1. 使用 assert 加一层保险
断言是为了告诉开发人员程序中发生了不可恢复的错误，对于可以预料的错误（如文件不存在），用户可以予以纠正或重试，断言并不是为此而生的。
断言用于程序内部自检，如声明一些代码中不可能出现的条件，如果触发了某个条件，即意味着程序中存在着相应的bug。
Python断言是一种调试辅助功能不是用来处理运行时错误的机制。
语法：assert expression1 [, expression2]
expresssion1是要判断的表达式，expression2是可选的，用于返回错误信息
【注意】
- 不要使用断言验证数据，因为有可能程序被禁用断言
- 不要写出永远不会失败的断言
2. 巧妙放置逗号
举个例子就明白了
names = ['Alice',
'Bob',
'Alex',
]
这样可以删除任意一行元素，或者随意添加元素也方便，不用管逗号问题。
3. 上下文管理器和 with 语句
with 语句有助于简化一些通用资源管理模式，抽象出其中的功能，将其分解并重用。
with open("hello.txt", 'w') as f:
f.write('hello world!')
避免忘记手动关闭 IO 流
这样代码既好懂，又简洁，我们可以在自定义对象中支持 with
只要实现所谓的上下文管理器，就可以在自定义的类和函数中获得相同的功能。
简单点，如果想将一个对象作为上下文管理器，需要做的就是向其中添加__enter__和__exit__方法。下面以open()为例，简单手动实现一个上下文管理器。
class ManageFile(object):
def __init__(self, name):
self.name = name
def __enter__(self):
self.file = open(self.name, 'w')
return self.file
def __exit__(self, exc_type, exc_val. exc_tb):
if self.file:
self.file.close()
至此，我们可以这样调用：
with ManageFile('hello.txt') as f:
f.write('hello world!')
f.write('bye now!')
当流程进入with语句上下文时，Python会调用
__enter__获取资源，离开with上下文时，Python会调用__exit__释放资源。
上面的是原始的套路，实际使用当然有简化版。标准库中的contextlib模块在上下文管理器基本协议的基础上提供了更多抽象。如果遇到的情形正好能用到contextlib提供而功能，那么可以节省很多精力。
【例1】
from contextlib import contextmanager
@contextmanager
def make_open_context(filename, mode):
fp = open(filename, mode)
try:
yield fp
finally:
fp.close()
with make_open_context('/tmp/a.txt', 'a') as file_obj:
file_obj.write("hello carson666")
【例2】
# _*_ coding:utf-8 _*_
from contextlib import contextmanager
"""
contextmanager给了我们一个机会，即将原来不是上下文管理器的类变成了一个
上下文管理器，例如这里的MyResource类
"""
class MyResource:
def query(self):
print("query data")
@contextmanager
def make_myresource():
print("connect to resource")
yield MyResource()
print("connect to resource")
with make_myresource() as r:
r.query()
输出：
connect to resource
query data
connect to resource
【例3】
# _*_ coding:utf-8 _*_
from contextlib import contextmanager
@contextmanager
def book_mark():
print('《', end="")
yield
print('》', end="")
with book_mark():
# 核心代码
print('且将生活一饮而尽', end="")
输出：
《且将生活一饮而尽》
以上就是对类和函数实现上下文管理的方法
4. 下划线、双下划线及其他
4.1 前置单下划线：_var
当涉及变量名和方法时，前置单下划线只有约定含义，并不强制，只是提醒使用者不要在外部调用。
Python中如果使用通配符
*导入一个模块所有包，此时不会导入带前置单下划线的名称（除非__all__列表定义覆盖）
顺带说一下，应避免使用通配符导入，疑问这样就不清楚你在该文件使用了什么名称，常规导入是可以将前置单下划线的名称引入的。
4.2 后置单下划线：var_
有时，某个变量最适合额名称已被Python中关键字占用，在这种情况下，可以追加一个下划线来绕过命名冲突。
PEP8已定义并解释了这个约定
如果你使用过
numpy这些科学计算库，你会发现里面也有后置单下划线的函数，这种函数一般代表的是原位操作，去掉后置单下划线则是通常操作，返回的是clone后的对象。
4.3 前置双下划线：__var
双下划线前缀会让Python解释器重写属性名称，以避免子类中额命名冲突。下面来试验一下：
class Test(object):
def __init__(self):
self.foo = 11
self._bar = 22
self.__baz = 33
t = Test()
print(dir(t))
输出：
['_Test__baz', '__class__', '__delattr__', '__dict__', '__dir__',
'__doc__', '__eq__', '__format__', '__ge__', '__getattribute__',
'__gt__', '__hash__', '__init__', '__init_subclass__', '__le__',
'__lt__', '__module__', '__ne__', '__new__', '__reduce__',
'__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__',
'__subclasshook__', '__weakref__', '_bar', 'foo']
你会发现，前两个变量都有，而第三个变量则没有了，它被名称改写为_Test__baz了，是为了防止子类覆盖这些变量。
名称改写可用于属性和方法名，并且，名称改写并不与类属性绑定。
4.4 前后双下划线：__var__
双下划线的方法通常被称为魔法方法，重写这类方法时，一般是为了实现某种Python语言特性。
例如前面遇到的上下文管理器的实现。
4.5 单下划线：_
一般，若果你的函数返回值有多个，而你并不是所有都需要，那么你对不需要的返回值可以用_接收。
5. 格式化字符串
具体的使用规则不再赘述，这里主要谈谈如何选用Python的四种格式化字符串：
如果格式化字符串是用户提供的，使用模板字符串来避免安全问题。如果不是，再考虑Python版本：Python 3.6+使用字符串字面值插值，老版本则使用“新式”字符串格式化。