Python 3.11.0 新特性详解：性能提升与语法改进

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。

更好的异步任务语法

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())

改进的类型变量

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：

• PEP 646: 可变泛型 (Variadic Generics)
• PEP 655: 根据需要或可能丢失的情况标记单个 TypedDict 项
• PEP 673: Self 类型
• PEP 675: 任意文字字符串类型
• PEP 681: 数据类转换

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。

支持 TOML 配置解析

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"])

其他功能

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。

更快的程序启动速度

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。

零成本异常

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。

异常组

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")

异常 Notes

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__)

负零格式化

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。

总结

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。