MIN.PY PLAN (Python 代码压缩计划)

前言

因一偶念,让我突然想去压缩 Python 代码(像 html, js, css 一样)。我尝试搜之于茫茫网络,但并网上并没有很多相关资料。或许那些 pythonors 更喜欢 pythonic 风格的编码方式吧!但是这影响不了我的 min.py 计划。

为何要压缩 Python 代码?

答曰:因为没人做,所以我想做!

注意,所有的这些操作都多少有点违反《Python 之禅》及其它编写规范。此外,代码可读性也会显著降低。如果不是为了方便储存,我绝对不建议这么做,因为这对后续维护影响很大;而若你想给那些只会说『多说无益,放「码」过来』的伸手党一个『惊喜』,那么我建议在此之外再加一层代码混淆,一切只为整蛊。

如果你认为它有用,请熟读并背诵,把它分享给别人,给更多 Pythonors,至少它是为数不多关于手动压缩 Python 代码的教程。

所有内容均由 灰尘疾客 原创,引用内容以注明。如需转载或引用,请务必在显眼的位置标注『由 灰尘疾客 编写』并使用超链接链接到我的博客(https://www.gkcoll.xyz)。

如果你有任何疑问,可以通过邮箱联系我:gkcoll@111.com

主体

现在我将分级展示一些压缩 Python 代码的技巧。

总共包括这些骚操作:

  • 删除注释和空行
  • 重构
  • 隐藏的语法特性分号

建议操作顺序:根据本文从上到下从头到尾。

删除注释和空行

难度:★☆☆☆☆

在程序员交接工作时,有注释是最好的,这样方便接收者快速适应工作。但如果不需要工作交接,而且工作已经完结(或者想在别人伸手要代码的时候搞事情),那么直接删除掉所有注释和空行,可以大幅度压缩你的代码行数。

找到所有井号(#)后的内容或三引号('''""")之间的内容,连着符号一起把它们删除,再删除所有空行。如你所见,你的代码也已经压缩得七七八八了,您的代码看起来已经非常紧凑,可读性也已显著降低。

重构

在一些关于 Python 的教程书里,重构都是保证代码可读性和减少后续维护成本的很重要的方式。

但在这一部分,重构有一个更重要的作用:抽象

以下三个合并操作太过简单以至于无法评出难度等级。

合并导入语句

当我们进行 Python 编程时,我们常常需要导入各种包。就像这样:

from time import sleep as s
from time import time as t
import requests
import json
from langid import classify as c

在很多时候,导入表达式都可以被压缩:

from time import sleep as s, time as t
import requests, json
from langid import classify as c

虽然这看起来好像不够短,但是如果所有 import 语句都形如 import 模块 (或 import 模块 as 别名),则它们都可以被压缩成一行。

import time, requests, json, langid

合并赋值语句

这个方法应该在课堂中或自学中都有所了解和熟练使用:

a = 1
b = 2
c = 3

直接写成 a, b, c = 1, 2, 3

合并 with 语句

当你看到这种结构:

with a:
    with b:
        pass

很好,直接替换成 with a,b: pass 就行了。

参阅文献:mnfy — minify/obfuscate Python 3 source code — mnfy 33.0.0 documentation

修改变量名

难度:★★☆☆☆

忽略意义不讲,为了保证代码压缩程度,建议把超长变量名替换成毫无可读性的 a,b,c

优化 For 循环结构

生成器

难度:★★★★★

在这一部分,我希望你有一些关于生成器(Generator)的知识储备。

就像下方示例代码:

lst = list()
for i in range(1, 6):
    lst.append(i)

我们可以试试这样写(运行效果一致):

lst = [i for i in range(1, 6)]

上面的示例或许影响不明显,但是在某些情况,一个生成器可以大幅度压缩你的代码。

举个夸张的例子(一个特别的计算字符串长度的函数,与内置 len 函数不同的是它会识别中文字符并将其视为 2 个单位长度):

def l(s: str) -> int:
    return sum([2 if '\u4e00' <= i <= '\u9fff' else 1 for i in s])

笛卡尔积

本部分参阅文献:详解 Python 中的排列组合生成器。其中『笛卡尔』为人名,由其法语名音译。

难度:★★★☆☆

有时,我们可能需要同时遍历多个可迭代对象,这可能会导致令人头皮发麻的 for 循环嵌套。

对于涉及遍历同一类或类似功能的多个对象,使用 for 循环嵌套往往是多余的。此外,对于像 Python 这样不需要 for 循环退出声明的语言,因为没有类似 JS 的三角法则,代码也可能非常难看。

就像这样:

# 非原创
phone = ['iPhone', 'HuaWei', 'Mi']
number = [1, 2, 3]
color = ['White', 'Black']
for p in phone:
    for n in number:
        for c in color:
            print(f'{p}{n}{c}', end=' ')

在给出更多建议前,让我们先了解一个数学知识——笛卡尔积。

笛卡尔积(Cartesian product)是指数学中将两个集合 X 和 Y 中的对象组合,第一个对象是 X 中的成员而第二个对象是 Y 中的成员,组合完所有可能的有序对。笛卡尔积又称为直积,表示为 X×Y 。例如,假设集合 X={a, b} ,集合 Y={0, 1, 2} ,则两个集合的笛卡尔积为 {(a, 0), (a, 1), (a, 2), (b, 0), (b, 1), (b, 2)} 。

在Python的内置模块 functools itertools 中,提供了高阶类 product() ,用于实现多个可迭代对象(列表、字符串等)中元素的组合,返回可迭代对象中元素组合的笛卡尔积,效果相当于嵌套的循环。为了更直观地看出效果,下面用代码对比来看 product 的效果。

# 调用 `product` 实现元素组合,替代 for 循环
import itertools
for p, n, c in itertools.product(phone, number, color):
    print(f'{p}{n}{c}', end=' ')

运行结果是一样的:

iPhone1White iPhone1Black iPhone2White iPhone2Black iPhone3White iPhone3Black HuaWei1White HuaWei1Black HuaWei2White HuaWei2Black HuaWei3White HuaWei3Black Mi1White Mi1Black Mi2White Mi2Black Mi3White Mi3Black RedMi1White RedMi1Black RedMi2White RedMi2Black RedMi3White RedMi3Black

可以看到,实现相同的功能,for 循环使用了三层嵌套,而 product() 只需要一层循环。

便利自然不用说,主要是这有助于我们进一步压缩 Python 代码。至于其他高级用法,请自行参考相关资料。

优化函数定义

难度:★★★★☆

在很多时候,定义一个 Python 函数需要:

def func():
    pass

随着学习的深入,你应该会知道 lambda 表达式。它用于创建匿名函数。它只包含函数主体,没有函数名、定义标识符和返回关键字,但和普通函数一样支持被传递。

Lambda 表达式除了匿名和简洁的性质和有点,还有其不够灵活可读性差不适合复杂的逻辑的缺点。故日常维护尽量用 def 关键字。(参阅 Lambda 函数用法总结 - 知乎Python Lambda 函数深度总结 - 稀土掘金Python 中 lambda 表达式的优缺点及使用场景 - 51CTO 博客

就像这个一次函数:def f(x): return 2*x + 1,如果函数只会在一个地方被调用,那么你可以在那将其替换为 lambda x: 2*x + 1

举个栗子:

def calc(func, x):
    """
    传入一个函数和一个参数 x,
    返回由 `func` 计算的结果。
    """
    return func(x)

y = calc(lambda x: 2*x + 1, 2)
print(y)  # 5

更高级些,这是一个用于计算十六位 MD5 值的函数:

import hashlib

def md5(content):
    hash = hashlib.md5(content.encode('utf-8'))
    return hash.hexdigest()

压缩后,我们可以使用 lambda 函数,一行代码实现定义:

md5 = lambda s: __import__("hashlib").md5(s.encode('utf-8')).hexdigest()

根据 PEP8 官方说明(https://pep8.org/#programming-recommendations),并不建议这样定义 lambda 函数。有失其匿名性,也难以维护。应该仿照上方例子中的 calc 函数。

隐藏的语法特性

难度:★★★☆☆

众所周知,Python 利用缩进以确保代码可读性。我们也知道很多情况下,缩进错误会影响运行结果或成功操作。但是这不是大问题,我们的代码仍需压缩,而 Python 也确实提供了一个让我们可以像 JavaScript 一样压缩代码的方法。这就是分号(;)。

与其他语言不同,在一行表达式后使用分号运行 Python 是没有意义的。在 Python 中,分号仅用于一行中的拆分表达式。

举个栗子:

# --snip--
if x>y:x+=y;print(y);
else:y+=x;print(x);

我们升级一下难度:这是一个演示如何读取文件并逐行打印内容的示例代码:

with open('test.txt', 'r', encoding='utf-8') as f:
    for line in f:
        print(f)

我猜你应该知道接下来该怎么做了,但是你可能很快就会得到一个 SyntaxError(语法错误) 。

现在,让我们压缩它:

with open('test.txt', 'r', encoding='utf-8') as f:for line in f:print(f)

跑一下……好吧,预期中的 BUG 出现了。

在解决问题之前,你应该注意到上面文本中最接近这个的粗体字。对的,是表达式。我没有告诉你控制流不能用这种方式压缩。

事实上,所有的控制流(包括 if-elif-else 结构、for 循环、while 循环、with 结构和 try-except-finally 结构)都不能通过此方法直接压缩。除非它们都在一行之首。

所以示例应该这么改:

with open('test.txt', 'r', encoding='utf-8') as f:print("\n".join(l for l in f)
# 或
f=open('test.txt', 'r', encoding='utf-8');print("\n".join(l for l in f);f.close()

总结一下,就是

  • 所有同级表达式都可以通过分号直接合并;

  • 当遇到循环等控制流结构时,需要换行(确保它们在一行之首),控制流内的表达式像上面一样添加,控制流外的表达式需要换行

  • 如果存在控制流结构嵌套,则请保持原来的缩进原则。

尾声

练一练

难度:★★★☆☆

在完美的结束之前,作者我想给大家留道题:

这是一个用于将输入的英文文本处理为标题化文本的程序,请压缩它:

import nltk # 自然语言工具包库
import string

CAPITALIZE_TAGS = set(['NN', 'PRP', 'VB', 'RB', 'JJ', 'WDT', 'WP', 'WRB'])
SPECIAL_SITUATION_TAGS = set(["IN", "UH", "CC", "DT", "TO"])

def titleize(obj: str) -> str:
    """
    核心函数: 标题化传入的内容
    :param obj: 待处理的文字。
    """
    words = nltk.pos_tag(nltk.word_tokenize(obj))
    newwords = []
    for i, word in enumerate(words):
        if i == 0 or i == len(words) - 1 or word[0][-1] in string.punctuation:
            newwords.append(word[0].capitalize())
        elif word[1] in CAPITALIZE_TAGS:
            newwords.append(word[0].capitalize())
        else:
            if word[1] in SPECIAL_SITUATION_TAGS and len(word[0]) < 5:
                newwords.append(word[0])
            else:
                newwords.append(word[0].capitalize())
    return " ".join(newwords)

其实有一点我上面说漏了,那就是在压缩代码之前,你可以尝试重新仔细阅读代码,看看有没有什么逻辑可以被优化的,这对压缩效果也很重要。

就像上面函数中,for 循环的内容就显得多余了,因为它可以直接这样写:

def titleize(obj: str) -> str:
    """
    核心函数: 标题化传入的内容
    :param obj: 待处理的文字。
    """
    words = nltk.pos_tag(nltk.word_tokenize(obj))
    newwords = []

    for word in words:
        if word[1] in SPECIAL_SITUATION_TAGS and len(word[0]) < 5:
            newwords.append(word[0])
        else:
            newwords.append(word[0].capitalize())

    return " ".join(newwords)

然后你会注意到一些细节——变量 CAPITALIZE_TAGS 和模块 string 现在无用了,我们可以直接把它们删除。另外,类型为 set (集合)的变量——SPECIAL_SITUATION_TAGS 其实也不是很有用,因为毕竟都是要被遍历的(直接用元组或列表就行了)。

结合全文,我们大概可以将它改成这样:

from nltk import pos_tag as a, word_tokenize as b;s,l=["IN", "UH", "CC", "DT", "TO"],len  # 第一行
def t(obj):return " ".join([w[0] if w[1] in s and l(w[0]) < 5 else w[0].title() for w in a(b(obj))])  # 第二行

结语

现在,通过阅读本文献,你已经学习了所有压缩 Python 代码的技能。但是事实上,作者我还是一个新手——一个已经入门三年的新手!所以如果你发现有任何不合理的内容或明显的错误,请千万提出,我将学习并逐一修改。如果有任何其它相关建议,你也可以贡献,让我们一起维护好这份革命性的文献!

版权声明
作者:灰尘疾客
链接:https://www.gkcoll.xyz/514.html
来源:极客藏源
注意:若文章头部无特殊声明,则文章为作者原创,版权归作者所有,未经允许请勿转载(默认允许)。
转载须知:若无特殊说明,本站所有文章均遵循 CC BY-NC-SA 4.0 协议发布,转载、二次创作请遵守该协议内容,并参考以下文案添加转载声明:本文转载自网站 极客藏源 的用户 @灰尘疾客 的文章 《MIN.PY PLAN (Python 代码压缩计划)》。本转载文发布遵循与原文相同的 CC BY-NC-SA 4.0 协议
THE END
分享
二维码
海报
MIN.PY PLAN (Python 代码压缩计划)
前言 因一偶念,让我突然想去压缩 Python 代码(像 html, js, css 一样)。我尝试搜之于茫茫网络,但并网上并没有很多相关资料。或许那些 pythonors 更喜欢 py……
<<上一篇
下一篇>>