#### 1，考虑使用contextlib和with语句改写可复用的try/finally代码
>1. `with lock:print('lock is held')`相当于`try:print('lock is held')`，`finally:lock.release`，使用with可以避免繁琐的语句
>2. 开发者可以使用内置的contextlib模块的contextmanager修饰器来处理自己编写的对象和函数以支持with语句，这样做比标准写法更便捷，如果使用标准方式写，需要定义新类并提供__enter__和__exit__方法
> ```python
> from contextlib import contextmanager
>
> #上下文管理器
> @contextmanager
> def test():
> print("初始化")
> #可以在这里开启资源，如log等级上升
> try:
> print("with开始")
> #如果有错误会通过yield弹出
> yield
> finally:
> print("离开时释放资源")
>
> with test():
> print("go")
> ```
>3. 可以在yield处弹出一个对象，通过as指定为一个局部变量，在with内可以对其进行交互
#### 2，使用copyreg实现可靠的pickle操作
>1. python内置的pickle模块能将python对象转化为字节流，也能把字节反序列化为python对象，但pickle处理后的数据实际上就是一个程序，可能会混入恶意信息，对程序造成损坏，json产生的数据是一种安全的信息，只描述对象如何构成，不会造成额外风险，所以pickle处理的字节流不应该在未受信任的程序之间传播
>2. 例如定义一个`GameState`类，实例化为对象`state=GameState()`包含玩家的当前游戏状态，生命，金币等等，玩家退出游戏的时候，将state直接写到一份文件里，游戏加载时读取
> ```python
> with open(path,'wb') as f:
> pickle.dump(state,f)
>
> with open(path,'rb') as f:
> state_after=pickle.load(f)
> print(state_after.__dict__)
> ```
>3. 如果类新增加了一些属性，但保存的对象仍然是旧的，那就需要使用copyreg了，先将类添加一个`__init__`构造器，通过传参的方式初始化属性，然后使用如下代码注册函数，序列化和反序列化仍然按照原来的方式使用即可
> ```python
> def unpickle_game_state(kwargs):
> return GameState(**kwargs)#返回State实例化
>
> def pickle_game_state(game_state):#参数为State对象
> kwargs=game_state.__dict__#获取其属性
>
> #序列化封装需要返回反序列化的函数和参数
> return unpickle_game_state,(kwargs,)
>
> copyreg.pickle(GameState,pickle_game_state)#注册pickle函数
> ```
>4. 使用版本号管理类，修改copyreg注册的pickle函数，在里面添加一个版本号的参数`kwargs['version]=2`，然后在反序列化函数中根据版本号对其进行操作，即可兼容版本
>5. 固定引入路径，若重构时，将类名修改或删除，那么反序列化的时候会出错，使用copyreg.pickle注册后，会自动指向unpickle函数，所以不用担心修改类名的问题，但如果没有使用copyreg注册，那么修改类名后反序列化就会报错
#### 4，使用datetime模块处理本地时间而不是time模块
>1. time模块，内置的time模块中有一个名叫localtime的函数，可以把UNIX时间戳(timestamp即UTC时刻距离UNIX计时原点的秒数)转换为宿主计算机时区的当地时间，这个模块不够稳定，只能转换主机时区的时间，其它地区会出错，应该尽量不用，而是使用datetime模块
> ```python
> from time import localtime,strftime,strptime,mktime
> time_format='%Y-%m-%d %H:%M:%S'
> time_str=strftime(time_format,localtime(1407694710))
> #将时间戳转换为当地时间
> print(time_str)
>
> #将本地时间转化为UTC时间
> #strptime解析时间字符串,mktime将本地时间转换为UNIX时间戳
> print(mktime(strptime(strptime(time_str,time_format))))
> ```
>2. datetime模块
> ```python
> from datetime import datetime,timezone
> from time import mktime
>
> #UTC时间转本地时间
> now=datetime(2014,8,10,18,18,30)
> now_utc=now.replace(tzinfo=timezone.utc)
> #注意此处若想可靠的转换时区，还需要搭配pytz模块
> now_local=now_utc.astimezone()#此处只包含UTC时区
> print(now_local)
>
> #本地时间转UTC格式时间戳
> time_str='2014-08-10 11:18:30'
> time_format='%Y-%m-%d %H:%M:%S'
> now=datetime.strptime(time_str,time_format)
> time_tuple=now.timetuple()
> utc_now=mktime(time_tuple)
> print(time_tuple)
> ```
>3. 若要在不同时区之间执行可靠的转换操作，还需要搭配pytz模块使用
#### 5，内置的数据结构与算法 (开发者不应该自己去重新实现，因为很难把他们写好)
>1. 双向队列，collections模块中的deque类，从该队列头部与尾部插入或移除一个元素，只有O(1)的时间复杂度
> ```python
> d=deque()
> d.append(1)
> x=d.popleft()
> ```
>2. 有序字典，collections模块中的OrderedDict类，它能够按照键的插入顺序，保留键值对在字典中的次序。标准字典是无序的，也就是说，在相同键值对的两个字典上迭代可能出现不同的迭代顺序
> ```python
> a=OrderedDict()
> a['x']=1
> ```
>3. 默认值字典，collections模块中的defaultdict类，本例中用int函数创建字典，默认值为0
> ```python
> stats=defaultdict()
> stats['my_counter']+=1
> ```
>4. 堆队列（优先队列），heapq模块中的heappush、heappop和nsmallest等函数，能够在标准的list中创建堆结构，时间复杂度O(logn)，普通列表O(n)
> ```python
> a=[]
> heappush(a,5)
> heappush(a,3)
> heappush(a,7)
> heappush(a,4)
> #总是能弹出优先级较高的元素，
> #默认是越小元素优先级越高
> print(heappop(a))
> #即使调用sort后依然能保持堆结构
> a.sort()
> ```
>5. 二分查找，bisect模块中的bisect_left函数，使用Index查找复杂度为O(n)，二分为O(logn)，注意：使用前列表应排好序，bisect搜索一百万个元素的列表，与index搜索包含14个元素的列表，所耗时间差不多
> ```python
> i_index = bisect_left(alist,number)
> ```
>6. 与迭代器有关的工具，itertools模块，可分为三大类
>>♦ 能够把迭代器连接起来的函数：
>>- chain：将多个迭代器按顺序连成一个迭代器
>>- cycle：无限重复某个迭代器中的各个元素
>>- tee：把一个迭代器拆分成多个平行的迭代器
>>- zip_longest：与内置的zip函数相似，可以应对不同长度的迭代器
>>♦ 能够从迭代器中过滤元素的函数：
>>- islice：在不复制的前提下，根据索引值来切割迭代器获取迭代器的一部分
>>- takewhile：在判定函数为True的时候，从迭代器逐个返回元素
>>- dropwhile：从判定函数初次为False的地方开始，逐个返回迭代器中的元素
>>- filterfalse：从迭代器中逐个返回能令判定函数为False的所有元素，效果与filter函数相反
>>♦ 能够把迭代器中的元素组合起来的函数：
>>- product：根据迭代器中的元素计算笛卡尔积（就是x*y），并返回。可以使用product改写深度嵌套的列表推导操作
>>- permutations：用迭代器中的元素构建长度为N的有序排列，例：`permutations('ABCD',2) # AB AC AD BA BC BD CA CB CD DA DB DC`
>>- combination：用迭代器中的元素构建长度为N的无序组合，例：`combinations('ABCD', 2) # AB AC AD BC BD CD`
>备注：如果发现自己需要编写一段非常麻烦的迭代程序，应该花些时间看看itertools的文档看看有没有现成的工具可以用
#### 6，在重视精度的场合，使用decimal模块中的Decimal类，该类默认提供28个小数位，以进行定点数学运算，有需要可以把精度提的更高
>1. `dec=Decimal('1.45')`在decimal之间进行计算会得到精确的结果,计算后的类型仍然是Decimal类型，`print(dec)`
>2. Decimal类提供quantize内置函数，它可以按照精度和舍入方式精确的调整数值`result=dec.quantize(Decimal('0.01'),rounding=ROUND_UP)`，`print(result)`
>3. 若要使用精度不受限的方式表达有理数，那么可以考虑使用Fraction类，包含在内置的fractions模块里
#### 7，学会使用pypi，Python中央仓库：http://pypi.python.org
>1. 如果碰到不熟悉的编程难题，应该去PyPI里看看别人的代码
>2. pip3安装python3版本的软件包，pip安装python2版本的软件包
