写 Python 脚本，麻烦常来自顺手写法。字符串拼路径。循环里判断 key 在不在。读整个文件再过滤。手写类只装两三个字段。代码能跑。改动时费劲。换一种写法。代码行数少。数据流直。下面这些技巧来自日常脚本。不追求语法花样。只解决重复动作。

路径处理先用 pathlib。字符串拼目录分隔符，Windows 和 Linux 表现不同。Path 对象用 / 拼路径。rglob 找文件。看这个统计日志行数的函数。

from pathlib import Path  def count_lines(root: str) -> int:     total = 0     for path in Path(root).rglob('*.log'):         with path.open(encoding='utf-8') as f:             total += sum(1 for _ in f)     return total

rglob 返回生成器。文件一个一个遍历。sum(1 for _ in f) 不建行列表。大文件也只占一行内存。编码写明白。读文件出错就让调用方看到。函数不藏异常。

大文件逐行筛选用生成器。readlines 会把整个文件拉进列表。文件一大，内存就顶上去。写一个只产筛选行的函数。

def pick(lines, word):     for line in lines:         if word in line:             yield line.rstrip('\n')

调用时把文件对象传进去。pick 不知道文件从哪来。它只负责筛选。rstrip 只去行尾换行。多个筛选条件可以接多个生成器。每一层只做一件事。管道式写法读起来顺。

计数别写 if key not in d。defaultdict 能省一层判断。按状态码统计。

from collections import defaultdict  def count_status(lines):     stats = defaultdict(int)     for line in lines:         if not line.strip():             continue         code = line.split()[0]         stats[code] += 1     return dict(stats)

defaultdict(int) 遇到新 key 先给 0。+= 直接累加。返回普通 dict。调用方拿到结果后不会误加新 key。空行先跳过。split()[0] 前要保证行里有内容。这个检查放在循环里。边界写清楚。

只装字段的类用 dataclass。手写 __init__、__repr__、__eq__ 容易漏。配置对象用 frozen。字段不改。slots 限制属性。内存也少一点。

from dataclasses import dataclass  @dataclass(frozen=True, slots=True) class Result:     name: str     count: int     ok: bool

frozen 让对象构造后只读。slots 需要 Python 3.10 以上。字段类型写出来。编辑器能提示。值对象适合这样写。带行为的类另说。别为了省事把所有类都套 dataclass。

已知异常用 suppress 包住。删临时文件常遇到文件不存在。try/except/pass 占四行。suppress 一行。

from contextlib import suppress from pathlib import Path  with suppress(FileNotFoundError):     Path('tmp.txt').unlink()

suppress 只包住预期异常。范围要小。别把大段逻辑塞进去。异常被吞掉，排查会难。这里只处理删文件。文件不存在就继续。其他错误照常抛出。

两个列表一起遍历，长度不一致会悄悄少数据。zip(strict=True) 直接报错。Python 3.10 起可用。

names = ['a', 'b'] scores = [90, 80] for name, score in zip(names, scores, strict=True):     print(name, score)

长度不同抛 ValueError。错误早出现。别用下标手写循环。zip 读起来直。strict 参数把隐患变成显式错误。数据对齐的场景适合。不需要对齐就别加 strict。

按类型分派用 singledispatch。一长串 isinstance 会越写越长。加新类型要改主函数。注册函数分开写。

from functools import singledispatch  @singledispatch def show(value):     return str(value)  @show.register def _(value: list):     return ', '.join(map(str, value))

默认实现处理常见值。list 单独注册。新类型再加一个注册函数。主函数不动。注册函数用下划线命名。类型注解决定分派。运行时分派看实际类型。子类也会匹配。需要精确匹配时另写判断。

取前几名不要全排序。heapq.nlargest 只维护 n 个候选。数据多时省时间。

import heapq  def top_words(counter, n=3):     return heapq.nlargest(n, counter.items(), key=lambda item: item[1])

counter 可以是 dict。items 给键值对。key 取第二项。返回列表。n 小效果好。n 接近数据量时排序更直接。看数据规模选。别背技巧。看场景。

有序列表插入用 bisect.insort。每次 append 再 sort 会重复排序。insort 找到位置插进去。列表保持有序。

from bisect import insort  nums = [1, 3, 5] insort(nums, 4) print(nums)

插入成本在搬元素。列表小、插入频繁时好用。查找用 bisect_left。数据量大、插入多，考虑别的结构。工具都有边界。选之前看操作比例。

命令解析用 argparse 子命令绑函数。if args.cmd == 'build' 会越堆越多。set_defaults 把函数挂到参数上。

import argparse  def build(args):     print('build', args.name)  def clean(args):     print('clean', args.name)  parser = argparse.ArgumentParser() sub = parser.add_subparsers(required=True)  p = sub.add_parser('build') p.add_argument('name') p.set_defaults(func=build)  p = sub.add_parser('clean') p.add_argument('name') p.set_defaults(func=clean)  args = parser.parse_args() args.func(args)

每个子命令一个函数。主流程只剩 args.func(args)。加命令不改分发代码。required=True 让空命令直接报错。参数校验交给 argparse。函数只处理业务。

这些写法有一个共同点。让数据流短。让边界显式。让异常只出现在该出现的地方。Python 的语法够用。关键是别把临时写法留成长期结构。挑一个今天能用的技巧。放进手头脚本。跑一遍。看行数和改动点。你会知道值不值。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。