1.元类：动态语言和静态语言最大的不同，就是函数和类的定义，不是编译时定义的，而是运行时动态创建的，不是定义死了，而是可以随时随地添加的
type()：查看一个类型或变量的类型又可以创建出新的类型
class Hello(object):
def hello(self, name='world'):
print('Hello, %s.' % name)
h = Hello()
h.hello()
Hello, world.
print(type(Hello))
<class 'type'> #Hello是一个class，它的类型就是type
print(type(h))
<class 'hello.Hello'> #h是一个实例，它的类型就是class Hello
def fn(self, name='world'): # 先定义函数
print('Hello, %s.' % name)
Hello = type('Hello', (object,), dict(hello=fn)) # 创建Hello class
h = Hello()
h.hello()
Hello, world.
print(type(Hello))
<class 'type'>
print(type(h))
<class '__main__.Hello'>
type()创建class要传入三个参数：1.class的名称，2.继承的父类集合（只有一个父类时，别忘了tuple的单元素写法即后面加逗号），3.class的方法名称与函数绑定（列中绑定fn）
大部分情况不要type()方法创立class，type()说明了动态的特点
metaclass（元类）：控制类的创建行为
先定义metaclass，就可以创建类，最后创建实例；metaclass允许创建类或者修改类。可以把类看成是metaclass创建出来的“实例”
难，不懂也基本不要，略
2.错误处理
try：try...except...finally...与Java错误处理类似
try:
print('try...')
r = 10 / 0
print('result:', r)
except ZeroDivisionError as e:
print('except:', e)
finally:
print('finally...')
print('END')
调用栈：错误以栈的方式抛出。异常栈：
# err.py:
def foo(s):
return 10 / int(s)
def bar(s):
return foo(s) * 2
def main():
bar('0')
main()
#执行，结果如下：
$ python3 err.py
Traceback (most recent call last):
File "err.py", line 11, in <module>
main()
File "err.py", line 9, in main
bar('0')
File "err.py", line 6, in bar
return foo(s) * 2
File "err.py", line 3, in foo
return 10 / int(s)
ZeroDivisionError: division by zero
记录错误：logging把错误堆栈打印出来，程序继续进行，用法：logging.exception(e)
抛出错误：raise语句抛出错误，用法：raise 错误类型（）
3.调试：
断言：
def foo(s):
n = int(s)
assert n != 0, 'n is zero!'
return 10 / n
def main():
foo('0')
assert的意思:判断表达式n != 0，是True继续运行，是false，抛出异常
Python解释器可以用-O参数来关闭assert：
$ python -O err.py
logging：logging不会抛出错误，可以输出到文件：
import logging
logging.basicConfig(level=logging.INFO) #指定记录信息的级别：debug，info，warning，error等
s = '0'
n = int(s)
logging.info('n = %d' % n) #logging.info()可以输出一段文本
print(10 / n)
pdb：调试器pdb单步方式运行（在IDE上可以简单实现）
启动：$ python -m pdb err.py
pdb.set_trace()：设置断点
4.单元测试：测试驱动开发（TDD）：编写某个功能的代码之前先编写测试代码，然后只编写使测试通过的功能代码，单元测试是用来对一个模块、一个函数或者一个类来进行正确性检验的测试工作
编写单元测试：Python自带的unittest模块：import unittest
import unittest
from mydict import Dict
class TestDict(unittest.TestCase): #测试类，从unittest.TestCase继承
def test_init(self): #以test开头的方法就是测试方法，不以test开头的方法不被认为是测试方法，测试的时候不会被执行。
d = Dict(a=1, b='test')
self.assertEqual(d.a, 1)
self.assertEqual(d.b, 'test')
self.assertTrue(isinstance(d, dict))
def test_key(self):
d = Dict()
d['key'] = 'value'
self.assertEqual(d.key, 'value')
def test_attr(self):
d = Dict()
d.key = 'value'
self.assertTrue('key' in d)
self.assertEqual(d['key'], 'value')
def test_keyerror(self):
d = Dict()
with self.assertRaises(KeyError):
value = d['empty']
def test_attrerror(self):
d = Dict()
with self.assertRaises(AttributeError):
value = d.empty
setUp与tearDown：这两个方法会分别在每调用一个测试方法的前后分别被执行。
5.文档测试：示例代码在Python的交互式环境下输入并执行，结果写在注释中
6.文件读写：
读文件：与C语言的类似
open()函数：打开
read()：读取，把内容读到内存，调用read()会一次性读取文件的全部内容，
read(size)方法每次最多读取size个字节的内容
readline()可以每次读取一行内容，返回list
close()：方法关闭文件
with语句：自动帮我们调用close()方法
with open('/path/to/file', 'r') as f:
print(f.read())
file-like Object：像open()函数返回的这种有个read()方法的对象，在Python中统称为file-like Object
Open（）:
二进制文件:rb
字符编码:errors='ignore'忽略非法编码
f = open('/Users/michael/gbk.txt', 'r', encoding='gbk', errors='ignore')
写文件：write()
7.StringIO和BytesIO:
StringIO:在内存中读写str:
写：
>>> from io import StringIO
>>> f = StringIO()
>>> f.write('hello')
5
>>> f.write(' ')
1
>>> f.write('world!')
6
>>> print(f.getvalue()) #获得写入后的str
hello world!
读：
>>> from io import StringIO
>>> f = StringIO('Hello!
Hi!
Goodbye!')
>>> while True:
... s = f.readline()
... if s == '':
... break
... print(s.strip())
...
Hello!
Hi!
Goodbye!
BytesIO：实现了在内存中读写bytes
8.操作文件和目录：操作文件和目录的函数一部分放在os模块中，一部分放在os.path模块中
# 查看当前目录的绝对路径:
>>> os.path.abspath('.')
'/Users/michael'
# 在某个目录下创建一个新目录，首先把新目录的完整路径表示出来:
>>> os.path.join('/Users/michael', 'testdir')
'/Users/michael/testdir'
# 然后创建一个目录:
>>> os.mkdir('/Users/michael/testdir')
# 删掉一个目录:
>>> os.rmdir('/Users/michael/testdir')
9.序列化：变量从内存中变成可存储或传输的过程称之为序列化（pickling），变量内容从序列化的对象重新读到内存里称之为反序列化（unpickling）
pickle模块来实现序列化。把一个对象序列化并写入文件：
pickle.dumps()方法把任意对象序列化成一个bytes，然后，就可以把这个bytes写入文件。或者用另一个方法pickle.dump()直接把对象序列化后写入一个file-like Object：
>>> import pickle
>>> d = dict(name='Bob', age=20, score=88)
>>> pickle.dumps(d)
b'x80x03}qx00(Xx03x00x00x00ageqx01Kx14Xx05x00x00x00scoreqx02KXXx04x00x00x00nameqx03Xx03x00x00x00Bobqx04u.'
>>> f = open('dump.txt', 'wb')
>>> pickle.dump(d, f)
>>> f.close()
把对象从磁盘读到内存时，可以先把内容读到一个bytes，然后用pickle.loads()方法反序列化出对象，或者pickle.load()方法从一个file-like Object中直接反序列化出对象:
>>> f = open('dump.txt', 'rb')
>>> d = pickle.load(f)
>>> f.close()
>>> d
{'age': 20, 'score': 88, 'name': 'Bob'}
Pickle只用于保存那些不重要的数据
JSON：JSON表示出来就是一个字符串，用于不同的编程语言之间传递对象，可以被所有语言读取，是一种标准的格式，JSON表示的对象就是标准的JavaScript语言的对象
与Python对比：
| JSON类型 | Python类型 |
|---|---|
| {} | dict |
| [] | list |
| "string" | str |
| 1234.56 | int或float |
| true/false | True/False |
| null | None |
Python内置的json模块提供Python对象到JSON格式的转换：
Python --> JSON:
>>> import json
>>> d = dict(name='Bob', age=20, score=88)
>>> json.dumps(d) #dumps()方法返回一个str，内容就是标准的JSON,同样dump()方法可以直接把JSON写入一个file-like Object
'{"age": 20, "score": 88, "name": "Bob"}'
JSON --> Python:
>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> json.loads(json_str)
{'age': 20, 'score': 88, 'name': 'Bob'}
大多数时候我们希望用class当做对象。所以需要class的实例对象序列化为JSON
dumps()方法的参数列表提供了一大堆的可选参数，帮助我们来定制JSON序列化，文档：https://docs.python.org/3/library/json.html#json.dumps
可选参数default就是把任意一个对象变成一个可序列为JSON的对象
class实例化对象 ——> JSON：
import json
class Student(object): #class对象
def __init__(self, name, age, score):
self.name = name
self.age = age
self.score = score
s = Student('Bob', 20, 88)
def student2dict(std): #为Student专门写一个转换函数
return {
'name': std.name,
'age': std.age,
'score': std.score
}
>>> print(json.dumps(s, default=student2dict)) #Student实例首先被student2dict()函数转换成dict，然后再被顺利序列化为JSON
{"age": 20, "name": "Bob", "score": 88}
可修改最后一行，把任意class的实例变为dict：
print(json.dumps(s, default=lambda obj: obj.__dict__)) #通常class的实例都有一个__dict__属性，它就是一个dict
lambda知识点：lambda 参数1，参数2、、、 ： 参数表达式
10.多线程：
Unix/Linux操作系统提供了一个fork()系统调用。fork()函数调用一次，返回两次，因为操作系统自动把当前进程（称为父进程）复制了一份（称为子进程），然后分别在父进程和子进程内返回。
fork调用，一个进程在接到新任务时就可以复制出一个子进程来处理新任。例如Apache服务器就是由父进程监听端口，每当有新的http请求时，就fork出子进程来处理新的http请求
Windows没有fork调用，Python提供multiprocessing模块，其中提供了一个Process类来代表一个进程对象：
from multiprocessing import Process
import os
# 子进程要执行的代码
def run_proc(name):
print('Run child process %s (%s)...' % (name, os.getpid()))
if __name__=='__main__':
print('Parent process %s.' % os.getpid())
p = Process(target=run_proc, args=('test',)) #传入一个执行函数和函数的参数，创建一个Process实例
print('Child process will start.')
p.start() #启动
p.join() #等待子进程结束后再继续往下运行，通常用于进程间的同步
print('Child process end.')
Parent process 928.
Process will start.
Run child process test (929)...
Process end.
Pool：进程池的方式批量创建子进程:
from multiprocessing import Pool
import os, time, random
def long_time_task(name):
print('Run task %s (%s)...' % (name, os.getpid()))
start = time.time()
time.sleep(random.random() * 3)
end = time.time()
print('Task %s runs %0.2f seconds.' % (name, (end - start)))
if __name__=='__main__':
print('Parent process %s.' % os.getpid())
p = Pool(4) #对Pool对象调用join()方法会等待所有子进程执行完毕
for i in range(5):
p.apply_async(long_time_task, args=(i,))
print('Waiting for all subprocesses done...')
p.close() #调用join()之前必须先调用close()，调用close()之后就不能继续添加新的Process了
p.join()
print('All subprocesses done.')
#执行结果如下：
Parent process 669.
Waiting for all subprocesses done...
Run task 0 (671)...
Run task 1 (672)...
Run task 2 (673)...
Run task 3 (674)...
Task 2 runs 0.14 seconds.
Run task 4 (673)...
Task 1 runs 0.27 seconds.
Task 3 runs 0.86 seconds.
Task 0 runs 1.41 seconds.
Task 4 runs 1.91 seconds.
All subprocesses done.
子进程:subprocess模块可以启动一个子进程，然后控制其输入和输出
在Python代码中运行命令nslookup www.python.org
import subprocess
print('$ nslookup www.python.org')
r = subprocess.call(['nslookup', 'www.python.org'])
print('Exit code:', r)
子线程输入：communicate()方法
进程间通信：multiprocessing模块包装了底层的机制，提供了Queue、Pipes等多种方式来交换数据
11.多线程：Python提供了两个模块：_thread和threading，_thread是低级模块，threading是高级模块（常使用）
启动一个线程就是把一个函数传入并创建Thread实例，然后调用start()开始执行：
import time, threading
# 新线程执行的代码:
def loop():
print('thread %s is running...' % threading.current_thread().name) #current_thread()函数永远返回当前线程的实例
n = 0
while n < 5:
n = n + 1
print('thread %s >>> %s' % (threading.current_thread().name, n)) #LoopThread命名子线程，不起名字Python就自动给线程命名为Thread-1，Thread-2
time.sleep(1)
print('thread %s ended.' % threading.current_thread().name) print('thread %s is running...' % threading.current_thread().name)
t = threading.Thread(target=loop, name='LoopThread') #
t.start()
t.join()
print('thread %s ended.' % threading.current_thread().name)
#执行结果如下：
thread MainThread is running... #主线程实例的名字叫MainThread
thread LoopThread is running...
thread LoopThread >>> 1
thread LoopThread >>> 2
thread LoopThread >>> 3
thread LoopThread >>> 4
thread LoopThread >>> 5
thread LoopThread ended.
thread MainThread ended.
Lock:锁
多线程和多进程最大的不同:多进程中同一个变量，各自有一份拷贝存在于每个进程中，多线程中，所有变量都由所有线程共享，任何一个变量都可以被任何一个线程修改
threading.Lock():当某个线程执行时，用threading.Lock()给该线程上锁，因此其他线程不能同时执行，只能等待，直到锁被释放后，获得该锁以后才能改
GIL锁：释器执行代码时，有一个GIL锁，任何Python线程执行前，必须先获得GIL锁每执行100条字节码，解释器就自动释放GIL锁让别的线程有机会执行，这个GIL全局锁实际上把所有线程的执行代码都给上了锁，所以多线程在Python中只能交替执行，即使100个线程跑在100核CPU上，也只能用到1个核。
Python虽然不能利用多线程实现多核任务，但可以通过多进程实现多核任务。多个Python进程有各自独立的GIL锁，互不影响。
12.ThreadLocal：解决了参数在一个线程中各个函数之间互相传递的问题。
应到Python语言，单线程的异步编程模型称为协程，有了协程的支持，就可以基于事件驱动编写高效的多任务程序。我们会在后面讨论如何编写协程
13.常用内建模块：
datetime： 是Python处理日期和时间的标准库
collections：是Python内建的一个集合模块，提供了许多有用的集合类。
Base64：是一种用64个字符来表示任意二进制数据的方法。
struct：来解决bytes和其他二进制数据类型的转换
hashlib：提供了常见的摘要算法，如MD5，SHA1等等
hmac:实现了标准的Hmac算法
itertools:提供了非常有用的用于操作迭代对象的函数。
contextlib :读写文件正确关闭它们
urllib:提供了一系列用于操作URL的功能。