标签:probe 回车符 zip lob 接口 doc name unicode 参数
几乎所有的Python 2程序都需要一些修改才能正常地运行在Python 3的环境下。为了简化这个转换过程,Python 3自带了一个叫做2to3
的实用脚本(Utility Script),这个脚本会将你的Python 2程序源文件作为输入,然后自动将其转换到Python 3的形式。案例研究:将chardet
移植到Python 3(porting chardet to Python 3)描述了如何运行这个脚本,然后展示了一些它不能自动修复的情况。这篇附录描述了它能够自动修复的内容。
print
语句#在Python 2里,print
是一个语句。无论你想输出什么,只要将它们放在print
关键字后边就可以。在Python 3里,print()
是一个函数。就像其他的函数一样,print()
需要你将想要输出的东西作为参数传给它。
Notes | Python 2 | Python 3 |
---|---|---|
① | print |
print() |
② | print 1 |
print(1) |
③ | print 1,2 |
print(1,2) |
④ | print 1,2, |
print(1,2, end=‘ ‘) |
⑤ | print >>sys.stderr,1, 2, 3 |
print(1,2, 3, file=sys.stderr) |
print()
。print()
的一个参数就可以了。print()
即可。print
语句的结尾,它将会用空格分隔输出的结果,然后在输出一个尾随的空格(trailing space),而不输出回车(carriage return)。在Python 3里,通过把end=‘ ‘
作为一个关键字参数传给print()
可以实现同样的效果。参数end
的默认值为‘\n‘
,所以通过重新指定end
参数的值,可以取消在末尾输出回车符。>>pipe_name
语法,把输出重定向到一个管道,比如sys.stderr
。在Python 3里,你可以通过将管道作为关键字参数file
的值传递给print()
来完成同样的功能。参数file
的默认值为std.stdout
,所以重新指定它的值将会使print()
输出到一个另外一个管道。Python 2有两种字符串类型:Unicode字符串和非Unicode字符串。Python 3只有一种类型:Unicode字符串(Unicode strings)。
Notes | Python 2 | Python 3 |
---|---|---|
① | u‘PapayaWhip‘ |
‘PapayaWhip‘ |
② | ur‘PapayaWhip\foo‘ |
r‘PapayaWhip\foo‘ |
unicode()
#Python 2有两个全局函数可以把对象强制转换成字符串:unicode()
把对象转换成Unicode字符串,还有str()
把对象转换为非Unicode字符串。Python 3只有一种字符串类型,Unicode字符串,所以str()
函数即可完成所有的功能。(unicode()
函数在Python 3里不再存在了。)
Notes | Python 2 | Python 3 |
---|---|---|
unicode(anything) |
str(anything) |
long
长整型#Python 2有为非浮点数准备的int
和long
类型。int
类型的最大值不能超过sys.maxint
,而且这个最大值是平台相关的。可以通过在数字的末尾附上一个L
来定义长整型,显然,它比int
类型表示的数字范围更大。在Python 3里,只有一种整数类型int
,大多数情况下,它很像Python 2里的长整型。由于已经不存在两种类型的整数,所以就没有必要使用特殊的语法去区别他们。
Notes | Python 2 | Python 3 |
---|---|---|
① | x =1000000000000L |
x =1000000000000 |
② | x =0xFFFFFFFFFFFFL |
x =0xFFFFFFFFFFFF |
③ | long(x) |
int(x) |
④ | type(x)is long |
type(x)is int |
⑤ | isinstance(x,long) |
isinstance(x,int) |
long()
函数也没有了。为了强制转换一个变量到整型,可以使用int()
函数。int
类型(不是long
)的作比较。isinstance()
函数来检查数据类型;再强调一次,使用int
,而不是long
,来检查整数类型。Python 2支持<>
作为!=
的同义词。Python 3只支持!=
,不再支持<>了。
Notes | Python 2 | Python 3 |
---|---|---|
① | if x <> y: |
if x != y: |
② | if x <> y<> z: |
if x != y!= z: |
has_key()
#在Python 2里,字典对象的has_key()
方法用来测试字典是否包含特定的键(key)。Python 3不再支持这个方法了。你需要使用in
运算符。
Notes | Python 2 | Python 3 |
---|---|---|
① | a_dictionary.has_key(‘PapayaWhip‘) |
‘PapayaWhip‘ in a_dictionary |
② | a_dictionary.has_key(x)or a_dictionary.has_key(y) |
x in a_dictionaryor y in a_dictionary |
③ | a_dictionary.has_key(xor y) |
(x or y)in a_dictionary |
④ | a_dictionary.has_key(x+ y) |
(x + y)in a_dictionary |
⑤ | x + a_dictionary.has_key(y) |
x +(y in a_dictionary) |
or
的优先级高于运算符in
,所以这里不需要添加括号。or
的优先级大于in
,这里需要添加括号。(注意:这里的代码与前面那行完全不同。Python会先解释x or y
,得到结果x(如果x在布尔上下文里的值是真)或者y。然后Python检查这个结果是不是a_dictionary的一个键。)in
的优先级大于运算符+
,所以代码里的这种形式从技术上说不需要括号,但是2to3
还是添加了。in
的优先级大于+
。在Python 2里,许多字典类方法的返回值是列表。其中最常用方法的有keys
,items
和values
。在Python 3里,所有以上方法的返回值改为动态视图(dynamic view)。在一些上下文环境里,这种改变并不会产生影响。如果这些方法的返回值被立即传递给另外一个函数,并且那个函数会遍历整个序列,那么以上方法的返回值是列表或者视图并不会产生什么不同。在另外一些情况下,Python 3的这些改变干系重大。如果你期待一个能被独立寻址元素的列表,那么Python 3的这些改变将会使你的代码卡住(choke),因为视图(view)不支持索引(indexing)。
Notes | Python 2 | Python 3 |
---|---|---|
① | a_dictionary.keys() |
list(a_dictionary.keys()) |
② | a_dictionary.items() |
list(a_dictionary.items()) |
③ | a_dictionary.iterkeys() |
iter(a_dictionary.keys()) |
④ | [i for iin a_dictionary.iterkeys()] |
[i for iin a_dictionary.keys()] |
⑤ | min(a_dictionary.keys()) |
no change |
list()
函数将keys()
的返回值转换为一个静态列表,出于安全方面的考量,2to3
可能会报错。这样的代码是有效的,但是对于使用视图来说,它的效率低一些。你应该检查转换后的代码,看看是否一定需要列表,也许视图也能完成同样的工作。items()
方法的)到列表的转换。2to3
对values()
方法返回值的转换也是一样的。iterkeys()
了。如果必要,使用iter()
将keys()
的返回值转换成为一个迭代器。2to3
能够识别出iterkeys()
方法在列表解析里被使用,然后将它转换为Python 3里的keys()
方法(不需要使用额外的iter()
去包装其返回值)。这样是可行的,因为视图是可迭代的。2to3
也能识别出keys()
方法的返回值被立即传给另外一个会遍历整个序列的函数,所以也就没有必要先把keys()
的返回值转换到一个列表。相反的,min()
函数会很乐意遍历视图。这个过程对min()
,max()
,sum()
,list()
,tuple()
,set()
,sorted()
,any()
和all()
同样有效。从Python 2到Python 3,标准库里的一些模块已经被重命名了。还有一些相互关联的模块也被组合或者重新组织,以使得这种关联更有逻辑性。
http
#在Python 3里,几个相关的HTTP模块被组合成一个单独的包,即http
。
Notes | Python 2 | Python 3 |
---|---|---|
① | import httplib |
import http.client |
② | import Cookie |
import http.cookies |
③ | import cookielib |
import http.cookiejar |
④ |
|
import http.server |
http.client
模块实现了一个底层的库,可以用来请求HTTP资源,解析HTTP响应。http.cookies
模块提供一个蟒样的(Pythonic)接口来获取通过HTTP头部(HTTP header)Set-Cookie发送的cookieshttp.cookiejar
模块可以操作这些文件。http.server
模块实现了一个基本的HTTP服务器urllib
#Python 2有一些用来分析,编码和获取URL的模块,但是这些模块就像老鼠窝一样相互重叠。在Python 3里,这些模块被重构、组合成了一个单独的包,即urllib
。
Notes | Python 2 | Python 3 |
---|---|---|
① | import urllib |
import urllib.request, urllib.parse, urllib.error |
② | import urllib2 |
import urllib.request, urllib.error |
③ | import urlparse |
import urllib.parse |
④ | import robotparser |
import urllib.robotparser |
⑤ |
|
|
⑥ |
|
|
urllib
模块有各种各样的函数,包括用来获取数据的urlopen()
,还有用来将URL分割成其组成部分的splittype()
,splithost()
和splituser()
函数。在新的urllib
包里,这些函数被组织得更有逻辑性。2to3将会修改这些函数的调用以适应新的命名方案。urllib2
模块被并入了urllib
包。同时,以urllib2
里各种你最喜爱的东西将会一个不缺地出现在Python 3的urllib
模块里,比如build_opener()
方法,Request
对象,HTTPBasicAuthHandler
和friends。urllib.parse
模块包含了原来Python 2里urlparse
模块所有的解析函数。urllib.robotparse
模块解析robots.txt
文件。FancyURLopener
类在Python 3里的urllib.request
模块里依然有效。urlencode()
函数已经被转移到了urllib.parse
里。Request
对象在urllib.request
里依然有效,但是像HTTPError
这样的常量已经被转移到了urllib.error
里。我是否有提到2to3
也会重写你的函数调用?比如,如果你的Python 2代码里导入了urllib
模块,调用了urllib.urlopen()
函数获取数据,2to3
会同时修改import
语句和函数调用。
Notes | Python 2 | Python 3 |
---|---|---|
|
|
dbm
#所有的DBM克隆(DBM clone)现在在单独的一个包里,即dbm
。如果你需要其中某个特定的变体,比如GNUDBM,你可以导入dbm
包中合适的模块。
Notes | Python 2 | Python 3 |
---|---|---|
import dbm |
import dbm.ndbm |
|
import gdbm |
import dbm.gnu |
|
import dbhash |
import dbm.bsd |
|
import dumbdbm |
import dbm.dumb |
|
|
import dbm |
xmlrpc
#XML-RPC是一个通过HTTP协议执行远程RPC调用的轻重级方法。一些XML-RPC客户端和XML-RPC服务端的实现库现在被组合到了独立的包,即xmlrpc
。
Notes | Python 2 | Python 3 |
---|---|---|
import xmlrpclib |
import xmlrpc.client |
|
|
import xmlrpc.server |
Notes | Python 2 | Python 3 |
---|---|---|
① |
|
import io |
② |
|
import pickle |
③ | import __builtin__ |
import builtins |
④ | import copy_reg |
import copyreg |
⑤ | import Queue |
import queue |
⑥ | import SocketServer |
import socketserver |
⑦ | import ConfigParser |
import configparser |
⑧ | import repr |
import reprlib |
⑨ | import commands |
import subprocess |
cStringIO
导入作为StringIO
的替代,如果失败了,再导入StringIO
。不要在Python 3里这样做;io
模块会帮你处理好这件事情。它会找出可用的最快实现方法,然后自动使用它。pickle
实现也是一个与上边相似的能用方法。在Python 3里,pickle
模块会自动为你处理,所以不要再这样做。builtins
模块包含了在整个Python语言里都会使用的全局函数,类和常量。重新定义builtins
模块里的某个函数意味着在每处都重定义了这个全局函数。这听起来很强大,但是同时也是很可怕的。copyreg
模块为用C语言定义的用户自定义类型添加了pickle
模块的支持。queue
模块实现一个生产者消费者队列(multi-producer, multi-consumer queue)。socketserver
模块为实现各种socket server提供了通用基础类。configparser
模块用来解析INI-style配置文件。reprlib
模块重新实现了内置函数repr()
,并添加了对字符串表示被截断前长度的控制。subprocess
模块允许你创建子进程,连接到他们的管道,然后获取他们的返回值。包是由一组相关联的模块共同组成的单个实体。在Python 2的时候,为了实现同一个包内模块的相互引用,你会使用import foo
或者from foo import Bar
。Python 2解释器会先在当前目录里搜索foo.py
,然后再去Python搜索路径(sys.path
)里搜索。在Python 3里这个过程有一点不同。Python 3不会首先在当前路径搜索,它会直接在Python的搜索路径里寻找。如果你想要包里的一个模块导入包里的另外一个模块,你需要显式地提供两个模块的相对路径。
假设你有如下包,多个文件在同一个目录下:
chardet/ | +--__init__.py | +--constants.py | +--mbcharsetprober.py | +--universaldetector.py
现在假设universaldetector.py
需要整个导入constants.py
,另外还需要导入mbcharsetprober.py
的一个类。你会怎样做?
Notes | Python 2 | Python 3 |
---|---|---|
① | import constants |
from .import constants |
② | from mbcharsetproberimport MultiByteCharSetProber |
from .mbcharsetproberimport MultiByteCharsetProber |
from . import
语法。这里的句号(.)即表示当前文件(universaldetector.py
)和你想要导入文件(constants.py
)之间的相对路径。在这个样例中,这两个文件在同一个目录里,所以使用了单个句号。你也可以从父目录(from .. import anothermodule
)或者子目录里导入。mbcharsetprober.py
与universaldetector.py
在同一个目录里,所以相对路径名就是一个句号。你也可以从父目录(from .. import anothermodule)或者子目录里导入。next()
#在Python 2里,迭代器有一个next()
方法,用来返回序列里的下一项。在Python 3里这同样成立,但是现在有了一个新的全局的函数next()
,它使用一个迭代器作为参数。
Notes | Python 2 | Python 3 |
---|---|---|
① | anIterator.next() |
next(anIterator) |
② | a_function_that_returns_an_iterator().next() |
next(a_function_that_returns_an_iterator()) |
③ |
|
|
④ |
|
no change |
⑤ |
|
|
next()
方法,现在你将迭代器自身作为参数传递给全局函数next()
。next()
函数。(2to3
脚本足够智能以正确执行这种转换。)__next__()
来实现。next()
,它使用一个或者多个参数,2to3
执行的时候不会动它。这个类不能被当作迭代器使用,因为它的next()
方法带有参数。next()
。在这种情况下,你需要调用迭代器的特别方法__next__()
来获取序列里的下一个元素。(或者,你也可以重构代码以使这个本地变量的名字不叫next,但是2to3不会为你做这件事。)filter()
#在Python 2里,filter()
方法返回一个列表,这个列表是通过一个返回值为True
或者False
的函数来检测序列里的每一项得到的。在Python 3里,filter()
函数返回一个迭代器,不再是列表。
Notes | Python 2 | Python 3 |
---|---|---|
① | filter(a_function, a_sequence) |
list(filter(a_function, a_sequence)) |
② | list(filter(a_function, a_sequence)) |
no change |
③ | filter(None, a_sequence) |
[i for iin a_sequence if i] |
④ | for i in filter(None, a_sequence): |
no change |
⑤ | [i for iin filter(a_function, a_sequence)] |
no change |
2to3
会用一个list()
函数来包装filter()
,list()
函数会遍历它的参数然后返回一个列表。filter()
调用已经被list()
包裹,2to3
不会再做处理,因为这种情况下filter()
的返回值是否是一个迭代器是无关紧要的。filter(None, ...)
这种特殊的语法,2to3
会将这种调用从语法上等价地转换为列表解析。for
循环会遍历整个序列,所以没有必要再做修改。filter()
返回一个迭代器,它仍能像以前的filter()
返回列表那样正常工作。map()
#跟filter()
作的改变一样,map()
函数现在返回一个迭代器。(在Python 2里,它返回一个列表。)
Notes | Python 2 | Python 3 |
---|---|---|
① | map(a_function,‘PapayaWhip‘) |
list(map(a_function,‘PapayaWhip‘)) |
② | map(None,‘PapayaWhip‘) |
list(‘PapayaWhip‘) |
③ | map(lambda x: x+1, range(42)) |
[x+1for x in range(42)] |
④ | for i in map(a_function, a_sequence): |
no change |
⑤ | [i for iin map(a_function, a_sequence)] |
no change |
filter()
的处理,在最简单的情况下,2to3
会用一个list()
函数来包装map()
调用。map(None, ...)
语法,跟filter(None, ...)
类似,2to3
会将其转换成一个使用list()
的等价调用map()
的第一个参数是一个lambda函数,2to3
会将其等价地转换成列表解析。for
循环,不需要做改变。map()
的返回值是迭代器而不是列表它也能正常工作。reduce()
#在Python 3里,reduce()
函数已经被从全局名字空间里移除了,它现在被放置在fucntools
模块里。
Notes | Python 2 | Python 3 |
---|---|---|
reduce(a, b, c) |
|
apply()
#Python 2有一个叫做apply()
的全局函数,它使用一个函数f和一个列表[a, b, c]
作为参数,返回值是f(a, b, c)
。你也可以通过直接调用这个函数,在列表前添加一个星号(*)作为参数传递给它来完成同样的事情。在Python 3里,apply()
函数不再存在了;必须使用星号标记法。
Notes | Python 2 | Python 3 |
---|---|---|
① | apply(a_function, a_list_of_args) |
a_function(*a_list_of_args) |
② | apply(a_function, a_list_of_args, a_dictionary_of_named_args) |
a_function(*a_list_of_args,**a_dictionary_of_named_args) |
③ | apply(a_function, a_list_of_args+ z) |
a_function(*a_list_of_args+ z) |
④ | apply(aModule.a_function, a_list_of_args) |
aModule.a_function(*a_list_of_args) |
[a, b, c]
一样)前添加一个星号来调用函数。这跟Python 2里的apply()
函数是等价的。apply()
函数实际上可以带3个参数:一个函数,一个参数列表,一个字典命名参数(dictionary of named arguments)。在Python 3里,你可以通过在参数列表前添加一个星号(*
),在字典命名参数前添加两个星号(**
)来达到同样的效果。+
在这里用作连接列表的功能,它的优先级高于运算符*
,所以没有必要在a_list_of_args + z
周围添加额外的括号。2to3
脚本足够智能来转换复杂的apply()
调用,包括调用导入模块里的函数。intern()
#在Python 2里,你可以用intern()
函数作用在一个字符串上来限定(intern)它以达到性能优化。在Python 3里,intern()
函数被转移到sys
模块里了。
Notes | Python 2 | Python 3 |
---|---|---|
intern(aString) |
sys.intern(aString) |
exec
语句#就像print
语句在Python 3里变成了一个函数一样,exec
语句也是这样的。exec()
函数使用一个包含任意Python代码的字符串作为参数,然后就像执行语句或者表达式一样执行它。exec()
跟eval()
是相似的,但是exec()
更加强大并更具有技巧性。eval()
函数只能执行单独一条表达式,但是
能够执行多条语句,导入(import),函数声明 — 实际上整个Python程序的字符串表示也可以。exec
()
Notes | Python 2 | Python 3 |
---|---|---|
① | exec codeString |
exec(codeString) |
② | exec codeString in a_global_namespace |
exec(codeString, a_global_namespace) |
③ | exec codeString in a_global_namespace, a_local_namespace |
exec(codeString, a_global_namespace, a_local_namespace) |
exec()
现在是一个函数,而不是语句,2to3
会把这个字符串形式的代码用括号围起来。exec
语句可以指定名字空间,代码将在这个由全局对象组成的私有空间里执行。Python 3也有这样的功能;你只需要把这个名字空间作为第二个参数传递给exec()
函数。exec
语句还可以指定一个本地名字空间(比如一个函数里声明的变量)。在Python 3里,exec()
函数也有这样的功能。execfile
语句#就像以前的exec
语句,Python 2里的execfile
语句也可以像执行Python代码那样使用字符串。不同的是exec
使用字符串,而execfile
则使用文件。在Python 3里,execfile
语句已经被去掉了。如果你真的想要执行一个文件里的Python代码(但是你不想导入它),你可以通过打开这个文件,读取它的内容,然后调用compile()
全局函数强制Python解释器编译代码,然后调用新的exec()
函数。
Notes | Python 2 | Python 3 |
---|---|---|
execfile(‘a_filename‘) |
exec(compile(open(‘a_filename‘).read(),‘a_filename‘,‘exec‘)) |
repr
(反引号)#在Python 2里,为了得到一个任意对象的字符串表示,有一种把对象包装在反引号里(比如`x`
)的特殊语法。在Python 3里,这种能力仍然存在,但是你不能再使用反引号获得这种字符串表示了。你需要使用全局函数repr()
。
Notes | Python 2 | Python 3 |
---|---|---|
① | `x` |
repr(x) |
② | `‘PapayaWhip‘ + `2`` |
repr(‘PapayaWhip‘+ repr(2)) |
repr()
函数可以使用任何类型的参数。2to3
足够智能以将这种嵌套调用转换到repr()
函数。try...except
语句#从Python 2到Python 3,捕获异常的语法有些许变化。
Notes | Python 2 | Python 3 |
---|---|---|
① |
|
|
② |
|
|
③ |
|
no change |
④ |
|
no change |
as
。as
也可以用在一次捕获多种类型异常的情况下。?在导入模块(或者其他大多数情况)的时候,你绝对不应该使用这种方法(指以上的fallback)。不然的话,程序可能会捕获到像
KeyboardInterrupt
(如果用户按Ctrl-C来中断程序)这样的异常,从而使调试变得更加困难。
raise
语句#Python 3里,抛出自定义异常的语法有细微的变化。
Notes | Python 2 | Python 3 |
---|---|---|
① | raise MyException |
unchanged |
② | raise MyException,‘error message‘ |
raise MyException(‘error message‘) |
③ | raise MyException,‘error message‘, a_traceback |
raise MyException(‘error message‘).with_traceback(a_traceback) |
④ | raise ‘error message‘ |
unsupported |
2to3
将会警告你它不能自动修复这种语法。throw
方法#在Python 2里,生成器有一个throw()
方法。调用a_generator.throw()
会在生成器被暂停的时候抛出一个异常,然后返回由生成器函数获取的下一个值。在Python 3里,这种功能仍然可用,但是语法上有一点不同。
Notes | Python 2 | Python 3 |
---|---|---|
① | a_generator.throw(MyException) |
no change |
② | a_generator.throw(MyException,‘error message‘) |
a_generator.throw(MyException(‘error message‘)) |
③ | a_generator.throw(‘error message‘) |
unsupported |
2to3
会显示一个警告信息,告诉你需要手动地来修复这处代码。xrange()
#在Python 2里,有两种方法来获得一定范围内的数字:range()
,它返回一个列表,还有range()
,它返回一个迭代器。在Python 3里,range()
返回迭代器,xrange()
不再存在了。
Notes | Python 2 | Python 3 |
---|---|---|
① | xrange(10) |
range(10) |
② | a_list = range(10) |
a_list = list(range(10)) |
③ | [i for iin xrange(10)] |
[i for iin range(10)] |
④ | for i in range(10): |
no change |
⑤ | sum(range(10)) |
no change |
2to3
会简单地把xrange()
转换为range()
。range()
,2to3
不知道你是否需要一个列表,或者是否一个迭代器也行。出于谨慎,2to3
可能会报错,然后使用list()
把range()
的返回值强制转换为列表类型。xrange()
函数,就没有必要将其返回值转换为一个列表,因为列表解析对迭代器同样有效。for
循环也能作用于迭代器,所以这里也没有改变任何东西。sum()
能作用于迭代器,所以2to3
也没有在这里做出修改。就像返回值为视图(view)而不再是列表的字典类方法一样,这同样适用于min()
,max()
,sum()
,list(),tuple()
,set()
,sorted()
,any()
,all()
。raw_input()
和input()
#Python 2有两个全局函数,用来在命令行请求用户输入。第一个叫做input()
,它等待用户输入一个Python表达式(然后返回结果)。第二个叫做raw_input()
,用户输入什么它就返回什么。这让初学者非常困惑,并且这被广泛地看作是Python语言的一个“肉赘”(wart)。Python 3通过重命名raw_input()
为input()
,从而切掉了这个肉赘,所以现在的input()
就像每个人最初期待的那样工作。
Notes | Python 2 | Python 3 |
---|---|---|
① | raw_input() |
input() |
② | raw_input(‘prompt‘) |
input(‘prompt‘) |
③ | input() |
eval(input()) |
raw_input()
被替换成input()
。raw_input()
函数可以指定一个提示符作为参数。Python 3里保留了这个功能。input()
函数然后把返回值传递给eval()
。func_*
#在Python 2里,函数的里的代码可以访问到函数本身的特殊属性。在Python 3里,为了一致性,这些特殊属性被重新命名了。
Notes | Python 2 | Python 3 |
---|---|---|
① | a_function.func_name |
a_function.__name__ |
② | a_function.func_doc |
a_function.__doc__ |
③ | a_function.func_defaults |
a_function.__defaults__ |
④ | a_function.func_dict |
a_function.__dict__ |
⑤ | a_function.func_closure |
a_function.__closure__ |
⑥ | a_function.func_globals |
a_function.__globals__ |
⑦ | a_function.func_code |
a_function.__code__ |
__name__
属性(原func_name
)包含了函数的名字。__doc__
属性(原funcdoc
)包含了你在函数源代码里定义的文档字符串(docstring)__defaults__
属性(原func_defaults
)是一个保存参数默认值的元组。__dict__
属性(原func_dict
)是一个支持任意函数属性的名字空间。__closure__
属性(原func_closure
)是一个由cell对象组成的元组,它包含了函数对自由变量(free variable)的绑定。__globals__
属性(原func_globals
)是一个对模块全局名字空间的引用,函数本身在这个名字空间里被定义。__code__
属性(原func_code
)是一个代码对象,表示编译后的函数体。xreadlines()
#在Python 2里,文件对象有一个xreadlines()
方法,它返回一个迭代器,一次读取文件的一行。这在for
循环中尤其有用。事实上,后来的Python 2版本给文件对象本身添加了这样的功能。
在Python 3里,xreadlines()
方法不再可用了。2to3
可以解决简单的情况,但是一些边缘案例则需要人工介入。
Notes | Python 2 | Python 3 |
---|---|---|
① | for line in a_file.xreadlines(): |
for line in a_file: |
② | for line in a_file.xreadlines(5): |
no change (broken) |
xreadlines()
,2to3
会把它转换成文件对象本身。在Python 3里,这种转换后的代码可以完成前同样的工作:一次读取文件的一行,然后执行for
循环的循环体。xreadlines()
,2to3
不能为你完成从Python 2到Python 3的转换,你的代码会以这样的方式失败:AttributeError: ‘_io.TextIOWrapper‘ object has no attribute ‘xreadlines‘
。你可以手工的把xreadlines()
改成readlines()
以使代码能在Python 3下工作。(readline()方法在Python 3里返回迭代器,所以它跟Python 2里的xreadlines()
效率是不相上下的。)?
lambda
函数#在Python 2里,你可以定义匿名lambda
函数(anonymous lambda
function),通过指定作为参数的元组的元素个数,使这个函数实际上能够接收多个参数。事实上,Python 2的解释器把这个元组“解开”(unpack)成命名参数(named arguments),然后你可以在lambda
函数里引用它们(通过名字)。在Python 3里,你仍然可以传递一个元组作为lambda
函数的参数,但是Python解释器不会把它解析成命名参数。你需要通过位置索引(positional index)来引用每个参数。
Notes | Python 2 | Python 3 |
---|---|---|
① | lambda (x,): x+ f(x) |
lambda x1: x1[0]+ f(x1[0]) |
② | lambda (x, y): x+ f(y) |
lambda x_y: x_y[0]+ f(x_y[1]) |
③ | lambda (x,(y, z)): x+ y + z |
lambda x_y_z: x_y_z[0]+ x_y_z[1][0]+ x_y_z[1][1] |
④ | lambda x, y, z: x+ y + z |
unchanged |
lambda
函数,它使用包含一个元素的元组作为参数,在Python 3里,它会被转换成一个包含到x1[0]的引用的lambda
函数。x1是2to3
脚本基于原来元组里的命名参数自动生成的。lambda
函数被转换为x_y,它有两个位置参数,即x_y[0]和x_y[1]。2to3
脚本甚至可以处理使用嵌套命名参数的元组作为参数的lambda
函数。产生的结果代码有点难以阅读,但是它在Python 3下跟原来的代码在Python 2下的效果是一样的。lambda
函数。如果没有括号包围在参数周围,Python 2会把它当作一个包含多个参数的lambda
函数;在这个lambda
函数体里,你通过名字引用这些参数,就像在其他类型的函数里所做的一样。这种语法在Python 3里仍然有效。在Python 2里,类方法可以访问到定义他们的类对象(class object),也能访问方法对象(method object)本身。im_self
是类的实例对象;im_func
是函数对象,im_class
是类本身。在Python 3里,这些属性被重新命名,以遵循其他属性的命名约定。
Notes | Python 2 | Python 3 |
---|---|---|
aClassInstance.aClassMethod.im_func |
aClassInstance.aClassMethod.__func__ |
|
aClassInstance.aClassMethod.im_self |
aClassInstance.aClassMethod.__self__ |
|
aClassInstance.aClassMethod.im_class |
aClassInstance.aClassMethod.__self__.__class__ |
__nonzero__
特殊方法#在Python 2里,你可以创建自己的类,并使他们能够在布尔上下文(boolean context)中使用。举例来说,你可以实例化这个类,并把这个实例对象用在一个if
语句中。为了实现这个目的,你定义一个特别的__nonzero__()
方法,它的返回值为True
或者False
,当实例对象处在布尔上下文中的时候这个方法就会被调用 。在Python 3里,你仍然可以完成同样的功能,但是这个特殊方法的名字变成了__bool__()
。
Notes | Python 2 | Python 3 |
---|---|---|
① |
|
|
② |
|
no change |
__bool__()
,而非__nonzero__()
。__nonzero__()
方法,2to3
脚本会假设你定义的这个方法有其他用处,因此不会对代码做修改。在Python 2和Python 3之间,定义八进制(octal)数的语法有轻微的改变。
Notes | Python 2 | Python 3 |
---|---|---|
x =0755 |
x =0o755 |
sys.maxint
#由于长整型和整型被整合在一起了,sys.maxint
常量不再精确。但是因为这个值对于检测特定平台的能力还是有用处的,所以它被Python 3保留,并且重命名为sys.maxsize
。
Notes | Python 2 | Python 3 |
---|---|---|
① | from sys importmaxint |
from sys importmaxsize |
② | a_function(sys.maxint) |
a_function(sys.maxsize) |
maxint
变成了maxsize
。sys.maxint
都变成了sys.maxsize
。callable()
#在Python 2里,你可以使用全局函数callable()
来检查一个对象是否可调用(callable,比如函数)。在Python 3里,这个全局函数被取消了。为了检查一个对象是否可调用,可以检查特殊方法__call__()
的存在性。
Notes | Python 2 | Python 3 |
---|---|---|
callable(anything) |
hasattr(anything,‘__call__‘) |
zip()
#在Python 2里,全局函数zip()
可以使用任意多个序列作为参数,它返回一个由元组构成的列表。第一个元组包含了每个序列的第一个元素;第二个元组包含了每个序列的第二个元素;依次递推下去。在Python 3里,zip()
返回一个迭代器,而非列表。
Notes | Python 2 | Python 3 |
---|---|---|
① | zip(a, b, c) |
list(zip(a, b, c)) |
② | d.join(zip(a, b, c)) |
no change |
list()
函数包装zip()
的返回值来恢复zip()
函数以前的功能,list()
函数会遍历这个zip()
函数返回的迭代器,然后返回结果的列表表示。join()
方法的调用),zip()
返回的迭代器能够正常工作。2to3
脚本会检测到这些情况,不会对你的代码作出改变。StandardError
异常#在Python 2里,StandardError
是除了StopIteration
,GeneratorExit
,KeyboardInterrupt
,SystemExit
之外所有其他内置异常的基类。在Python 3里,StandardError
已经被取消了;使用Exception
替代。
Notes | Python 2 | Python 3 |
---|---|---|
x =StandardError() |
x =Exception() |
|
x =StandardError(a, b, c) |
x =Exception(a, b, c) |
types
模块中的常量#types
模块里各种各样的常量能帮助你决定一个对象的类型。在Python 2里,它包含了代表所有基本数据类型的常量,如dict
和int
。在Python 3里,这些常量被已经取消了。只需要使用基础类型的名字来替代。
Notes | Python 2 | Python 3 |
---|---|---|
types.UnicodeType |
str |
|
types.StringType |
bytes |
|
types.DictType |
dict |
|
types.IntType |
int |
|
types.LongType |
int |
|
types.ListType |
list |
|
types.NoneType |
type(None) |
|
types.BooleanType |
bool |
|
types.BufferType |
memoryview |
|
types.ClassType |
type |
|
types.ComplexType |
complex |
|
types.EllipsisType |
type(Ellipsis) |
|
types.FloatType |
float |
|
types.ObjectType |
object |
|
types.NotImplementedType |
type(NotImplemented) |
|
types.SliceType |
slice |
|
types.TupleType |
tuple |
|
types.TypeType |
type |
|
types.XRangeType |
range |
?
types.StringType
被映射为bytes
,而非str
,因为Python 2里的“string”(非Unicode编码的字符串,即普通字符串)事实上只是一些使用某种字符编码的字节序列(a sequence of bytes)。
isinstance()
#isinstance()
函数检查一个对象是否是一个特定类(class)或者类型(type)的实例。在Python 2里,你可以传递一个由类型(types)构成的元组给isinstance()
,如果该对象是元组里的任意一种类型,函数返回True
。在Python 3里,你依然可以这样做,但是不推荐使用把一种类型作为参数传递两次。
Notes | Python 2 | Python 3 |
---|---|---|
isinstance(x,(int,float,int)) |
isinstance(x,(int,float)) |
basestring
数据类型#Python 2有两种字符串类型:Unicode编码的字符串和非Unicode编码的字符串。但是其实还有另外 一种类型,即basestring
。它是一个抽象数据类型,是str
和unicode
类型的超类(superclass)。它不能被直接调用或者实例化,但是你可以把它作为isinstance()
的参数来检测一个对象是否是一个Unicode字符串或者非Unicode字符串。在Python 3里,只有一种字符串类型,所以basestring
就没有必要再存在了。
Notes | Python 2 | Python 3 |
---|---|---|
isinstance(x, basestring) |
isinstance(x, str) |
itertools
模块#Python 2.3引入了itertools
模块,它定义了全局函数zip()
,map()
,filter()
的变体(variant),这些变体的返回类型为迭代器,而非列表。在Python 3里,由于这些全局函数的返回类型本来就是迭代器,所以这些itertools
里的这些变体函数就被取消了。(在itertools
模块里仍然还有许多其他的有用的函数,而不仅仅是以上列出的这些。)
Notes | Python 2 | Python 3 |
---|---|---|
① | itertools.izip(a, b) |
zip(a, b) |
② | itertools.imap(a, b) |
map(a, b) |
③ | itertools.ifilter(a, b) |
filter(a, b) |
④ | from itertools import imap, izip, foo |
from itertools import foo |
zip()
函数,而非itertools.izip()
。map()
而非itertools.imap()
。itertools.ifilter()
变成了filter()
。itertools
模块在Python 3里仍然存在,它只是不再包含那些已经转移到全局名字空间的函数。2to3
脚本能够足够智能地去移除那些不再有用的导入语句,同时保持其他的导入语句的完整性。sys.exc_type
, sys.exc_value
, sys.exc_traceback
#处理异常的时候,在sys
模块里有三个你可以访问的变量:sys.exc_type,
sys.exc_value,
sys.exc_traceback
。(实际上这些在Python 1的时代就有。)从Python 1.5开始,由于新出的sys.exc_info
,不再推荐使用这三个变量了,这是一个包含所有以上三个元素的元组。在Python 3里,这三个变量终于不再存在了;这意味着,你必须使用sys.exc_info
。
Notes | Python 2 | Python 3 |
---|---|---|
sys.exc_type |
sys.exc_info()[0] |
|
sys.exc_value |
sys.exc_info()[1] |
|
sys.exc_traceback |
sys.exc_info()[2] |
在Python 2里,如果你需要编写一个遍历元组的列表解析,你不需要在元组值的周围加上括号。在Python 3里,这些括号是必需的。
Notes | Python 2 | Python 3 |
---|---|---|
[i for iin 1,2] |
[i for iin (1,2)] |
os.getcwdu()
函数#Python 2有一个叫做os.getcwd()
的函数,它将当前的工作目录作为一个(非Unicode编码的)字符串返回。由于现代的文件系统能够处理能何字符编码的目录名,Python 2.3引入了os.getcwdu()
函数。os.getcwdu()
函数把当前工作目录用Unicode编码的字符串返回。在Python 3里,由于只有一种字符串类型(Unicode类型的),所以你只需要os.getcwd()
就可以了。
Notes | Python 2 | Python 3 |
---|---|---|
os.getcwdu() |
os.getcwd() |
在Python 2里,你可以通过在类的声明中定义metaclass
参数,或者定义一个特殊的类级别的(class-level)__metaclass__
属性,来创建元类。在Python 3里,__metaclass__
属性已经被取消了。
Notes | Python 2 | Python 3 |
---|---|---|
① |
|
unchanged |
② |
|
|
③ |
|
|
metaclass
参数,这在Python 2和Python 3里都有效,它们是一样的。__metaclass__
属性在Python 2里有效,但是在Python 3里不再有效。2to3
能够构建一个有效的类声明,即使这个类继承自多个父类。以下所列的“修补”(fixes)实质上并不算真正的修补。意思就是,他们只是代码的风格上的事情,而不涉及到代码的本质。但是Python的开发者们在使得代码风格尽可能一致方面非常有兴趣(have a vested interest)。为此,有一个专门o描述Python代码风格的官方指导手册 — 细致到能使人痛苦 — 都是一些你不太可能关心的在各种各样的细节上的挑剔。鉴于2to3
为转换代码提供了一个这么好的条件,脚本的作者们添加了一些可选的特性以使你的代码更具可读性。
set()
字面值(literal)(显式的)#在Python 2城,定义一个字面值集合(literal set)的唯一方法就是调用set(a_sequence)
。在Python 3里这仍然有效,但是使用新的标注记号(literal notation):大括号({})是一种更清晰的方法。这种方法除了空集以外都有效,因为字典也用大括号标记,所以{}
表示一个空的字典,而不是一个空集。
?
2to3
脚本默认不会修复set()
字面值。为了开启这个功能,在命令行调用2to3
的时候指定-f set_literal参数。
Notes | Before | After |
---|---|---|
set([1,2, 3]) |
{1,2, 3} |
|
set((1,2, 3)) |
{1,2, 3} |
|
set([ifor i in a_sequence]) |
{i for iin a_sequence} |
buffer()
(显式的)#用C实现的Python对象可以导出一个“缓冲区接口”(buffer interface),它允许其他的Python代码直接读写一块内存。(这听起来很强大,它也同样可怕。)在Python 3里,buffer()
被重新命名为memoryview()
。(实际的修改更加复杂,但是你几乎可以忽略掉这些不同之处。)
?
2to3
脚本默认不会修复buffer()
函数。为了开启这个功能,在命令行调用2to3
的时候指定-f buffer参数。
Notes | Before | After |
---|---|---|
x =buffer(y) |
x =memoryview(y) |
尽管Python对用于缩进和凸出(indenting and outdenting)的空格要求很严格,但是对于空格在其他方面的使用Python还是很自由的。在列表,元组,集合和字典里,空格可以出现在逗号的前面或者后面,这不会有什么坏影响。但是,Python代码风格指导手册上指出,逗号前不能有空格,逗号后应该包含一个空格。尽管这纯粹只是一个美观上的考量(代码仍然可以正常工作,在Python 2和Python 3里都可以),但是2to3
脚本可以依据手册上的标准为你完成这个修复。
?
2to3
脚本默认不会修复逗号周围的空格。为了开启这个功能,在命令行调用2to3
的时候指定-f wscomma参数。
Notes | Before | After |
---|---|---|
a ,b |
a, b |
|
{a :b} |
{a: b} |
在Python社区里建立起来了许多惯例。有一些比如while 1:
loop,它可以追溯到Python 1。(Python直到Python 2.3才有真正意义上的布尔类型,所以开发者以前使用1
和0
替代。)当代的Python程序员应该锻炼他们的大脑以使用这些惯例的现代版。
?
2to3
脚本默认不会为这些惯例做修复。为了开启这个功能,在命令行调用2to3
的时候指定-f idioms参数。
Notes | Before | After |
---|---|---|
|
|
|
type(x)== T |
isinstance(x, T) |
|
type(x)is T |
isinstance(x, T) |
|
|
|
转载自:http://blog.csdn.net/samxx8/article/details/21535901
标签:probe 回车符 zip lob 接口 doc name unicode 参数
原文地址:http://www.cnblogs.com/kaid/p/7994512.html