你在享受十一长假时，Python 已悄悄地变了

Python 3.9 在经历了将近一年的试用期后，于 10月5日（2020年）发布了稳定版，意味着，在下一版本发布之前，不会在做改动，童鞋们可以放心大胆地更新了。享受完惬意的十一长假后，我们快来看看新版本带来了哪些惊喜

先附上一个 16 岁印度小哥哥整理的特性图：

节能篇

这次版本最喜人的特性事节能，不仅节省电能，更重要的是节省了敲代码的次数，以及我们宝贵的时间

字典的合并与更新

毫无疑问，字典对象（Dict）是日常编程中最常用到的数据结构，从存储键值对到支持复杂算法，都依赖于字典对象，而且常用一些字段的合并、更新等操作，虽然 Python 中已经提供了字段更新的方法和字典展开操作符( ** )，但是仍然不够简洁，我理解，在你看到新版本中的更新之前，不会感觉有什么不简洁的

原来的合并：

d1 = {'a': 'A', 'b': 'B', 'c': 'C'}
d2 = {'d': 'D', 'e': 'E'}

d3 = {**d1, **d2}  # 使用展开操作符，将合并结果存入 d3
print(d3)  # {'a': 'A', 'b': 'B', 'c': 'C', 'd': 'D', 'e': 'E'}

d1.update(d2)  # update 方法，将 d1 d2 合并，且更新 d1
print(d1)  # {'a': 'A', 'b': 'B', 'c': 'C', 'd': 'D', 'e': 'E'}

现在的合并:

d1 = {'a': 'A', 'b': 'B', 'c': 'C'}
d2 = {'d': 'D', 'e': 'E'}

d3 = d1 | d2  # 效果等同于展开操作符
print(d3)  # {'a': 'A', 'b': 'B', 'c': 'C', 'd': 'D', 'e': 'E'}

d1 |= d2  # 等同于 update
print(d1)  # {'a': 'A', 'b': 'B', 'c': 'C', 'd': 'D', 'e': 'E'}

• | 操作符，除了对数值的 与 操作之外，现在还可以做字典对象的合并
• |= 如果要用合并的结果更新前面的字典对象，在合并操作符后加赋值号就行

是不是简洁多了，不仅简洁了，而且更容易理解了

这还没完，合并赋值操作符（|=）除了字典之间的合并，还可以合并类字典对象

先看一段代码：

d1 = {'a': 'A', 'b': 'B', 'c': 'C'}

l1 = [('d', 'D'), ('e', 'E')]

d1 |= l1

print(d1)  # {'a': 'A', 'b': 'B', 'c': 'C', 'd': 'D', 'e': 'E'}

• l1 是一个列表对象，其中的元素是二维元组
• 这里的特别之处在于二维元组对象，合并时，第一个元素被看成字典的 Key，第二个被看成字典的 Value，如果不是这样，则会报错

如果遇到这种特殊的场景，合并运算简直太方便了，你能想到有哪些类似场景吗？欢迎留言

拓扑排序

首先需要理解什么是拓扑图，简单来说就是一定空间内若干个点之间的关系，例如对于一项工作来说，包含有若干个任务，任务之间有相互依赖的关系，任务加上它们之间的关系，就构成了一个拓扑结构图

拓扑排序，就是对一个拓扑图中的点按照点之间的相互关系的一种排序

例如这样一个拓扑图

拓扑排序为

1、2、3、4、5

如果用算法生写的话，需要十行以上，而且还不包括调试时间，以及为各种适应性做的改善所花的时间

现在，排序只需要一行代码：

from graphlib import TopologicalSorter

tg = {5: {3, 4}, 4: {2, 3}, 3: {2, 1}, 2: {1}}
ts = TopologicalSorter(tg)

print(list(ts.static_order())) # [1, 2, 3, 4, 5]

• 首先从 graphlib 中引入拓扑排序组件 TopologicalSorter
• 然后定义一个拓扑结构图，这里是用字典加集合的方式定义的，表示节点的前序节点是哪些
• 接着用排序组件对拓扑结构进行排序，即创建一个排序对象
• 最好调用排序对象的 static_order 方法展示排序结果

实际上最核心的就是创建排序对象的代码，新特性提供了优雅的封装

说到封装，你可能猜到他的功能并不单一，确实，排序组件 TopologicalSorter 不仅能对以及定义的结果排序，还可以对动态结构排序，例如

from graphlib import TopologicalSorter

ts = TopologicalSorter()
ts.add(5, 3, 4)
ts.add(4, 2, 3)
ts.add(3, 2, 1)
ts.add(2, 1)

print(list(ts.static_order())) # [1, 2, 3, 4, 5]

也就是说，可以逐步的将依赖添加进去，在迭代处理的情况下很方便，

需要注意的是 static_order 方法只能掉用一次，再次排序的话，需要重新创建 TopologicalSorter 对象

另外，如果拓扑图结构是个循环的，排序会报 CycleError 循环依赖错误

随机字节码

之前要产生随机字节码，需要先产生随机数，然后从定义的字符序列中获取对应位置的字符，最好再转换为字节，是挺麻烦的，现在，一行代码搞定

import random

print(random.randbytes(10))  # b'\x0fzf\x17K\x00\xfb\x11LF'  随机的，每次结果可能不同

最小公倍数

之前的 Python 版本中已经实现了最大公约数的计算，虽然可以用最大公约数求得最小公倍数，不过需要写多行代码（实际上我不记得怎么推送了）

现在，一行代码搞定：

import math
math.lcm(49, 14)  # 98

是不是方便多了，不信的话，和下面生算对比下：

def lcm(num1, num2):
  if num1 == num2 == 0:
    return 0
  return num1 * num2 // math.gcd(num1, num2)

lcm(49, 14)  # 98

功能篇

功能方面，Python 3.9 也做出了很多改善，下面来了解下

字符串去前缀后缀

本来字符串在 Python 中的操作已经够强大了，很难想到它会把去前后缀的功能作为更新，先看看效果吧

"three cool features in Python".removesuffix(" Python")
# three cool features in

"three cool features in Python".removeprefix("three ")
# cool features in Python

"three cool features in Python".removeprefix("Something else")
# three cool features in Python

很简单，很容易想到用其他方式实现，代码也不会多，例如用 字符串的 strip 方法:

"three cool features in Python".strip(" Python")
# ree cool features i

很明显，最终的效果并不是我们想要的，strip 会将前后遇到的字符模式一并修剪！

如果用其他方式，比如字符串查找，正则匹配等，也能实现，不过没有现成的方法方便，更重要的是，这个特性避免了自己不小心的犯错

时区支持

对我们中国来说，时区问题不大，特别是只做在国内使用的应用的话，但是如果在每个，或者其他地方，时区会是个问题，之前，可以通过将时间转换为 UTC 格式再转为其他时区的时间，现在可以方便的用 zoneinfo 模块实现了

zoneinfo 模块为标准库引入了 IANA 时区数据库

from zoneinfo import ZoneInfo
from datetime import datetime

dt = datetime(2020, 10, 1, 1, tzinfo= ZoneInfo("America/Los_Angeles"))

如代码所示，可以为本地时间设置时区，将时间转化为指定时区的时间

注意：使用 ZoneInfo 获取时区属性之前，需要安装 tzdata 模块

其他

数据类型提示

Python 本身是弱类型语言，但在一些大型项目中容易因为数据类型引入 bug，为了改善这一点，对声明了数据类型的形参，如果实参与形参类型不符，执行时会得到警告提醒，例如

def fun(input: str):
  print(str)

fun(10)  # 此时会得到数据类型不匹配的警告

更强悍的解析器

Python 3.9 重构了解析器，虽然在日常编程中几乎感觉不到，但这个更新确是最重要的，就行如果你感觉如履平地，必然有人在默默付出一样

Python 之前一直使用 LL(1) 解析器将源代码解析为解析树，类似于一次读取一个字符，并解释源代码而无需回溯的解析器。

新解释器是基于 PEG(parsing expression grammar) 实现的，既高效，又灵活，不过需要使用更多的内存

import()特性修改

__import__() 在之前的版本中，可能引发 ValueError 异常，按官方解释：ValueError 曾经会在相对导入超出其最高层级包时发生 (不知所云)，在新的版本中，异常时会抛出 ImportError，这样更加合理

反正我没遇到过，可能是没有用过这种高级用法，就当是学习了

总结

“人生苦短，用我 Python” —— Python 不但这么说，也这么做，当我们享受惬意的双节长假时，Python 默默的优化自己，只能让我们苦短的人生，更加精彩

还等什么，赶紧升级到 Python3.9 试试吧

参考

• https://zhuanlan.zhihu.com/p/262914368
• https://developer.51cto.com/art/202010/627903.htm
• https://blog.csdn.net/qq_42554007/article/details/107075651
• https://www.sohu.com/a/422827870_114760
• https://docs.python.org/zh-cn/3/whatsnew/3.9.html