前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python3.6的新特性f-string和新字典

Python3.6的新特性f-string和新字典

作者头像
andrew_a
发布2019-07-30 14:30:31
9860
发布2019-07-30 14:30:31
举报

应该大多数的写Python的都知道这个特性,所以这篇文章是给不知道的同学写的,知道的就跳过吧。

用Python3.6版本这么久了,竟然才知道有这么一个特别方便的特性

f-string, 上面是官方文档,我用翻译翻了一下

------

格式化的字符串文字以前缀'f'为的格式字符串为前缀,并且与之接受的格式字符串类似str.format()。它们包含由花括号包围的替换字段。替换字段是表达式,在运行时进行评估,然后使用format()协议进行格式化 :

--------

从字符串中提取的表达式在f字符串出现的上下文中计算。这意味着表达式可以完全访问本地和全局变量。可以使用任何有效的Python表达式,包括函数和方法调用。

更详细的文档可以看这里

代码语言:javascript
复制
https://docs.python.org/3.6/reference/lexical_analysis.html#f-strings

之前最常用的就是formatat或者%,如下:

代码语言:javascript
复制
sql = ("insert into student ("
       "id, name, gender, tall, weight)"
       "values("
       " '%s', '%s', '%s', '%s', '%s');" %(id,name,gender,tall,weight)
       )

只有5个字段的表,都要写这么冗余的%s,所以一旦字段很多,那么发生字符串拼接的错误概率就会变大。这样看来并不友好。。。

然后我们来试试新特性,使用方法就是f'{}'

代码语言:javascript
复制
res = requests.get(f'https://www.kugou.com/yy/html/search.html#searchType=song&searchKeyWord={keyword}')

你可以访问本地和全局变量,表达式,函数都可以,这样是不是爽多了

还有其他更多的用法:

看这篇文章:

代码语言:javascript
复制
https://mlln.cn/2018/05/19/python3%20f-string%E6%A0%BC%E5%BC%8F%E5%8C%96%E5%AD%97%E7%AC%A6%E4%B8%B2%E7%9A%84%E9%AB%98%E7%BA%A7%E7%94%A8%E6%B3%95/

这个就讲的很详细了,我就不写了。

在Python3.8中

翻译:

添加=说明符到f-strings。f'{expr=}'扩展到表达式的文本,等号,然后是已计算表达式的repr

所以在Python3.8中添加了=,之后就可以使用f-strings,做简单的调试,加上=之后会自动打印结果。

还有一个我觉得其实写代码都没有注意过的新特性就是,现在字典是有序的,而以前的字典是无序的

翻译:

该字典类型现在使用基于“紧凑”表示由雷蒙德的Hettinger提议 这是第一次由PyPy实现。dict()与Python 3.5相比,新内存的使用量减少了20%到25%。

这个新实现的顺序保留方面被认为是一个实现细节,不应该依赖(这可能会在未来发生变化,但是在更改语言规范之前,希望在几种版本的语言中使用这个新的dict实现为所有当前和未来的Python实现强制命令保留语义;这也有助于保持与随机迭代顺序仍然有效的语言的旧版本的向后兼容性,例如Python 3.5)。

具体为什么是有序,为什么速度快了,看这篇文章:

代码语言:javascript
复制
https://www.cnblogs.com/Fushengliangnian/p/11202915.html

参考链接:

代码语言:javascript
复制
1、https://docs.python.org/3.8/whatsnew/3.6.html
2、https://blog.csdn.net/s740556472/article/details/81111493
3、https://www.cnblogs.com/Fushengliangnian/p/11202915.htm
精彩推荐

机器学习&深度学习&人工智能资料

python基础资料

数据分析资料

数据分析 —numpy基础(三)

数据分析 — numpy基础(二)

数据分析 — numpy基础(一)

所有爬虫文章的归类

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-07-28,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Python爬虫scrapy 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 之前最常用的就是formatat或者%,如下:
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档