这几个Python库已经淘汰了，请不要再用了！

来源：网络

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：

1、它可以是可变的

2、默认提供 repr、eq、init、hash 魔术方法，

3、允许指定默认值，

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] {<stdin>:1} ERROR - Some serious error occurred.``logging.warning('Some warning.')``# [12:52:35] {<stdin>: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..."``   ``logger = logging.getLogger(__name__)``logger.error("Message: %s", things)  # 评估内部记录器方法``logger.error(f"Message: {things}")  # 立即评估

在上面的示例中，如果你使用 f 字符串，则表达式将立即计算，而使用 C 样式格式，替换将被推迟到实际需要时，这对于消息分组很重要，其中具有相同模板的所有消息都可以记录为一个， 这不适用于 f 字符串，因为模板在传递给记录器之前填充了数据。

此外，有些事情是 f-strings 根本无法做到的， 例如在运行时填充模板 - 即动态格式 - 这就是 f-strings 被称为文字字符串格式的原因：

# 动态设置模板及其参数``def func(tpl: str, param1: str, param2: str) -> str:`    `return tpl.format(param=param1, param2=param2)``   ``some_template = "First template: {param1}, {param2}"``another_template = "Other template: {param1} and {param2}"``print(func(some_template, "Hello", "World"))``print(func(another_template, "Hello", "Python"))``   ``# 动态重用具有不同参数的相同模板.``inputs = ["Hello", "World", "!"]``template = "Here's some dynamic value: {value}"``   ``for value in inputs:`    `print(template.format(value=value))

最重要的是，尽可能使用 f 字符串，因为它们更具可读性和更高性能，但请注意，在某些情况下仍然首选和/或需要其他格式样式。

Tomllib 而不是 tomli

TOML 是一种广泛使用的配置格式，对于 Python 的工具和生态系统尤其重要，因为它用于 pyproject.toml 配置文件， 到目前为止，你必须使用外部库来管理 TOML 文件，但是从 Python 3.11 开始，将有一个名为 tomllib 的内置库，它基于 toml 包。

所以，一旦你切换到 Python 3.11，你应该养成使用 import tomllib 而不是 import tomli 的习惯。少了一种需要担心的依赖！

# import tomli as tomllib``import tomllib``   ``with open("pyproject.toml", "rb") as f:`    `config = tomllib.load(f)`    `print(config)`    `# {'project': {'authors': [{'email': 'contact@martinheinz.dev',`    `#                           'name': 'Martin Heinz'}],`    `#              'dependencies': ['flask', 'requests'],`    `#              'description': 'Example Package',`    `#              'name': 'some-app',`    `#              'version': '0.1.0'}}``   ``toml_string = """``[project]``name = "another-app"``description = "Example Package"``version = "0.1.1"``"""``   ``config = tomllib.loads(toml_string)``print(config)``# {'project': {'name': 'another-app', 'description': 'Example Package', 'version': '0.1.1'}}

Setuptools 而不是 distutils

最后一个更像是弃用通知：

由于 Distutils 已弃用，因此同样不鼓励使用任何来自 distutils 的函数或对象，Setuptools 旨在替换或弃用所有此类用途。

是时候告别 distutils 包并切换到 setuptools 了，setuptools 文档提供了有关如何替换 distutils 用法的指导， 除此之外，PEP 632 还为 setuptools 未涵盖的部分 distutils 提供迁移建议。

以上就是“这几个Python库已经淘汰了，请不要再用了！”的全部内容，希望对你有所帮助。
​
​关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至优快云官方，朋友如果需要可以直接微信扫描下方优快云官方认证二维码免费领取【保证100%免费】。