我个人对陷阱的定义是这样的：代码看起来可以工作，但不是以你“想当然“”的方式。如果一段代码直接出错，抛出了异常，我不认为这是陷阱。比如，Python程序员应该都遇到过的“UnboundLocalError”, 示例：
>>> a=1 >>> def func(): ... a+=1 ... print a ... >>> func() Traceback (most recent call last): File "<stdin>", line 1, in <module> File "<stdin>", line 2, in func UnboundLocalError: local variable 'a' referenced before assignment |
对于“UnboundLocalError”,还有更高级的版本：
import random def func(ok): if ok: a = random.random() else: import random a = random.randint(1, 10) return a func(True)# UnboundLocalError: local variable 'random' referenced before assignment |
可能对于很多python新手来说，这个Error让人摸不着头脑。但我认为这不算陷阱，因为这段代码一定会报错，而不是默默的以错误的方式运行。不怕真小人，就怕伪君子。我认为缺陷就好比伪君子。
那么Python中哪些真正算得上陷阱呢?
第一：以mutable对象作为默认参数
这个估计是最广为人知的了，Python和其他很多语言一样，提供了默认参数，默认参数确实是个好东西，可以让函数调用者忽略一些细节(比如GUI编程，Tkinter，QT)，对于lambda表达式也非常有用。但是如果使用了可变对象作为默认参数，那么事情就不那么愉快了。
>>> def f(lst = []): ... lst.append(1) ... return lst ... >>> f() [1] >>> f() [1, 1] |
惊喜不惊喜?!究其原因，python中一切都是对象，函数也不列外，默认参数只是函数的一个属性。而默认参数在函数定义的时候已经求值了。
Default parameter values are evaluated when the function definition is executed.
stackoverflow上有一个更适当的例子来说明默认参数是在定义的时候求值，而不是调用的时候。
>>> import time >>> def report(when=time.time()): ... return when ... >>> report() 1500113234.487932 >>> report() 1500113234.487932 |
python docoment 给出了标准的解决办法：
A way around this is to use None as the default, and explicitly test for it in the body of the function >>> def report(when=None): ... if when is None: ... when = time.time() ... return when ... >>> report() 1500113446.746997 >>> report() 1500113448.552873 |
第二: x += y vs x = x + y
一般来说，二者是等价的，至少看起来是等价的(这也是陷阱的定义 — 看起来都OK，但不一定正确)。
>>> x=1;x += 1;print x 2 >>> x=1;x = x+1;print x 2 >>> x=[1];x+=[2];print x [1, 2] >>> x=[1];x=x+[2];print x [1, 2] |
呃，被光速打脸了?
>>> x=[1];print id(x);x=x+[2];print id(x) 4357132800 4357132728 >>> x=[1];print id(x);x+=[2];print id(x) 4357132800 4357132800 |
前者x指向一个新的对象，后者x在原来的对象是修改，当然，那种效果是正确的取决于应用场景。至少，得知道，二者有时候并不一样
第三，神奇的小括号–()
小括号(parenthese)在各种编程语言中都有广泛的应用，python中，小括号还能表示元组(tuple)这一数据类型, 元组是immutable的序列。
>>> a = (1, 2) >>> type(a) <type 'tuple'> >>> type(()) <type 'tuple'> |
但如果只有一个元素呢
>>> a=(1) >>> type(a) <type 'int'> |
神奇不神奇，如果要表示只有一个元素的元组，正确的姿势是:
>>> a=(1,) >>> type(a) <type 'tuple'> |
第四：生成一个元素是列表的列表
这个有点像二维数组，当然生成一个元素是字典的列表也是可以的，更通俗的说，生成一个元素是可变对象的序列
很简单嘛：
>>> a= [[]] * 10 >>> a [[], [], [], [], [], [], [], [], [], []] >>> a[0].append(10) >>> a[0] [10] |
看起来很不错，简单明了，but
>>> a[1] [10] >>> a [[10], [10], [10], [10], [10], [10], [10], [10], [10], [10]] |
我猜，这应该不是你预期的结果吧，究其原因，还是因为python中list是可变对象，上述的写法大家都指向的同一个可变对象，正确的姿势
>>> a = [[] for _ in xrange(10)] >>> a[0].append(10) >>> a [[10], [], [], [], [], [], [], [], [], []] |
第五，在访问列表的时候，修改列表
列表(list)在python中使用非常广泛，当然经常会在访问列表的时候增加或者删除一些元素。比如，下面这个函数，试图删掉列表中为3的倍数的元素：
>>> def modify_lst(lst): ... for idx, elem in enumerate(lst): ... if elem % 3 == 0: ... del lst[idx] |
测试一下，
>>> lst = [1,2,3,4,5,6] >>> modify_lst(lst) >>> lst [1, 2, 4, 5] |
好像没什么错，不过这只是运气好
>>> lst = [1,2,3,6,5,4] >>> modify_lst(lst) >>> lst [1, 2, 6, 5, 4] |
上面的例子中，6这个元素就没有被删除。如果在modify_lst函数中print idx， item就可以发现端倪：lst在变短，但idx是递增的，所以在上面出错的例子中，当3被删除之后，6变成了lst的第2个元素(从0开始)。在C++中，如果遍历容器的时候用迭代器删除元素，也会有同样的问题。
如果逻辑比较简单，使用list comprehension是不错的注意
第六，闭包与lambda
这个也是老生长谈的例子，在其他语言也有类似的情况。先看一个例子:
>>> def create_multipliers(): ... return [lambda x:i*x for i in range(5)] ... >>> for multiplier in create_multipliers(): ... print multiplier(2) ... |
create_multipliers函数的返回值时一个列表，列表的每一个元素都是一个函数 — 将输入参数x乘以一个倍数i的函数。预期的结果时0，2，4，6，8. 但结果是5个8，意外不意外。
由于出现这个陷阱的时候经常使用了lambda，所以可能会认为是lambda的问题，但lambda表示不愿意背这个锅。问题的本质在与python中的属性查找规则，LEGB(local，enclousing，global，bulitin)，在上面的例子中，i就是在闭包作用域(enclousing)，而Python的闭包是 迟绑定 ， 这意味着闭包中用到的变量的值，是在内部函数被调用时查询得到的。
解决办法也很简单，那就是变闭包作用域为局部作用域。
>>> def create_multipliers(): ... return [lambda x, i = i:i*x for i in range(5)] ... |
第七，定义__del__
大多数计算机专业的同学可能都是先学的C、C++，构造、析构函数的概念应该都非常熟。于是，当切换到python的时候，自然也想知道有没有相应的函数。比如，在C++中非常有名的RAII，即通过构造、析构来管理资源(如内存、文件描述符)的声明周期。那在python中要达到同样的效果怎么做呢，即需要找到一个对象在销毁的时候一定会调用的函数，于是发现了__init__, __del__函数，可能简单写了两个例子发现确实也能工作。但事实上可能掉进了一个陷阱，在python documnet是有描述的：
| Circular references which are garbage are detected when the option cycle detector is enabled (it’s on by default), but can only be cleaned up if there are no Python-level __del__() methods involved. |
简单来说，如果在循环引用中的对象定义了__del__,那么python gc不能进行回收，因此，存在内存泄漏的风险
第八，不同的姿势import同一个module
示例在stackoverflow的例子上稍作修改，假设现在有一个package叫mypackage，里面包含三个python文件：mymodule.py, main.py, __init__.py。mymodule.py代码如下：
l = [] class A(object): pass |
main.py代码如下：
def add(x): from mypackage import mymodule mymodule.l.append(x) print "updated list",mymodule.l, id(mymodule) def get(): import mymodule print 'module in get', id(mymodule) return mymodule.l if __name__ == '__main__': import sys sys.path.append('../') add(1) ret = get() print "lets check", ret |
运行python main.py，结果如下：
updated list [1] 4406700752 module in get 4406700920 lets check [] |
从运行结果可以看到，在add 和 get函数中import的mymodule不是同一个module，ID不同。当然，在python2.7.10中，需要main.py的第13行才能出现这样的效果。你可能会问，谁会写出第13行这样的代码呢?事实上，在很多项目中，为了import的时候方便，会往sys.path加入一堆路径。那么在项目中，大家同意一种import方式就非常有必要了
第九，python升级
python3.x并不向后兼容，所以如果从2.x升级到3.x的时候得小心了，下面列举两点：
在python2.7中，range的返回值是一个列表;而在python3.x中，返回的是一个range对象。
map()、filter()、 dict.items()在python2.7返回列表，而在3.x中返回迭代器。当然迭代器大多数都是比较好的选择，更加pythonic，但是也有缺点，就是只能遍历一次。在instagram的分享中，也提到因为这个导致的一个坑爹的bug。
第十，gil
以GIL结尾，因为gil是Python中大家公认的缺陷!
从其他语言过来的同学可能看到python用threading模块，拿过来就用，结果发现效果不对啊，然后就会喷，什么鬼。
总结：
毫无疑问的说，python是非常容易上手，也非常强大的一门语言。python非常灵活，可定制化很强。同时，也存在一些陷阱，搞清楚这些陷阱能够更好的掌握、使用这么语言。本文列举了一些python中的一些缺陷，这是一份不完全列表，欢迎大家补充。
End.
