Python

Un article de Haypo.

(Différences entre les versions)
Version du 4 juillet 2011 à 21:02 (modifier)
Haypo (Discuter | Contributions)
(Python 3)
← Différence précédente
Version du 7 septembre 2011 à 21:54 (modifier) (défaire)
Haypo (Discuter | Contributions)
(Modules disponibles pour Python 3)
Différence suivante →
Ligne 488 : Ligne 488 :
* [https://bitbucket.org/ianb/virtualenv/issue/10/python-3-support virtualenv] : fork non officiel ? * [https://bitbucket.org/ianb/virtualenv/issue/10/python-3-support virtualenv] : fork non officiel ?
* [http://lucumr.pocoo.org/2010/2/11/porting-to-python-3-a-guide/ Jinja2] * [http://lucumr.pocoo.org/2010/2/11/porting-to-python-3-a-guide/ Jinja2]
 +* [http://sphinx.pocoo.org/ Sphinx] : Python documentation generator
Voir aussi : Voir aussi :

Version du 7 septembre 2011 à 21:54


« Python est à Perl ce que le système
métrique est au système anglo-saxon
 » — Palats

« Ce que j'aime dans Python, c'est que je peux passer l'essentiel
de mon temps de réflexion sur le code en simplifiant les idées
qui étaient inutilement tordues dans ma tête
 » — nil

« Chaque fois que je veux faire un truc, non seulement c'est faisable,
mais souvent c'est encore mieux que ce à quoi je m'attendais !
 » — LePoulpe303

« Python est vraiment un language de flemmard » — Yoann512

« On se demande pourquoi les autres langages ont des syntaxes si compliquées » — glooze

Retour à la page précédente Retour aux langages de programmation


Présentation du langage

« Perl? ha ha ha. Try Python. »

Python est un langage de programmation interprété possédant une grande bibliothèque de fonctions (ou modules). Ayant longuement programmé en C et C++, je trouve que programmer en Python (plutôt que C ou C++) est un grand gain de temps : aussi bien pour l'écriture du code que pour sa maintenance (débogage). La gestion des erreurs (ou exceptions) est bien meilleure : un programme ne plante pas, mais une exception est levée. Après, c'est au programmeur de bien gêrer les exceptions Python !

Au niveau des désavantages, six mois d'utilisation m'ont fait remarqué un défaut récurrent aux langages interprétés : il n'est pas possible de dire que le programme est stable. Il est toujours possible qu'une fonction inutilisée dans 99% des cas soit appelée, et là ... « c'est le drâme » (cf. 20h20). Le drâme est un appel d'une fonction ... qui n'est pas définie. Ce problème est détecté à la compilation en C.

Un Python qui mange l'éléphant de PHP

Autre désavantage : Python est un langage interprété. Du coup, il est forcément beaucoup plus lent que des langages compilés comme le C (réputé pour sa vitesse). Il existe de nombreux projets visant à accélérer Python pour le rapprocher des performances d'un programme en C. Voyez la partie ci-dessous qui est dédiée à l'optimisation.


Sommaire


Apprendre Python

Ressources gratuites

En français :

En anglais :

Par le jeu

Ressources payantes

En français :

  • Programmation Python de Tarek Ziadé : référence Python 2.4 en français accessible aux débutants en Python
  • Petit guide à l'usage du développeur agile de Tarek Ziadé : bonnes pratiques pour programmer en Python (bien que les pratiques puissent s'appliquer à d'autres langages)

Pourquoi j'aime Python

Espace de nommage

On contrôle très finement l'espace de nommage d'un fichier. On connait exactement quels sont les symboles importés lorsqu'on importe un module : "import sys" ajoute le symbole sys, "from sys import version" ajoute le symbole version. Par exemple, #include <stdio.h> en C importe des centaines de macro, constantes et fonctions. Il n'y pas de variable super globale et peu de fonctions globales (contrairement à PHP qui en a des centaines). Chaque classe et chaque fonction est également un espace de nommage. Les fonctions de la bibliothèques standards sont rangés dans des modules. Du coup, on ne retrouve pas avec des noms préfixés (exemple avec les fonctions iconv en PHP : iconv_get_encoding(), iconv_strlen(), ...).

Explicite

Il n'y pas de variable magique ou argument magique sorti de nul part. Tout est explicite. Le code Python est généralement plus verbeux que Perl, mais il est assez facile de comprendre un code Python inconnu.

Exceptions

La gestion des erreurs par l'utilisation d'exception est utilisée quasiment partout. Pour ignorer une erreur, il faut le faire explicitement. La gestion d'erreur est plus simple qu'en C par exemple : si une fonction ne souhaite pas gérer l'erreur elle-même, elle n'a pas besoin de remonter l'erreur explicitement à la fonction appelant. En C, si on omet de tester explicitement la valeur de retour d'une fonction, ou bien de remontrer l'erreur à la fonction appelant, on peut perdre des données (fichier corrompu silencieusement, plantage si on omet de vérifier que malloc() n'a pas échoué, etc.). En Python, une erreur d'allocation mémoire lêve une exception MemoryError.

try/finally est pratique pour exécuter du code qu'une exception soit levée ou non.

for x in y

Parcourir n'importe quel type d'ensemble se fait facilement avec une syntaxe claire, "for x in y: ...". En C, il faut gérer manuellement la boucle (initialisation, condition de fin, passer à l'élément suivant).

with

Mot clé with : "with open(fichier) as f: ...", "with verrou: ...", "with subprocess.Popen(...): ...", etc.

Fonctions ayant peu d'arguments grâce à la POO

Les types de base (nombres, chaînes de caractère, liste, dictionnaire, ...) sont des objets, les classes et les fonctions sont des objets, etc. La bibliothèque standard utilise massivement la programmation orientée objet. Du coup, les fonctions (méthodes) ont peu d'argument et on se trompe moins facilement. Par exemple, fgets(s, size, stream) a 3 arguments en C, alors que fichier.readline() n'en a aucun. De même, l'opérateur "in" évite de se tromper dans l'ordre quand on cherche un élément dans un ensemble : "x in y" est explicite, alors que pour in_array($x, $y) en PHP ou strstr(x, y) en C je dois relire la documentation de temps à autre pour vérifier l'ordre des arguments.

Lisibilité

Grâce à l'indentation obligatoire et la PEP 8, il est facile de relire le code d'un autre projet et le reprendre dans son projet (en respectant sa licence bien sûr).

Programmation fonctionnelle

Les générateurs (yield dans une fonction) et les list comprehension ont un goût de programmation fonctionnelle et permettent facilement d'écrire des algorithmes complexes. Diviser pour rêgner. La plupart des types de base acceptent un générateur en argument, exemple : list(x**2 for x in range(10)).

Portable

Python est réellement portable. Python s'abstrait du matériel : les nombres entiers ont comme limite la mémoire vive et le texte est stocké en Unicode. Python cache les détails de chaque architecture pour offrir une API homogène sur tous les systèmes. Python gère la mémoire tout seul (avec un ramasse miettes).

Intégration aisée des bibliothèques existantes

Il est facile d'utiliser des bibliothèques existantes écrites dans d'autres langages (surtout en C) en Python. Avec le module ctypes, c'est on ne peut plus trivial.

Bonnes pratiques : docstring

Les fichiers, classes et fonctions peuvent être documentées brièvement à l'aide de docstrings. Du coup, la commande help() de l'interprète Python fonctionne sur la majorité des fonctions et classes.

Bibliothèque standard

Python est livré de base avec :

  • réseau : chiffrement (SSL/TLS), clients HTTP, XML-RPC, POP3, IMAP ... et serveurs HTTP, XML-RPC, ...
  • archive : bzip2, gzip, tar, ZIP
  • gérer des processus
  • gérer un système de fichier (ex: copier/supprimer un dossier)

http://docs.python.org/library/

Nombreux types de base

  • int
  • bytes / str
  • tuple
  • list
  • dict
  • set

Chaque type a de nombreuses fonctionnalités. Ces types de base sont performants : implémentés en C, ils utilisent par exemple des algorithmes de hash pour la vitesse.

Le type set est très pratique pour supprimer les doublons d'un ensemble ou tester qu'on élément fait déjà parti d'un ensemble. Il me manque en C par exemple (mais pas autant que list !).

Fonctionnalités bien séparés et uniques

Les types de base ne font pas le café et chaque module Python répond à un besoin bien défini.

Ruby a par exemple fait le choix d'ajouter une méthode .times aux nombres pour exécuter une boucle. En Python, les boucles ne font avec les mots clés for et while uniquement.

Dans la mesure du possible, il y a une seule manière de faire une chose. Contre exemples : modules getopt, optparse, argparse (duplication liée à la compatibilité ascendante).

Compatibilité ascendante

Python assure la compatibilité ascendante dans toute la vie d'une version majeure de Python. Il y beaucoup de chance qu'un programme écrit pour Python 2.0 fonctionne sur Python 2.7.

Par contre, cette garantie n'est pas forcément respectée par les modules tiers. D'ailleurs, les modules tiers écrit en C doivent être recompilés pour chaque version mineure (2.x) de Python, et l'API C de Python a une moins bonne compatibilité ascendante que l'API Python.

Bonnnes pratiques : tests

Développer un projet en Python est moins long qu'en C par exemple car Python offre beaucoup de facilités : gestion automatique de la mémoire, exceptions, bibliothèques existantes, etc. Du coup, le temps "gagné" peut être utilisé pour écrire des tests. Les tests servent à compenser certaines lacunes de Python comme la vérification du type des arguments d'une fonction ou les erreurs qu'on n'a qu'à l'exécution. Mais ils sont obligatoires pour le refactoring d'un projet, et je considère que le refactoring est nécessaire dans la vie d'un projet. Sans refactoring, le code d'un projet est voué à grossir et se complexifier. Les développeurs initiaux vont finir par quitter le projet tôt ou tard, et plus personne ne sera capable de faire évoluer le projet.

Syntaxe générique et homogène

"for x in y: ...", "x in y", "if x: ..." : de nombreuses instructions sont identiques qu'importe le type des données. On peut donc écrire du code générique qui accepte n'importe quel type de données, et la syntaxe est facile à relire.

Éditeurs et IDE

Liste d'IDE sur le wiki python.org.

Liste non exhaustive :

Quelques points intéressants

Expressions régulières

Le module re permet d'utiliser facilement des expressions rationnelles. Exemple, rechercher un nombre dans une sous-chaîne (puis l'afficher) :

import re
print re.compile("[0-9]+").search("a 123 b 4").group(0)

En fait, la méthode search (d'un Regular Expression Objet) renvoie un Match Objet (ou None si la chaîne ne correspond pas au motif). Cet objet a deux méthodes intéressantes : groups() qui renvoie la liste des sous-chaînes, et group(i) qui renvoie la i-ième sous-chaîne (0 étant une sous-chaîne spéciale : celle qui correspond au motif).

Astuce : Utilisez le préfixe « r » pour écrire vos expressions rationelles, sinon l'anti-slash va être mal interprété. Exemple : « r"a\[b" » recherche la sous-chaîne « a[b ».

Manipuler des tableaux

Un tableau (ou vecteur ou liste, appelez-ça comme vous voulez) s'écrit de la manière suivante :

tableau = ["victor","robert","william"]

Le premier élément porte le numéro zéro (ici : tableau[0]). On peut accéder aux derniers éléments en utilisant un index négatif, exemple : tableau[-1] désigne "william".

Astuces :

  • del : Permet de supprimer un élément du tableau. Exemple : « del tableau[-1] » supprime le dernier élément d'un tableau.
  • in (test) : Permet de tester si un élément est dans le tableau ou non. Exemple : le test « "romuald" in tableau » est faux.
  • in (boucle) : Une boucle "pour chaque élément du tableau" peut s'écrire avec le mot clé in très naturellement. Exemple : « for prenom in tableau: print prenom »
  • Copie d'un tableau : l'affectation simple fait une copie par référence, utilisez « copie = tableau[:] ». Par contre, l'astuce précédente ne fonctionne pas pour les listes de deux dimensions ou plus, il faut alors utiliser « copie = copy.copy(tableau) » (n'oubliez pas "import copy").

Exception : La fonction del et l'accès via l'opérateur [] peuvent lever une exception de type IndexError.

Méthode statique

Pour créer une méthode statique, il faut écrire une méthode sans le self, puis utiliser le mot-clé staticmethod. Exemple (pouvant servir de singleton en Python) :

class Pouet:
    _instance = None

    def __init__(self):
        assert self._instance == None
        self._instance = self
        ...

    def getInstance():
        if Pouet._instance == None:
            Pouet._instance = _Pouet()
        return Pouet._instance
    getInstance = staticmethod(getInstance)

À partir de Python 2.4, on peut écrire tout simplement :

class Pouet:
    ...
    @staticmethod
    def getInstance():
        ...

C'est ce qu'on appelle les « decorators ».

Les propriétés (property)

À partir de Python 2.2, on peut utiliser simuler l'existence d'un attribut d'une classe alors qu'en fait, c'est une méthode qui va être appelée lorsqu'on en lit sa valeur et une autre méthode lorsqu'on la modifie. On peut également interdire la modification ou la lecture.

class Avant:
    def __init__(self, heure):
        self._minute = heure * 60

    def lireHeure(self):
        return self._minute / 60

    def modifierHeure(self, valeur):
        self._minute = valeur * 60
avant = Avant(2)
avant.modifierHeure( avant.lireHeure() + 1 )

class Apres(object):
    def __init__(self, heure):
        self._minute = heure * 60

    heure = property(_lireHeure, _modifierHeure)
    def _lireHeure(self): return self._minute / 60
    def _modifierHeure(self, valeur): self._minute = valeur * 60 
apres = Apres(2)
apres.heure = apres.heure + 1

Me dites pas que la seconde écriture n'est pas plus lisible !

  • Pour n'autoriser que la lecture, utiliser : heure = property(_lireHeure)
  • Pour n'autoriser que la modification, utiliser : heure = property(None, _modifierHeure)

Redéfinir les opérateurs

class Python:
    # Instancie un objet
    # cls = la classe Python et non pas l'object instancié
    def __new__(cls):
        pass

    # Constructeur de l'objet
    def __init__(self):
        self.items = [1, 2, 3]

    # Destructeur
    def __del__(self):
        print "Pourquoi tant de haine ?"

    # Utilisé pour : "len(p)"
    def __len__(self):
        return len(self.items)

    # Utilisé pour : "p[x]"
    def __getitem__(self, key):
        return self.items[key]

    # Utilisé pour : "x in p"
    def __contains__(self, value):
        return (value in self.items)

    # Utilisé pour : "for x in p"
    def __iter__(self):
        for x in self.items:
            yield x

Note : dans cet exemple, « return self.items.__iter__() » aurait été plus judicieux pour la méthode __iter__.

Voir aussi la documentation sur les opérateurs Python.

Manipuler différentes base (hexadécimal)

Entrée Sortie Méthode Exemples
Hexadécimal (str) Entier (int) int(chaine, 16) int("0xFF", 16) == int("FF", 16) == 255
Entier (int) Hexadécimal (str) "%X" % nombre ("%04X" % 255) == "00FF" ou ("0x%X" % 255) == "0xFF"

Exécuter un script avant le lancement de Python

Il y a deux endroits où on peut personnaliser Python :

  • site : personnalisation globale qui permettent d'adapter Python à votre ordinateur ;
  • PYTHONSTARTUP : personnalisation de l'interpréteur.

Pour la partie site, tous les répertoires du PYTHONPATH (défini via la variable d'environnement $PYTHONPATH et sys.path) sont parcourus et les scripts nommés sitecustomize.py sont exécutés. C'est à ce moment par exemple qu'on peut appeler « sys.setdefaultencoding("utf-8") ». Exemple :

$ cat << EOF >| sitecustomize.py
> import sys
> print "Passe en UTF-8"
> sys.setdefaultencoding("utf-8")
> EOF
$ PYTHONPATH=$PWD python
Passe en UTF-8
(...)
>>> import sys; print sys.getdefaultencoding()
utf-8

Pour personnaliser l'interpréteur, on peut exécuter un script via la variable d'environnement PYTHONSTARTUP. Exemple :

$ echo "answer=42" >| h2g2.py
$ export PYTHONSTARTUP=$(pwd)/h2g2.py
$ python
(...)
>>> answer
42

Pour en savoir plus, voir le module site.

Éditeur

Voir aussi PyDev (Eclipse).

Optimiser Python

Outils ou articles traitant de l'optimisation de Python :

  • pyrex : Compilateur permettant de mélanger du code C et du code Python si j'ai bien compris (?)
  • psyco : Module C (pour architecture i386) qui fonctionne comme un compilateur JIT (Just In Time : compile durant l'exécution du programme). Apparement, l'empreinte mémoire est assez grosse dans la version actuelle mais les performances sont bonnes sans avoir à retoucher à son programme Python.
  • PyInline permet d'ajouter du code source dans un autre langage directement dans un programme C, et de manière transparente.
  • list2str : Petit histoire sur l'optimisation (en Python uniquement) d'une fonction très simple expliquant pourquoi ça va plus vite d'une version à l'autre de la fonction.
  • py2cmod : Outil permettant de convertir un module Python en code C, ce qui permet de créer des versions plus performante
  • weave : outil permettant d'inclure du code C/C++ dans du code Python

Destructeur et compteur de référence

Compteur de référence

L'implémentation de référence de Python (CPython) utilise un compteur de référence pour le objets. Quand le compteur tombe à zéro, son destructeur est appelé et l'objet est détruit. Mais avec certaines constructions, il se peut que le compteur ne tombe jamais à zéro :

class Fils:
   def __init__(self, parent):
      self.parent = parent
class Parent:
   def __init__(self):
      self.fils = Fils(self)
parent = Parent()

Le parent a une référence à son fils (parent.fils) et le fils a une référence à son parent (fils.parent). Pour cette raison, les deux objets ne seront jamais détruits ! Il faut casser la référence avec :

parent.fils = None

et/ou :

fils.parent = None

Sinon, une solution plus simple est d'utiliser weakref :

import weakref
class Fils:
   def __init__(self, parent):
      self.parent = weakref.ref(parent)
class Parent:
   def __init__(self):
      self.fils = Fils(self)
parent = Parent()

Le parent a toujours une référence (forte) à son fils, mais le fils n'a plus qu'une référence faible à son parent. La syntaxe est différente, fils.parent est maintenant une fonction qui renvoie l'instance Parent ou None si l'instance n'existe plus.

Destructeur

Lorsqu'un objet est détruit, son destructeur (objet.__del__()) est appelé. Enfin... en théorie. En pratique, il est difficile de contrôler le moment exact où l'objet est détruit. Exemple :

def affiche(filename):
    for line in open(filename):
        print line.rstrip()
    print "EOF"

On peut supposer que le fichier soit fermé avant/après l'affichage d'EOF, mais ce n'est pas obligatoirement le cas. avec l'interprète PyPy, le fichier peut être fermé bien après la sortie de la fonction affiche() pour des questions de performance.

S'il est important que le fichier soit fermé au plus tôt, il faut le fermer explicitement avec sa méthode close() :

def affiche2(filename):
    f = open(filename)
    for line in f:
        print line.rstrip()
    f.close()
    print "EOF"

ou plus élégamment avec with :

def affiche3(filename):
    with open(filename) as :
        for line in f:
            print line.rstrip()
    print "EOF"

Python et ctypes

Lire Python et ctypes.

Python C API

Lire Python C API.

Python et Unicode

Lisez l'article dédié Python Unicode.

Import

Lisez l'article dédié Python import.

Module subprocess

Lisez l'article dédié Python subprocess.

Introspection

  • dir(objet) : nom des attributs de l'objet
  • type(objet) : type de l'objet
  • getattr(objet, nom), setattr(objet, nom, valeur), delattr(objet, nom) : lire / modifier / supprimer un attribut selon son nom
  • isinstance(objet, type), issubclass(objet.__class__, classe), type(objet) == un_type, callable(objet) : teste le type d'un objet
  • Attributs d'une classe :
    • cls.__name__ : nom de la classe
    • cls.__bases__ : classes parent
    • cls.__subclasses__ : classes filles (classes qui héritent de cls)
  • objet.__doc__ ou help(objet) dans l'interprète interactif : documentation de l'objet

Voir aussi le module inspect.

Les différentes machines virtuelles

Python est un langage. On peut compiler du Python pour donner du code machine i386, mais on peut aussi en faire du bytecode Java, ou plus couramment du bytecode pour la machine virtuelle CPython (l'interpréteur le plus connu). Voici donc une liste de machines virtuelles permettant d'exécuter du Python :

  • Jython : Exécution dans une Java Virtual Machine (JVM, voir Java). Voir aussi le projet Jpype qui permet d'utiliser du Java dans Python.
  • IronPython : Dans une plateforme .NET avec intégration du Common Language Runtime (CLR)
  • Parrot : Machine virtuelle en développement qui sera utilisée pour exécuter du Perl6 ou Python
  • pypy : Implémentation de Python codée en Python qui se veut aussi rapide que l'implémentation en C, voir même plus en utilisant une analyse dynamique du code ...
  • Stackless Python

Script intéressant : platform.py, donne diverses informations sur la plateforme exécutant le script Python.

Convertir un programme Python en ...

... un autre langage (Java, Perl, C++)

... un binaire (Windows / Unix)

Il est possible de compiler un script Python pour produire un programme binaire.

  • Créer un binaire Windows (PE)
  • Créer un binaire Unix (ELF)
    • freeze.py : Inclut dans Python apparement (?)

Python 3

Nouveautés

Modules disponibles pour Python 3

Voir aussi :

Applications utilisant Python 3

  • Eric 5 est écrit en Python 3
  • Blender 2.5 nécessite Python 3 : Python 3 est utilisé pour l'interface graphique et Blender peut être scripté en Python 3
  • BIND 10 utilise Python 3

Portage en cours

Portage en cours vers Python 3 (donc non utilisable en production) :

Status inconnu

  • Zope3
  • PyCrypto
  • PyOpenSSL

Distributions Linux

ArchLinux utilise Python 3 comme interprète Python par défaut (programme "python") : Python 2 est accessible via le programme "python2".

Status le 16 avril 2010 :

cmp

La fonction cmp() et la méthode spéciale __cmp__ ont été retirée de Python 3.0 car c'était redondant avec la comparaison riche (méthodes __lt__(), __eq__(), ... utilisés avec a < b, a == b, ...), et que Python évite si possible la redondance (ça peut introduire des incohérences). On peut réimplementer la fonction cmp() si on en a vraiment besoin avec :

def cmp(a, b):
   return (a > b) - (a < b)

Pour la migrer de Python 2 à Python 3, il est possible d'utiliser functools.cmp_to_key() (introduite dans Python 3.2) qui convertit un callback de comparaison, pour la méthode sort par exemple, en function qui génère une clé (ex: sort(key=...)).

Python 3.2 introduit le décorateur @functools.total_ordering qui permet de définir automatiquement toutes les méthodes de comparaison riche (__lt__(), __le__(), __gt__(), __ge__(), __eq__(), __ne__()) à partir de seulement deux méthodes : __eq__() et une autre méthode de comparaison au choix (ex: __lt__()). Si vous n'avez pas encore Python 3.2 (qui est prévu pour début février 2011 à l'heure où j'écris ces lignes), vous pouvez utiliser la recette Total Ordering de Christian Muirhead, Menno Smits et Michael Foord pour Python 2.6+ et Python 3.0+.

Porter du code Python 2 vers Python 3

Voir aussi

GIL

CPython utilise un verrou global pour tout l'interprète Python (Global Interpreter Lock). Même si on utilise des threads, un seul interprète fonctionne à la fois. On peut utiliser le module multiprocessing pour éviter ce problème, module introduit dans Python 2.6. Il existe une version pour Python 2.4 et 2.5 : Backport of the multiprocessing package.

En réalité, le GIL est relaché pour de nombreuses opérations bloquantes et par de nombreux modules écrits en C. Quelques exemples :

  • Modules bsddb, curses, ossaudiodev, fcntl, multiprocessing, sqlite3, tkinter, hashlib (MD5, SHA1, ...), posix, select, socket, zlib, bzip2
  • Opérations sur un fichier (ouverture, lecture, écriture, fermeture, ...) : concerne un grand nombre de modules
  • Fonctions thread.lock().acquire(), time.sleep(), syslog.syslog(), signal.pause()

En C, le GIL est relaché par les instructions suivantes :

... // GIL est verrouillé ...
Py_BEGIN_ALLOW_THREADS
... // GIL relaché : plusieurs threads peuvent s'exécuter en même temps ...
Py_END_ALLOW_THREADS
... // GIL est à nouveau verrouillé ...

Défauts de Python

  • Documenter un module demande de faire le travail deux fois : docstring et document reST (fichier(s) .rst)
    • Les docstrings sont plutôt la documentation bas niveau (documentation de l'API), alors que la documentation au format reST est la documentation utilisateur (moins complète, mais plus éducative, organisée, avec des exemples).
    • Le format docstring ne permet aucun mise en format, alors que reST offre beaucoup d'outils de mise en forme et permet de créer des liens entre les fonctions et modules
  • La bibliothèque standard n'est mis à jour que tous les 18 mois (durée entre deux mises à jour majeures de Python)
    • Pour un correctif, il faut attendre 18 mois
    • Pour une nouvelle fonctionnalité, il faut attendre 18 mois
    • Avoir une grosse bibliothèque standard évite d'avoir des dépendances externes et simplifie dans l'installation d'applications Python
    • Avoir la bibliothèque standard dans le code source de Python permet aux développeurs de Python de mettre à jour cette bibliothèque en même temps que le langage et l'interprète (ensemble plus homogène
  • La bibliothèque standard n'est pas très homogène. C'est surtout le cas dans Python 2 : nom de modules et des fonctions ne respectant pas les dernières conventions comme la PEP 8.
    • La bibliothèque standard a été nettoyée en profondeur (surtout du côté des noms de modules et de fonction) dans Python 3

Voir aussi

Articles connexes

Liens externes

Communautés

Documentation

Projets intéressants utilisant en Python

  • Slune : Jeu de voiture en 3D codé en Python (utilise Soya3D)
  • Monsterz : Jeu très sympatoche codé en Python
  • IPython : Shell écrit en Python ;-)
  • Gajim : Client Jabber en GTK
  • Gnu Mailman : Gestionnaire de liste de diffusion
  • Zope : Serveur d'application (HTTP)
  • Trac : Outil « tout en un » pour la gestion de projet, c'est-à-dire : suivi de SubVersion, gestion de bug, gestion des tâches, wiki, etc.
  • GRAMPS : Outil pour gérer sa généalogie
  • TinyERP : Progiciel de gestion intégré (ERP) et gestion de la relation client (CRM)
  • PyDDR : Jeu de danse dans le style Dance Dance Revolution

Voir aussi : les applications qui utilisent PyGTK.

De nombreux "gros" logiciels utilisent Python comme langage d'extension : OpenOffice, Inkscape, Scribus, Blender, ...

Bibliothèques

  • Useful Modules, Packages and Libraries
  • PyMedia : Lire des fichiers Wav, Ogg, Mp3, etc.
  • PyGTK : Binding Python pour GTK+
  • PyQt : Binding Python pour Qt
  • TwistedMatrix : Bibliothèque réseau haut-niveau très performante (et également toute une partie sur les traitements asynchrones)
  • BeautifulSoup : Permet de manipuler facilement des documents HTML « accidentés » (ne respectant pas la norme du W3C)
  • module path : Dans la même trempe que os.join, mais en bien plus puissant.
  • py-fate : Framework contenant des proxys et algorithmes qui permettent d'écrire un programme résistant aux erreurs.
  • PYRO : PYthon Remote Objects
  • Pypar : Parallel Programming in the spirit of Python! (basé sur MPI)

Divers