to manage your Python projects 的字样，说明 uv 已经是一款实用性极强的工具。 ...

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 if if 语句是最常见的控制流： >>> x = int(input("Please enter an integer: ")) Please enter an integer: 42 >>> if x < 0: ... x = 0 ... print('Negative changed to zero') ... elif x == 0: ... print('Zero') ... elif x == 1: ... print('Single') ... else: ... print('More') ... More for for 语句用来遍历： ## Create a sample collection users = {'Hans': 'active', 'Éléonore': 'inactive', '景太郎': 'active'} ## Strategy: Iterate over a copy for user, status in users.copy().items(): if status == 'inactive': del users[user] ## Strategy: Create a new collection active_users = {} for user, status in users.items(): if status == 'active': active_users[user] = status range range 函数生成数字序列： ...

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 开篇 个人而言，Python 是写起来最顺手、看起来最喜欢的编程语言，也是实际工作中使用最多的编程语言。从 Python 入门，到完全使用 Java，再回归 Python，编程语言本质上是工具，与 Excel、XMind 无异。对于测试开发来说，要学习的东西很多，Python 是可以作为基础技术深入学习的。第 1 次通过菜鸟教程学习 Python，第 2 次阅读《流畅的 Python》学习 Python，第 3 次跟着官网学习 Python。该系列文章参考的是 Python3.13 版本官方教程，期望学习者具有一定编程基础。 Python 解释器 终端使用 uv 安装 Python3.13： uv python install 3.13 查看安装位置： which python3.13 进入 Python 解释器： $ python3.13 Python 3.13 (default, April 4 2023, 09:25:04) [GCC 10.2.0] on linux Type "help", "copyright", "credits" or "license" for more information. >>> 计算器 平时我们基本不会这样来写 Python，但是可以当做计算器来用： >>> 2 + 2 4 >>> 50 - 5*6 20 >>> (50 - 5*6) / 4 5.0 >>> 8 / 5 # division always returns a floating-point number 1.6 >>> 17 / 3 # classic division returns a float 5.666666666666667 >>> >>> 17 // 3 # floor division discards the fractional part 5 >>> 17 % 3 # the % operator returns the remainder of the division 2 >>> 5 * 3 + 2 # floored quotient * divisor + remainder 17 >>> 5 ** 2 # 5 squared 25 >>> 2 ** 7 # 2 to the power of 7 128 >>> width = 20 >>> height = 5 * 9 >>> width * height 900 >>> 4 * 3.75 - 1 14.0 >>> tax = 12.5 / 100 >>> price = 100.50 >>> price * tax 12.5625 >>> price + _ # In interactive mode, the last printed expression is assigned to the variable _ 113.0625 >>> round(_, 2) 113.06 Python 也很适合用来学习算法，比如最简单的冒泡排序： ...

本文是 Python 进阶系列专题的最后一篇文章了，学习一下 Python 并发编程。懂得并发编程，就算是真正进阶了。

从概念上来说，我们都知道多进程和多线程，而协程其实是在单线程中实现多并发。从句法上看，协程与生成器类似，都是定义体中包含 yield 关键字的函数。区别在于协程的 yield 通常出现在表达式的右边：datum = yield。这一下就让初学者瞬间觉得 yield 关键字不香了，本来以为 yield 就是简简单单的暂停执行顺手返回个值，结果还能放右边？

with 语句会设置一个临时的上下文，交给上下文管理器对象控制，并且负责清理上下文。

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 Python 生成器是什么 一句话解释：包含了 yield 关键字的函数就是生成器，它的返回值是一个生成器对象。我简单画了个示意图： yield 相当于 return。 函数遇到 yield 就暂停，保存当前信息，返回 yield 的值。 在下次执行 next()时，从当前位置继续执行。 比较有意思的事情是，曾经有人建议生成器函数不应该使用 def，而应该发明一个新的关键字比如 gen，但是 Python 之父 Guido 并没有同意这样做。 生成器函数的工作原理 先通过一个简单示例来说明生成器的行为： ## 定义一个生成器 >>> def gen_123(): ... yield 1 ... yield 2 ... yield 3 ... ## 生成器本身是个函数 >>> gen_123 <function gen_123 at 0x0000019F60710790> ## 返回值是生成器对象 >>> gen_123() <generator object gen_123 at 0x0000019F606AC040> ## 生成器也是迭代器 >>> for i in gen_123(): ... print(i) ... 1 2 3 ## 验证生成器也是迭代器，定义迭代器g >>> g = gen_123() ## 可以通过next()获取yield生成的下一个元素 >>> next(g) 1 >>> next(g) 2 >>> next(g) 3 >>> next(g) Traceback (most recent call last): File "<input>", line 1, in <module> StopIteration 生成器的原理就是： ...

什么是迭代？迭代是指按需一次获取一个数据。是否可以迭代，可以通过是否可以使用 for 循环取值来进行简单的判断。更准确的判断是使用iter()函数，这是一个 Python 内置函数。

我们写 Python 基本不需要自己创建抽象基类，而是通过鸭子类型来解决大部分问题。《流畅的 Python》作者使用了 15 年 Python，但只在项目中创建过一个抽象基类。我们更多时候是创建现有抽象基类的子类，或者使用现有的抽象基类注册。本文的意义在于，了解抽象基类的定义与使用，可以帮助我们理解抽象基类是如何实现的，为我们以后学习后端语言（比如 Java、Golang）打下基础。**毕竟抽象

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 Python 接口与协议 Python 语言是没有 interface 关键字的，这也是动态类型语言的特点之一。Python 的接口指的是类实现或继承的公开属性，包括数据或方法。比如 Sequence 的正式接口如下图所示： 这些都叫做 Python 接口。事实上，Python 每个类都有接口，除了抽象基类。 接口是正式的，它定义了类具有哪些属性，协议是非正式的接口，只由文档和约定定义。比如只要类实现了__getitem__方法，按照序列协议的约定，Python 就会支持这个类完成访问元素、迭代和使用 in 运算符等一系列操作。 猴子补丁 我们可以通过猴子补丁来进一步认识，Python 中协议的约定是怎么回事。猴子补丁是这样一种技术：在运行时修改类或模块，而不改动源码。还是以序列协议来举例，比如： >>> from random import shuffle >>> from frenchdeck import FrenchDeck >>> deck = FrenchDeck() >>> shuffle(deck) 假设运行报错了：TypeError: 'FrenchDeck' object does not support item assignment，因为 FrenchDeck 类只有__getitem__方法，只实现了不可变的序列协议。为了解决这个报错，需要通过__setitem__方法实现可变的序列协议。 代码如下： def set_card(deck, position, card): deck._cards[position] = card FrenchDeck.__setitem__ = set_card shuffle(deck) 这就是一段猴子补丁技术的实现代码，没有修改 FrenchDeck 类的源码，而是在运行时动态修改。 抽象基类 Python 的抽象基类是指必须让继承它的子类去实现它所要求的方法的类。Python 的 collections.abc 模块中就定义了很多抽象基类： 虽然我们在实际编程中并不会自己编写抽象基类（一般也不建议这样做，因为可能会导致意想不到的问题），但是了解抽象基类，可以帮助我们更好理解 Python 面向对象的继承等概念。 抛开枯燥的理论知识，我在书中找到了一处具有实践价值的片段： 「在一连串 if/elif/elif 中使用 isinstance 做检查，然后根据对象的类型执行不同的操作，通常是不好的做法；此时应该使用多态，即采用一定的方式定义类，让解释器把调用分派给正确的方法，而不使用 if/elif/elif 块硬编码分派逻辑。」 ...