本文深入解析了六个 Python 核心知识点，包括类实例化流程中 __new__ 与 __init__ 的执行顺序及区别，map 函数返回迭代器的内存优化机制，正则表达式 compile 的性能提升原理，列表推导式展开多维数据的方法，字符串 join 拼接的高效性，以及 zip 函数的并行迭代特性。通过代码示例与原理分析，帮助开发者理解底层逻辑，编写更高效的 Python 代码。
Python 作为一种高级编程语言，以其简洁的语法和强大的生态著称。然而，要真正掌握 Python，不仅需要会写代码，更需要理解其背后的运行机制。本文精选了六个非常实用且容易混淆的 Python 代码片段，深入剖析其原理、应用场景及注意事项，帮助开发者提升代码质量与性能。
在 Python 中，创建对象时涉及两个特殊方法：__new__ 和 __init__。很多初学者容易混淆它们的执行顺序和作用。
class Test(object):
def __init__(self):
print("Test -> __init__")
def __new__(cls):
print("Test -> __new__")
return super().__new__(cls)
a = Test()
运行结果：
Test -> __new__
Test -> __init__
__new__ 返回的不是当前类的实例，则不会调用 __init__。如果 __new__ 返回其他类的实例，__init__ 将不会被调用。例如：
class Test2(object):
def __init__(self):
print("Test2 -> __init__")
def __new__(cls):
print("Test2 -> __new__")
return object() # 返回 object 实例，而非 Test2 实例
b = Test2()
运行结果：
Test2 -> __new__
此时 b 的类型为 object，而非 Test2。这常用于实现单例模式或控制对象创建过程。
map() 函数是 Python 内置的高阶函数，用于对序列中的每个元素应用指定函数。理解其返回类型对于内存管理至关重要。
b = map(lambda x: x * x, [1, 2, 3])
print([i for i in b]) # 输出：[1, 4, 9]
print([i for i in b]) # 输出：[]
第二次遍历结果为空，因为 map() 返回的是一个迭代器（Iterator）。迭代器具有惰性求值特性，一旦遍历完成，内部状态即被消耗，无法再次从头开始遍历。
为了节省内存，Python 使用生成器（Generator）机制处理大数据集。如果列表非常大，一次性加载到内存会消耗大量资源。使用 map 或生成器表达式可以在需要时逐个生成数据。
def yield_test(n):
for i in range(n):
yield i * 2
x = yield_test(5)
print(list(x)) # [0, 2, 4, 6, 8]
print(list(x)) # []
若不使用 yield 而直接返回列表，所有数据将驻留内存。对于海量数据处理，迭代器方案效率更高。
在处理文本匹配时，频繁编译正则表达式会影响性能。re.compile() 可以将正则字符串预编译为模式对象。
import re
text = '<div class="nam">中国</div>'
# 方法一：直接使用字符串
result1 = re.findall('<div class=".*">(.*)</div>', text)
# 方法二：预编译
regex = '<div class=".*">(.*)</div>'
pattern = re.compile(regex)
result2 = re.findall(pattern, text)
re.findall 都会重新编译正则表达式字符串，产生额外的开销。re.compile 将正则表达式编译成内部对象，后续复用该对象进行匹配，速度更快。适用场景：当需要在循环中多次匹配同一正则模式，或对性能要求较高的文本处理任务中，务必使用 compile。
将嵌套列表展平为一维列表是常见需求。列表推导式提供了一种优雅的一行解决方案。
nested = [[1, 2], [3, 4], [5, 6]]
flattened = [j for i in nested for j in i]
print(flattened) # [1, 2, 3, 4, 5, 6]
这是双重循环的压缩写法：
for i in nested 遍历子列表。for j in i 遍历子列表中的元素。j 被收集到新列表中。替代方案：对于更深层的嵌套，可使用 itertools.chain.from_iterable 或递归方法，但两层嵌套时列表推导式最直观高效。
在 Python 中，字符串是不可变对象。频繁使用 + 号拼接字符串会导致创建大量临时对象，降低性能。
# 低效方式
s = ""
for char in "abcdef":
s += char + "->"
# 高效方式
result = "->".join("abcdef")
print(result) # a->b->c->d->e->f
+ 操作符：每次拼接都生成新的字符串对象，时间复杂度随长度增加而上升。join 方法：预先计算所需内存空间，一次性构建结果，效率显著更高。此外，处理文件路径时，应使用 os.path.join() 代替手动拼接字符串，以确保跨平台兼容性（如 Windows 的反斜杠与 Linux 的正斜杠差异）。
zip() 函数用于将多个可迭代对象打包成元组列表，常用于并行遍历。
a = [1, 2]
b = (3, 4)
for pair in zip(a, b):
print(pair)
# 输出：(1, 3), (2, 4)
# 长度不一致时的行为
x = "ab"
y = "xyz"
for pair in zip(x, y):
print(pair)
# 输出：('a', 'x'), ('b', 'y')
zip 按索引位置依次取出元素组成元组。进阶技巧：若需保留最长序列的空缺信息，可使用 itertools.zip_longest 填充缺失值。
以上六个示例涵盖了 Python 对象模型、迭代器协议、正则优化、数据结构操作及字符串处理等核心领域。理解这些底层机制有助于编写更高效、健壮的代码。建议在实际开发中，根据具体场景选择合适的方法，避免盲目使用基础语法导致性能瓶颈。
通过深入阅读官方文档并实践上述代码，开发者可以逐步建立起对 Python 语言特性的深刻认知，从而在复杂项目中游刃有余。
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
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
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online