Python 3.11.0 发布，带来 10-60% 的性能提升。主要特性包括增强的错误追踪（Tracebacks）、更快的代码执行（基于 PEP 659 的自适应解释器）、更简洁的异步任务组语法、新增的类型变量支持（如 Self 类型）、标准库集成 TOML 解析模块（tomllib）。此外，启动速度优化、零成本异常处理及异常组功能也显著改善了开发体验。本文详细解析了这些核心更新及其实际应用。
根据官方资料显示，最新发布的 Python 3.11 比 Python 3.10 快 10-60%，对用户更友好。这一版本历经 17 个月的开发，现在公开可用。Python 3.11 的具体改进主要表现在：更详实的 Error Tracebacks、更快的代码执行、更好的异步任务语法、改进类型变量、支持 TOML 配置解析以及一些其他非常酷的功能（包括快速启动、Zero-Cost 异常处理、异常组等）。
Python 指导委员会成员和核心开发者、Python 3.10/3.11 发布管理者 Pablo Galindo Salgado 表示，为了使 3.11 成为最好的 Python 版本，我们付出了很多努力。
Python 这门编程语言对初学者非常友好，它具有易于理解的语法和强大的数据结构。但对于刚刚接触 Python 的人来说却存在一个难题，即如何解释当 Python 遇到错误时显示的 traceback。
Python 3.11 将 Decorative annotation 添加到 tracebacks 中，以帮助用户更快地解释错误消息。想要获得这种功能，可以将以下代码添加到 inverse.py 文件中。
def inverse(x):
return 1 / x
print(inverse(0))
举例来说，你可以使用 inverse() 来计算一个数的倒数。因为 0 没有倒数，所以在运行下列代码时会抛出一个错误。
在 Python 3.11 中，Traceback 会显示更清晰的指向符号（如 ^ 和 ~），它们直接指向导致错误的代码行。与此前的 tracebacks 一样，你应该从底层开始，然后逐步向上。这种操作对发现错误非常有用，但如果代码过于复杂，带注释的 tracebacks 会更好。
Python 以速度慢著称，例如在 Python 中，常规循环比 C 中的类似循环慢几个数量级。
Python 官方正在着手改进这一缺陷。2020 年秋，Mark Shannon 提出了关于 Python 的几个性能改进。这个提议被称为香农计划 (Shannon Plan)，他们希望通过几个版本的更新将 Python 的速度提高 5 倍。不久之后微软正式加入该计划，该公司正在支持包括 Mark Shannon、Guido van Rossum 在内的开发人员，致力于「Faster CPython」项目的研究。
「Faster CPython」项目中的一个重要提案是 PEP 659，在此基础上，Python 3.11 有了许多改进。
PEP 659 描述了一种「specializing adaptive interpreter」。主要思想是通过优化经常执行的操作来加快代码运行速度，这类似于 JIT（just-in-time）编译。只是它不影响编译，相反，Python 的字节码是动态调整或可更改的。
研究人员在字节码生成中添加了一个名为「quickening」的新步骤，从而可以在运行时优化指令，并将它们替换为 adaptive 指令。
一旦函数被调用了一定次数，quickening 指令就会启动。在 CPython 3.11 中，八次调用之后就会启动 quickening。你可以通过调用 dis() 并设置 adaptive 参数来观察解释器如何适应字节码。
import dis
def test_func():
x = 1 + 2
for i in range(100):
x += i
return x
# 多次调用触发优化
test_func()
test_func()
test_func()
test_func()
test_func()
test_func()
test_func()
test_func()
dis.dis(test_func, adaptive=True)
在基准测试中，CPython 3.11 比 CPython 3.10 平均快 25%。Faster CPython 项目是一个正在进行的项目，已经有几个优化计划在 2023 年 10 月与 Python 3.12 一起发布。你可以在 GitHub 上关注该项目。
Python 中对异步编程的支持已经发展了很长时间。Python 2 时代添加了生成器，asyncio 库最初是在 Python 3.4 中添加的，而 async 和 await 关键字是在 Python 3.5 中添加的。在 Python 3.11 中，你可以使用任务组（task groups），它为运行和监视异步任务提供了更简洁的语法。
import asyncio
async def fetch_data(url):
await asyncio.sleep(1)
return f"Data from {url}"
async def main():
async with asyncio.TaskGroup() as tg:
tasks = [tg.create_task(fetch_data(f"http://example.com/{i}")) for i in range(3)]
for task in tasks:
print(task.result())
asyncio.run(main())
Python 是一种动态类型语言，但它通过可选的类型提示支持静态类型。Python 静态类型系统的基础在 2015 年的 PEP 484 中定义。自 Python 3.5 以来，每个 Python 版本都引入了几个与类型相关的新提案。
Python 3.11 发布了 5 个与类型相关的 PEP，创下新高：
这些改进使得类型检查更加灵活和强大，有助于在编译期发现更多潜在错误。
TOML 是 Tom's Obvious Minimal Language 的缩写。这是一种在过去十年中流行起来的配置文件格式。在为包和项目指定元数据时，Python 社区已将 TOML 作为首选格式。
虽然 TOML 已被使用多年，但 Python 并没有内置的 TOML 支持。当 tomllib 添加到标准库时，Python 3.11 中的情况发生了变化。这个新模块建立在 toml 第三方库之上，允许解析 TOML 文件。
以下是名为 units.toml 的 TOML 文件示例：
[database]
server = "192.168.1.1"
ports = [ 8000, 8001, 8002 ]
connection_max = 5000
enabled = true
在 Python 代码中解析：
import tomllib
with open("units.toml", "rb") as f:
data = tomllib.load(f)
print(data["database"]["server"])
除了以上主要更新和改进之外，Python 3.11 还有更多值得探索的功能，比如更快的程序启动速度、对异常的更多改变以及对字符串格式的小幅改进。
Faster CPython 项目的一大成果是实现了更快的启动时间。当你运行 Python 脚本时，解释器初始化需要一些操作。这就导致即便是最简单的程序也需要几毫秒才能运行。
在很多情况下，与运行代码所需时间相比，启动程序需要的时间可以忽略不计。但是在运行时间较短的脚本中，如典型的命令行应用程序，启动时间可能会显著影响程序性能。比如考虑如下脚本，它受到了经典 cowsay 程序的启发。
# snakesay.py
import sys
def main():
if len(sys.argv) < 2:
print("Usage: python snakesay.py \"message\"")
return
message = sys.argv[1]
print(f" {message}")
if __name__ == "__main__":
main()
在 snakesay.py 中，你从命令行读取一条消息，然后将这条消息打印在带有一条可爱蛇的对话气泡中。你可以让蛇说任何话。这是命令行应用程序的基本示例，它运行得很快，但仍需要几毫秒。这一开销的很大部分发生在 Python 导入模块时。
你可以使用 -X importtime 选项来显示导入模块所用的时间。表中的数字为微秒为单位，最后一列是模块名称的格式。
该示例分别运行在 Python 3.11 和 3.10 上，结果如下图所示，Python 3.11 的导入速度更快，有助于 Python 程序更快地启动。
异常的内部表示在 Python 3.11 中有所不同。异常对象更轻量级，并且异常处理发生了变化。因此只要不触发 except 字句，try … except 块中的开销就越小。
所谓的零成本异常受到了 C++ 和 Java 等其他语言的启发。当你的源代码被编译为字节码时，编译器创建跳转表，由此来实现零成本异常。如果引发异常，查询这些跳转表。如果没有异常，则 try 块中的代码没有运行时开销。
此前，你了解到了任务组以及它们如何同时处理多个错误。这都要归功于一个被称为异常组的新功能。
我们可以这样考虑异常组，它们是包装了其他几种常规异常的常规异常。虽然异常组在很多方面表现得像常规异常，但它们也支持特殊语法，帮助你有效地处理每个包装异常。如下所示，你可以通过给出一个描述并列出包装的异常来创建一个异常组。
try:
raise ExceptionGroup("group", [ValueError("error 1"), TypeError("error 2")])
except* ValueError as e:
print(f"Caught {len(e.exceptions)} value errors")
常规异常具有添加任意 notes 的扩展能力。你可以使用 .add_note() 向任何异常添加一个 note，并通过检查 .__notes__ 属性来查看现有 notes。
try:
raise ValueError("Something went wrong")
except ValueError as e:
e.add_note("This is a helpful note")
print(e.__notes__)
使用浮点数进行计算时可能会遇到一个奇怪概念——负零。你可以观察到负零和 regular zero 在 REPL 中呈现不同，如下所示。
>>> -0.0
-0.0
>>> 0.0
0.0
在 Python 3.11 中，格式化行为得到了一些微调，确保在处理浮点数精度时更加符合预期。
Python 3.11 是一次重要的版本更新，不仅在性能上带来了显著的飞跃，还在开发体验上进行了多项优化。从更清晰的错误追踪到更高效的异常处理，再到原生支持的 TOML 解析，这些改进使得 Python 更加适合生产环境和高性能计算场景。对于开发者而言，升级到 3.11 不仅能获得更快的运行速度，还能利用新的语法特性编写更健壮、更易维护的代码。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online