python3比较字符串差异_Python3: 我们不一样

(全文字数: 2300，阅读时间: 5分钟)

Python3和Python2之间的差别，是Python编程领域一个无法回避的话题。对于大部分Python爱好者来说，Python2是一个老朋友。相对来说，Python3则是一个新鲜一些的事物。

要问Python3到底新在哪里？网络上相关的博文汗牛充栋。但是随机阅读一些文章之后你会发现，它们几乎千篇一律地强调这些差异：print函数，除法运算符，unicode字符串等。

这些差异固然十分显著，但是它们并不是全部内容。对于Python3来说，仅仅强调这些差异是不公平的，并不能充分体现Python3的真实特点。最重要的是，了解这些差异，不足以让大家产生从Python2往Python3迁移的源动力。

事实上，Python3作为一个新事物，必然伴随着一批新特性。写这篇文章的目的，就是简要介绍若干Python3中重要新特性，引导大家客观认识Python3的强大功能。在此基础上，希望大家在开启新项目时，考虑真正代表Python的Python3，而不是无限期固守Python2。

字符串格式化新方式：f-string。字符串格式化是最基本的编程场景之一。传统的Python字符串格式化方式有两种：使用%操作符和使用str.format方法。

name, age = "Eric", 24# 方式1：使用%操作符print("Hello, %s. You are %s." % (name, age)) # 方式2: 使用str.format方法print("Hello, {}. You are {}.".format % (name, age)) 

这两种格式化方法共同的特点是可读性较差，并且易于出错，尤其在被格式化变量较多的情况下。Python 3.6提供了另外一种更简洁，更健壮，并且执行速度更快的字符串格式化方法：f-string:

name, age = "Eric", 24# 方式3(使用f-string方法)print(f"Hello, {name}. You are {age}.")

类型注解。大家知道，Python是一种动态类型编程语言。在定义变量时，不需要指定类型；只有运行时，变量才有类型，并且此时变量的类型由它此时的值的类型所决定。动态类型的好处是编程灵活，但其弊端是与静态类型相比，代码可读性较差。

为了提高Python程序可读性，从Python3.5开始，在定义变量时，可以指定变量所应该拥有的类型。这一功能被称为类型提示或者类型注解，示例如下：

# 无类型注解：定义变量name，初始值Ericname = "Eric"# 有类型注解：定义变量name，类型str, 初始值Ericname : str = "Eric" 

需要强调的是，类型注解只是提示变量应该具有某一类型，而不强制变量必须具备这种类型。也就是说，Python作为动态类型编程语言的本质并没有发生改变，而只是增加了与静态语言类似的，描述变量类型的方式。

类型注解除了包括变量类型注解，还包括函数注解。后者可以用来提示函数返回值应该具有的类型。例如下面程序中的"-> str"语法，说明函数naivesum返回值应该是str类型: 

def naivesum(a: str, b: str) -> str:    return a + b

除了基本类型，结合标准库中的typing模块，还可以为变量或函数返回值指定任意复杂类型。例如，下面的代码定义了一个类型是字符串数组的变量names:

from typing import Listnames: List[str] = ["alice", "bob"]

枚举。Python3.4中提供了对枚举类型的支持，并通过Enum类来实现。例如，定义Month类型的枚举类:

from enum import EnumMonth = Enum('Month', ('Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'))

可以直接使用Month.Jan来引用一个常量，或者枚举它的所有成员：

for name, member in Month.__members__.items():    print(name, '=>', member, ',', member.value)

这里value属性是自动赋给成员的int常量，默认从1开始计数。如果需要更精确地控制枚举类型，可以从Enum派生出自定义的类。还是比较灵活的。

数据类。Python是一种多范式的编程语言。面向对象编程是Python的重要范式之一。相比Python2，Python3对面向对象编程的支持更加全面。例如，从Python 3.7起，提供了全新的数据类(data class)。

什么是数据类呢？顾名思义，数据类就是类的属性以数据为主的类。基于全新的@dataclass装饰器创建数据类的示例如下:

from dataclasses import dataclass@dataclassclass DataClassCard:    rank: str    suit: str

而传统定义数据类的方式为：

class RegularCard    def __init__(self, rank, suit):        self.rank = rank        self.suit = suit

可以看到，仅仅在初始化函数中，每个数据属性，例如rank，就重复出现了三次，而基于数据类的实现，rank只需要出现一次即可。当然，数据类的优势绝不只在于语法更加简洁。除此之外，数据类的可读性和描述性更强，基于数据类的各种数据比较运算也更加直接。

异步IO。在Python性能或并发编程中，多线程，多进程，异步IO是常用的技术手段。对于文件读写，网络访问等IO密集型应用来说，异步IO带来的性能提升通常是最明显的。

Python2不支持异步IO，一般使用第三方库gevent，以打补丁(patch)的形式将同步库变换为异步库，从而实现异步IO。然而gevent的方式存在一系列弊端：并不是所有Python库都被能patch，问题调试困难，Windows支持力度有限等。

Python3.4则提供了原生的异步IO支持。具体来说，它提供了async/await两个新的关键字来定义协程。这里协程是Python异步IO中的基本调度单元。并且在标准库asyncio模块中，提供了执行和管理协程的一系列API。

异步IO编程是Python3的重要特性，并且这个特性在不断演进之中。从Python 3.4到Python 3.7，异步IO的功能越来越完善，围绕Python 异步IO的生态系统也日益丰富。例如，第三方库aiohttp提供了异步的HTTP客户端服务器框架，第三方库aioredis提供了异步访问Redis数据库的功能。

至此，我简要列举了一些Python3的新特性。大家可以看到，这些新特性出现在不同的Python3版本中。从2008年到现在，基本上每年Python3都会发布一个较大的版本(从Python3.1到Python3.7)，伴随而来的是层出不穷的新特性。本文列举的新特性，可以说只占很小一部分。

Python2最后一个大版本是2010年的Python2.7。根据Python社区的计划，从明年，即2020年开始Python2就停止维护了。在我看来，有没有官方维护，不一定是大家在舍弃Python2时的优先考虑因素。从Python2升级到Python3的主要动机，应当是拥抱Python3所能提供的新特性。

事实上，Python3不仅有许多新特性，而且官方支持力度大。更重要的，2008年至今，"十年磨一剑"，可以说Python3已经相当成熟了。对于历史遗留项目，继续使用Python2是没有问题的。但是，如果要开启一个全新的项目，为什么还不选择Python3呢？

推荐阅读:

Python lambda: 从入门到放弃

Python: 告别Print？