随着每个 Python 版本的发布，都会添加新模块，并引入新的更好的做事方式，虽然我们都习惯了使用好的旧 Python 库和某些做事方式，但现在也时候升级并利用新的和改进的模块及其特性了。
Pathlib 而不是 OS
pathlib 绝对是 Python 标准库中最近添加的更大的内容之一， 自 Python 3.4 以来，它一直是标准库的一部分，但很多人仍然使用 os 模块进行文件系统操作。
然而，pathlib 与旧的 os.path 相比具有许多优点 - 虽然 os 模块以原始字符串格式表示路径，但 pathlib 使用面向对象的样式，这使得它更具可读性和编写自然：
from
pathlib
import
Path
import
os.path
# 老方式
two_dirs_up = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
# 新方式，可读性强
two_dirs_up = Path(__file__).resolve().parent.parent
路径被视为对象而不是字符串这一事实也使得可以创建一次对象，然后查找其属性或对其进行操作：
readme = Path(
"README.md"
).resolve()
print(
f"Absolute path:
{readme.absolute()}
"
)
# Absolute path: /home/martin/some/path/README.md
print(
f"File name:
{readme.name}
"
)
# File name: README.md
print(
f"Path root:
{readme.root}
"
)
# Path root: /
print(
f"Parent directory:
{readme.parent}
"
)
# Parent directory: /home/martin/some/path
print(
f"File extension:
{readme.suffix}
"
)
# File extension: .md
print(
f"Is it absolute:
{readme.is_absolute()}
"
)
# Is it absolute: True
我最喜欢 pathlib 的一个特性是可以使用 /（“除法”）运算符来连接路径：
# Operators:
etc = Path(
'/etc'
)
joined = etc /
"cron.d"
/
"anacron"
print(
f"Exists? -
{joined.exists()}
"
)
# Exists? - True
重要的是要注意 pathlib 只是替代 os.path 而不是整个 os 模块， 它还包括 glob 模块的功能，因此如果你习惯于将 os.path 与 glob.glob 结合使用，那么你可以完全用pathlib替代它们。
在上面的片段中，我们展示了一些方便的路径操作和对象属性，但 pathlib 还包括你习惯于 os.path 的所有方法，例如：
print(
f"Working directory:
{Path.cwd()}
"
)
# same as os.getcwd()
# Working directory: /home/martin/some/path
Path.mkdir(Path.cwd() /
"new_dir"
, exist_ok=
True
)
# same as os.makedirs()
print(Path(
"README.md"
).resolve())
# same as os.path.abspath()
# /home/martin/some/path/README.md
print(Path.home())
# same as os.path.expanduser()
# /home/martin
有关 os.path 函数到 pathlib 中新函数的完整映射，请参阅 官方文档。
Secrets 而不是 OS
说到 os 模块，你应该停止使用的另一部分是 os.urandom。相反，你应该使用自 Python 3.6 以来可用的新秘密模块：
# 老方式:
import
os
length =
64
value = os.urandom(length)
print(
f"Bytes:
{value}
"
)
# Bytes: b'\xfa\xf3...\xf2\x1b\xf5\xb6'
print(
f"Hex:
{value.hex()}
"
)
# Hex: faf3cc656370e31a938e7...33d9b023c3c24f1bf5
# 新方式:
import
secrets
value = secrets.token_bytes(length)
print(
f"Bytes:
{value}
"
)
# Bytes: b'U\xe9n\x87...\x85>\x04j:\xb0'
value = secrets.token_hex(length)
print(
f"Hex:
{value}
"
)
# Hex: fb5dd85e7d73f7a08b8e3...4fd9f95beb08d77391
使用 os.urandom 实际上并不是这里的问题，引入secrets模块的原因是因为人们使用随机模块来生成密码等，即使随机模块不产生密码安全令牌。
根据文档，随机模块不应用于安全目的， 你应该使用 secrets 或 os.urandom，但 secrets 模块绝对更可取，因为它比较新，并且包含一些用于十六进制令牌的实用程序/便利方法以及 URL 安全令牌。
Zoneinfo 而不是 pytz
在 Python 3.9 之前，没有用于时区操作的内置库，所以每个人都在使用 pytz，但现在我们在标准库中有 zoneinfo，所以是时候切换了。
from
datetime
import
datetime
import
pytz
# pip install pytz
dt = datetime(
2022
,
6
,
4
)
nyc = pytz.timezone(
"America/New_York"
)
localized = nyc.localize(dt)
print(
f"Datetime:
{localized}
, Timezone:
{localized.tzname()}
, TZ Info:
{localized.tzinfo}
"
)
# 新方式:
from
zoneinfo
import
ZoneInfo
nyc = ZoneInfo(
"America/New_York"
)
localized = datetime(
2022
,
6
,
4
, tzinfo=nyc)
print(
f"Datetime:
{localized}
, Timezone:
{localized.tzname()}
, TZ Info:
{localized.tzinfo}
"
)
# Datetime: 2022-06-04 00:00:00-04:00, Timezone: EDT, TZ Info: America/New_York
datetime 模块将所有时区操作委托给抽象基类 datetime.tzinfo， 这个抽象基类需要一个具体的实现——在引入这个很可能来自 pytz 的模块之前。现在我们在标准库中有 zoneinfo，我们可以使用它。
然而，使用 zoneinfo 有一个警告——它假定系统上有可用的时区数据，UNIX 系统就是这种情况， 如果你的系统没有时区数据，那么你应该使用 tzdata 包，它是由 CPython 核心开发人员维护的第一方库，其中包含 IANA 时区数据库。
Dataclasses
Python 3.7 的一个重要补充是 dataclasses 包，它是 namedtuple 的替代品。
你可能想知道为什么需要替换 namedtuple？以下是你应该考虑切换到数据类的一些原因：
-
-
2、默认提供 repr、eq、init、hash 魔术方法，
-
-
4、支持继承。此外，数据类还支持 frozen 和 slots（从 3.10 开始）属性以提供与命名元组的特征奇偶校验。
切换真的不应该太难，因为你只需要更改定义：
# 老方式:
# from collections import namedtuple
from
typing
import
NamedTuple
import
sys
User = NamedTuple(
"User"
, [(
"name"
, str), (
"surname"
, str), (
"password"
, bytes)])
u = User(
"John"
,
"Doe"
,
b'tfeL+uD...\xd2'
)
print(
f"Size:
{sys.getsizeof(u)}
"
)
# Size: 64
# 新方式:
from
dataclasses
import
dataclass
@dataclass()
class
User
:
name: str
surname: str
password: bytes
u = User(
"John"
,
"Doe"
,
b'tfeL+uD...\xd2'
)
print(u)
# User(name='John', surname='Doe', password=b'tfeL+uD...\xd2')
print(
f"Size:
{sys.getsizeof(u)}
,
{sys.getsizeof(u) + sys.getsizeof(vars(u))}
"
)
# Size: 48, 152
在上面的代码中，我们还包含了大小比较，因为这是 namedtuple 和数据类之间的较大差异之一，如上所见，命名元组的大小要小得多，这是由于数据类使用 dict 来表示属性。
至于速度比较，除非你计划创建数百万个实例，否则属性的访问时间应该基本相同，或者不够重要：
import
timeit
setup =
'''
from typing import NamedTuple
User = NamedTuple("User", [("name", str), ("surname", str), ("password", bytes)])
u = User("John", "Doe", b'')
'''
print(
f"Access speed:
{min(timeit.repeat(
'u.name'
, setup=setup, number=
10000000
))}
"
)
# Access speed: 0.16838401100540068
setup =
'''
from dataclasses import dataclass
@dataclass(slots=True)
class User:
name: str
surname: str
password: bytes
u = User("John", "Doe", b'')
'''
print(
f"Access speed:
{min(timeit.repeat(
'u.name'
, setup=setup, number=
10000000
))}
"
)
# Access speed: 0.17728697300481144
如果以上内容说服了你打算切换到数据类，请尽快尝试吧
相反，如果你不想切换并且出于某种原因真的想使用命名元组，那么你至少应该使用键入模块而不是collections中的 NamedTuple：
# 不好方式的:
from
collections
import
namedtuple
Point = namedtuple(
"Point"
, [
"x"
,
"y"
])
# 更好的方式:
from
typing
import
NamedTuple
class
Point
(NamedTuple)
:
x: float
y: float
最后，如果你既不使用 namedtuple 也不使用数据类，你可能需要考虑直接使用 Pydantic。
Proper Logging 而不是 print
这不是标准库的最新添加，但值得使用 - 你应该使用正确的日志记录而不是打印语句， 如果你在本地调试问题，则可以使用 print，但对于任何无需用户干预即可运行的生产就绪程序，正确的日志记录是必须的。
特别是考虑到设置 Python 日志记录非常简单：
import
logging
logging.basicConfig(
filename=
'application.log'
,
level=logging.WARNING,
format=
'[%(asctime)s] {%(pathname)s:%(lineno)d} %(levelname)s - %(message)s'
,
datefmt=
'%H:%M:%S'
)
logging.error(
"Some serious error occurred."
)
# [12:52:35] {
:1} ERROR - Some serious error occurred.
logging.warning(
'Some warning.'
)
# [12:52:35] {
:1} WARNING - Some warning.
与打印语句相比，上面的简单配置将为你提供卓越的调试体验， 最重要的是，你可以进一步自定义日志库以记录到不同的位置、更改日志级别、自动轮换日志等。
f-strings 而不是 format
Python 包含很多格式化字符串的方法，包括 C 样式格式化、f 字符串、模板字符串或 .format 函数， 不过，其中之一 - f-strings - 格式化的字符串文字 ， 它们写起来更自然，可读性更强，并且是前面提到的选项中最快的。
因此，我认为没有必要争论或解释为什么要使用它们，然而，在某些情况下不能使用 f 字符串：
使用 % 格式的唯一原因是用于记录：
import
logging
things =
"something happened..."
