跳转至

后端开发

  • 分类于 后端开发
  • 需要 5 分钟阅读时间

Python增量计算

原文地址：https://geek-blogs.com/blog/incremental-python

Incremental Python 是一种用于实现增量式计算和更新的编程范式，它允许程序在部分输入数据发生变化时，仅重新计算受影响的部分，而不是重新计算整个程序。这种方式可以显著提高程序的性能，尤其是在处理大规模数据或复杂计算时。

  • 分类于 后端开发
  • 需要 2 分钟阅读时间

通过惰性导入减少内存使用

在 Python 中即时导入库可能占用内存比较多，我们可以使用惰性导入（Lazy Import）实现模块的按需加载，从而大幅减少初始内存的占用，降低启动时间。本片文章我们介绍下如何通过自定义类实现按需加载，并结合 psutil 演示内存使用对比，解析延迟导入在大型项目中的应用场景，同时揭露其代码提示缺失、性能延迟等潜在缺陷。掌握这种技术可精准控制模块加载时机，优化资源分配，适合追求极致性能的开发者解锁高级编程技巧！

  • 分类于 后端开发
  • 需要 5 分钟阅读时间

itertools三大无限循环迭代器：count、repeat、cycle

日常工作我们会用迭代器来提高一些遍历的效率，最常用的就是 range 函数，但是 range 函数的参数必须是整数，且需要设置上限。但是，如果数据量非常大，那么 range 函数也会消耗大量内存，并且执行效率非常低。本篇文将介绍 itertools 库的三大无限循环迭代器：count、repeat、cycle，帮助你提高程序执行效率。

  • 分类于 后端开发
  • 需要 5 分钟阅读时间

使用@wraps保持函数元数据

通常使用装饰器封装函数时，函数的真实名称、文档字符串、参数注解等会丢失，而这些丢失的信息其实可以认作是函数身份证，本篇文章介绍如何使用 @wraps 保持函数的元数据。

  • 分类于 后端开发
  • 需要 7 分钟阅读时间

对象比较装饰器——@total_ordering

@total_ordering 是 Python 中一个有趣的功能，它可以自动生成对象比较的其他运算符，只需要实现其中一个比较方法即可。这个装饰器可以方便地实现对象的比较，但也有一些性能和复杂性的权衡。

  • 分类于 后端开发
  • 需要 2 分钟阅读时间

Requests下载媒体文件

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
import requests

def download_mp3(url: str, filename: str):
    try:
        response = requests.get(url, stream=True)
        response.raise_for_status()  # 如果响应失败会抛出异常

        with open(filename, "wb") as f:
            for chunk in response.iter_content(chunk_size=8192):
                if chunk:
                    f.write(chunk)

        print(f"下载完成：{filename}")

    except requests.exceptions.RequestException as e:
        print(f"下载失败：{e}")

# 示例调用
download_mp3("https://example.com/audio.mp3", "output.mp3")