Inmersión en Python

Capítulo 1. Instalación de Python

Capítulo 2. Su primer programa en Python

• 2.1. Inmersión

  	En el IDE ActivePython para Windows puede ejecutar el programa de Python que esté editando escogiendo File->Run... (Ctrl-R). La salida se muestra en la pantalla interactiva.

  En el IDE de Python de Mac OS puede ejecutar un programa de Python con Python->Run window... (Cmd-R), pero hay una opción importante que debe activar antes. Abra el fichero .py en el IDE, y muestre el menú de opciones pulsando en el triángulo negro en la esquina superior derecha de la ventana, asegurándose de que está marcada la opción Run as __main__. Esta preferencia está asociada a cada fichero por separado, pero sólo tendrá que marcarla una vez por cada uno.

  	En sistemas compatibles con UNIX (incluido Mac OS X), puede ejecutar un programa de Python desde la línea de órdenes: python odbchelper.py

• 2.2. Declaración de funciones

  	En Visual Basic las funciones (devuelven un valor) comienzan con function, y las subrutinas (no devuelven un valor) lo hacen con sub. En Python no tenemos subrutinas. Todo son funciones, todas las funciones devuelven un valor (incluso si es None) y todas las funciones comienzan por def.

  	En Java, C++ y otros lenguajes de tipo estático debe especificar el tipo de dato del valor de retorno de la función y de cada uno de sus argumentos. En Python nunca especificará de forma explícita el tipo de dato de nada. Python lleva un registro interno del tipo de dato basándose en el valor asignado.

• 2.3. Documentación de funciones

  	Las comillas triples también son una manera sencilla de definir una cadena que contenga comillas tanto simples como dobles, como qq/.../ en Perl.

  	Muchos IDE de Python utilizan la cadena de documentación para proporcionar una ayuda sensible al contexto, de manera que cuando escriba el nombre de una función aparezca su cadena de documentación como ayuda. Esto puede ser increíblemente útil, pero lo será tanto como buenas las cadenas de documentación que usted escriba.

• 2.4. Todo es un objeto

  	import en Python es como require en Perl. Una vez que hace import sobre un módulo de Python, puede acceder a sus funciones con módulo.función; una vez que hace require sobre un módulo de Perl, puede acceder a sus funciones con módulo::función.

• 2.5. Sangrado (indentado) de código

  	Python utiliza retornos de carro para separar sentencias y los dos puntos y el sangrado para reconocer bloques de código. C++ y Java usan puntos y coma para separar sentencias, y llaves para indicar bloques de código.

• 2.6. Prueba de módulos

  	Al igual que C, Python utiliza == para la comparación y = para la asignación. Al contrario que C, Python no permite la asignación embebida, de manera que no existe la posibilidad de asignar un valor accidentalmente donde deseaba hacer una comparación.

  	En MacPython, hay que dar un paso adicional para hacer que funcione el truco if __name__. Muestre el menú de opciones pulsando el triángulo negro en la esquina superior derecha de la ventana, y asegúrese de que está marcado Run as __main__.

Capítulo 3. Tipos de dato nativos

• 3.1. Presentación de los diccionarios

  	Un diccionario en Python es como un hash en Perl. En Perl, las variables que almacenan hashes siempre empiezan con un carácter %. En Python las variables se pueden llamar de cualquier manera, y Python sabe su tipo internamente.

  	Un diccionario en Python es como una instancia de la clase Hashtable de Java.

  	Un diccionario en Python es como una instancia del objeto Scripting.Dictionary de Visual Basic.

• 3.1.2. Modificar diccionarios

  Los diccionarios no tienen concepto de orden entre sus elementos. Es incorrecto decir que los elementos están “desordenados”, ya que simplemente no tienen orden. Esto es una distinción importante que le irritará cuando intente acceder a los elementos de un diccionario en un orden específico y repetible (por ejemplo, en orden alfabético por clave). Hay maneras de hacer esto, pero no vienen de serie en el diccionario.

• 3.2. Presentación de las listas

  	Una lista de Python es como un array en Perl. En Perl, las variables que almacenan arrays siempre empiezan con el carácter @; en Python, las variables se pueden llamar de cualquier manera, y Python se ocupa de saber el tipo que tienen.

  	Una lista en Python es mucho más que un array en Java (aunque puede usarse como uno si es realmente eso todo lo que quiere en esta vida). Una mejor analogía podría ser la clase ArrayList, que puede contener objetos arbitrarios y expandirse de forma dinámica según se añaden otros nuevos.

• 3.2.3. Buscar en listas

  Antes de la versión 2.2.1, Python no tenía un tipo booleano. Para compensarlo, Python aceptaba casi cualquier cosa en un contexto booleano (como una sentencia if), de acuerdo a las siguientes reglas: 0 es falso; el resto de los números son verdaderos. Una cadena vacía ("") es falso, cualquier otra cadena es verdadera. Una lista vacía ([]) es falso; el resto de las listas son verdaderas. Una tupla vacía (()) es falso; el resto de las tuplas son verdaderas. Un diccionario vacío ({}) es falso; todos los otros diccionarios son verdaderos. Estas reglas siguen aplicándose en Python 2.2.1 y siguientes, pero ahora además puedes usar un verdadero booleano, que tiene el valor de True o False. Tenga en cuenta las mayúsculas; estos valores, como todo lo demás en Python, las distinguen.

• 3.3. Presentación de las tuplas

  	Las tuplas se pueden convertir en listas, y viceversa. La función incorporada tuple toma una lista y devuelve una tupla con los mismos elementos, y la función list toma una tupla y devuelve una lista. En efecto, tuple "congela" una lista, y list "descongela" una tupla.

• 3.4. Declaración de variables

  	Cuando una orden se divide en varias líneas con la marca de continuación de línea (“\”), las siguientes líneas se pueden sangrar de cualquier manera; el habitual sangrado astringente de Python no se aplica aquí. Si su IDE de Python autosangra la línea a continuación, probablemente debería aceptar este comportamiento a menos que tenga una imperiosa razón para no hacerlo.

• 3.5. Formato de cadenas

  	El formato de cadenas en Python usa la misma sintaxis que la función sprintf en C.

• 3.7. Unir listas y dividir cadenas

  	join funciona sólo sobre listas de cadenas; no hace ningún tipo de conversión de tipos. Juntar una lista que tenga uno o más elementos que no sean cadenas provocará una excepción.

  	unacadena.split(delimitador, 1) es una forma útil de buscar una subcadena dentro de una cadena, y trabajar después con todo lo que hay antes de esa subcadena (que es el primer elemento de la lista devuelta) y todo lo que hay detrás (el segundo elemento).

Capítulo 4. El poder de la introspección

• 4.2. Argumentos opcionales y con nombre

  	Lo único que necesita para invocar a una función es especificar un valor (del modo que sea) para cada argumento obligatorio; el modo y el orden en que se haga esto depende de usted.

• 4.3.3. Funciones incorporadas

  	Python se acompaña de excelentes manuales de referencia, que debería usted leer detenidamente para aprender todos los módulos que Python ofrece. Pero mientras en la mayoría de lenguajes debe usted volver continuamente sobre los manuales o las páginas de manual para recordar cómo se usan estos módulos, Python está autodocumentado en su mayoría.

• 4.7. Utilización de las funciones lambda

  	Las funciones lambda son una cuestión de estilo. Su uso nunca es necesario. Puede definir una función normal separada y usarla en cualquier sitio en que pueda utilizarse una lambda. Yo las utilizo en lugares donde deseo encapsulación, código no reutilizable que no ensucie mi propio código con un montón de pequeñas funciones de una sola línea.

• 4.8. Todo junto

  	En SQL, se utiliza IS NULL en vez de = NULL para comparar un valor nulo. En Python puede usar tanto == None como is None, pero is None es más rápido.

Capítulo 5. Objetos y orientación a objetos

• 5.2. Importar módulos usando from módulo import

  	from módulo import * en Python es como use módulo en Perl; import módulo en Python es como require módulo en Perl.

  	from módulo import * en Python es como import módulo.* en Java; import módulo en Python es como import módulo en Java.

  	Utilice from module import * lo menos posible, porque hace difícil determinar de dónde vino una función o atributo en particular, y complica más la depuración y el refactorizado.

• 5.3. Definición de clases

  	La sentencia pass de Python es como unas llaves vacías ({}) en Java o C.

  	En Python, el ancestro de una clase se lista entre paréntesis inmediatamente tras el nombre de la clase. No hay palabras reservadas especiales como extends en Java.

• 5.3.1. Inicialización y programación de clases

  	Por convención, el primer argumento de cualquier clase de Python (la referencia a la instancia) se denomina self. Este argumento cumple el papel de la palabra reservada this en C++ o Java, pero self no es una palabra reservada en Python, sino una mera convención. De todas maneras, por favor no use otro nombre sino self; es una convención muy extendida.

• 5.3.2. Saber cuándo usar self e __init__

  	Los métodos __init__ son opcionales, pero cuando define uno, debe recordar llamar explícitamente al método __init__ del ancestro (si define uno). Suele ocurrir que siempre que un descendiente quiera extender el comportamiento de un ancestro, el método descendiente deba llamar al del ancestro en el momento adecuado, con los argumentos adecuados.

• 5.4. Instanciación de clases

  	En Python, simplemente invocamos a una clase como si fuese una función para crear una nueva instancia de la clase. No hay operador new explícito como en C++ o Java.

• 5.5. Exploración de UserDict: Una clase cápsula

  	En el IDE ActivePython en Windows, puede abrir rápidamente cualquier módulo de su ruta de bibliotecas mediante File->Locate... (Ctrl-L).

  Java y Powerbuilder admiten la sobrecarga de funciones por lista de argumentos, es decir una clase puede tener varios métodos con el mismo nombre, pero con argumentos en distinta cantidad, o de distinto tipo. Otros lenguajes (notablemente PL/SQL) incluso admiten sobrecarga de funciones por nombre de argumento; es decir una clase puede tener varios métodos con el mismo nombre y número de argumentos de incluso el mismo tipo, pero con diferentes nombres de argumento. Python no admite ninguno de estos casos; no hay forma de sobrecarga de funciones. Los métodos se definen sólo por su nombre, y hay un único método por clase con un nombre dado. De manera que si una clase sucesora tiene un método __init__, siempre sustituye al método __init__ de su ancestro, incluso si éste lo define con una lista de argumentos diferentes. Y se aplica lo mismo a cualquier otro método.

  Guido, el autor original de Python, explica el reemplazo de métodos así: "Las clases derivadas pueden reemplazar los métodos de sus clases base. Dado que los métodos no tienen privilegios especiales para llamar a otros métodos del mismo objeto, un método de una clase base que llama a otro método definido en la misma clase base, puede en realidad estar llamando a un método de una clase derivada que la reemplaza (para programadores de C++: todos los métodos de Python son virtuales a los efectos)". Si esto no tiene sentido para usted (a mí me confunde sobremanera), ignórelo. Sólo pensaba que debía comentarlo.

  	Asigne siempre un valor inicial a todos los atributos de datos de una instancia en el método __init__. Le quitará horas de depuración más adelante, en busca de excepciones AttributeError debido a que está haciendo referencia a atributos sin inicializar (y por tanto inexistentes).

  En las versiones de Python previas a la 2.20, no podía derivar directamente tipos de datos internos como cadenas, listas y diccionarios. Para compensarlo, Python proporcionaba clases encapsulantes que imitaban el comportamiento de estos tipos: UserString, UserList, y UserDict. Usando una combinación de métodos normales y especiales, la clase UserDict hace una excelente imitación de un diccionario. En Python 2.2 y posteriores, puede hacer que una clase herede directamente de tipos incorporados como dict. Muestro esto en los ejemplos que acompañan al libro, en fileinfo_fromdict.py.

• 5.6.1. Consultar y modificar elementos

  	Cuando se accede a atributos de datos dentro de una clase, necesitamos calificar el nombre del atributo: self.atributo. Cuando llamamos a otros métodos dentro de una clase, necesitamos calificar el nombre del método: self.método.

• 5.7. Métodos especiales avanzados

  En Java, determinamos si dos variables de cadena referencian la misma posición física de memoria usando str1 == str2. A esto se le denomina identidad de objetos, y en Python se escribe así: str1 is str2. Para comparar valores de cadenas en Java, usaríamosstr1.equals(str2); en Python, usaríamos str1 == str2. Los programadores de Java a los que se les haya enseñado a creer que el mundo es un lugar mejor porque == en Java compara la identidad en lugar del valor pueden tener dificultades ajustándose a la falta de este tipo de “gotchas” en Python.

  	Mientras que otros lenguajes orientados a objeto sólo le permitirán definir el modelo físico de un objeto (“este objeto tiene un método GetLength”), los métodos especiales de Python como __len__ le permiten definir el modelo lógico de un objeto (“este objeto tiene una longitud”).

• 5.8. Presentación de los atributos de clase

  	En Java, tanto las variables estáticas (llamadas atributos de clase en Python) como las variables de instancia (llamadas atributos de datos en Python) se declaran inmediatamente en la definición de la clase (unas con la palabra clave static, otras sin ella). En Python, sólo se pueden definir aquí los atributos de clase; los atributos de datos se definen en el método __init__.

  	No hay constantes en Python. Todo puede cambiar si lo intenta con ahínco. Esto se ajusta a uno de los principios básicos de Python: los comportamientos inadecuados sólo deben desaconsejarse, no prohibirse. Si en realidad quiere cambiar el valor de None, puede hacerlo, pero no venga luego llorando si es imposible depurar su código.

• 5.9. Funciones privadas

  	En Python, todos los métodos especiales (como __setitem__) y atributos incorporados (como __doc__) siguen una convención estándar: empiezan y terminan con dos guiones bajos. No ponga a sus propios métodos ni atributos nombres así, porque sólo le confudirán a usted (y otros) más adelante.

Capítulo 6. Excepciones y gestión de ficheros

• 6.1. Gestión de excepciones

  	Python utiliza try...except para capturar las excepciones y raise para generarlas. Java y C++ usan try...catch para capturarlas, y throw para generarlas.

• 6.5. Trabajo con directorios

  	Siempre que sea posible, debería usar las funciones de os y os.path para manipulaciones sobre ficheros, directorios y rutas. Estos módulos encapsulan lo específico de cada plataforma, de manera que funciones como os.path.split funcionen en UNIX, Windows, Mac OS y cualquier otra plataforma en que funcione Python.

Capítulo 7. Expresiones regulares

• 7.4. Uso de la sintaxis {n,m}

  	No hay manera de determinar programáticamente si dos expresiones regulares son equivalentes. Lo mejor que puede hacer es escribir varios casos de prueba para asegurarse de que se comporta correctamente con todos los tipos de entrada relevantes. Hablaremos más adelante en este mismo libro sobre la escritura de casos de prueba.

Capítulo 8. Procesamiento de HTML

• 8.2. Presentación de sgmllib.py

  	Python 2.0 sufría un fallo debido al que SGMLParser no podía reconocer declaraciones (no se llamaba nunca a handle_decl), lo que quiere decir que se ignoraban los DOCTYPE sin advertirlo. Esto quedó corregido en Python 2.1.

  	En el IDE ActivePython para Windows puede especificar argumentos en la línea de órdenes desde el cuadro de diálogo “Run script”. Si incluye varios argumentos sepárelos con espacios.

• 8.4. Presentación de BaseHTMLProcessor.py

  La especificación de HTML precisa que todo lo que no sea HTML (como JavaScript para el cliente) debe estar encerrado dentro de comentarios de HTML, pero no todas las páginas web lo hacen correctamente (y todos los navegadores modernos hacen la vista gorda en ese caso). BaseHTMLProcessor no es tan permisivo; si un script no está adecuadamente embebido, será analizado como si fuera HTML. Por ejemplo, si el script contiene símbolos "igual" o "menor que", SGMLParser puede entender de incorrectamente que ha encontrado etiquetas y atributos. SGMLParser siempre convierte los nombres de etiquetas y atributos a minúsculas, lo que puede inutilizar el script, y BaseHTMLProcessor siempre encierra los valores de atributos dentro de comillas dobles (incluso si el documento original utiliza comillas simples o ningún tipo de comillas), lo que hará inútil el script con certeza. Proteja siempre sus script dentro de comentarios de HTML.

• 8.5. locals y globals

  Python 2.2 introdujo un cambio sutil pero importante que afecta al orden de búsqueda en los espacios de nombre: los ámbitos anidados. En las versiones de Python anteriores a la 2.2, cuando hace referencia a una variable dentro de una función anidada o función lambda, Python buscará esa variable en el espacio de la función actual (anidada o lambda) y después en el espacio de nombres del módulo. Python 2.2 buscará la variable en el espacio de nombres de la función actual (anidada o lambda), después en el espacio de su función madre, y luego en el espacio del módulo. Python 2.1 puede funcionar de ambas maneras; por omisión lo hace como Python 2.0, pero puede añadir la siguiente línea al código al principio de su módulo para hacer que éste funcione como Python 2.2: from __future__ import nested_scopes

  	Puede obtener dinámicamente el valor de variables arbitrarias usando las funciones locals y globals, proporcionando el nombre de la variable en una cadena. Esto imita la funcionalidad de la función getattr, que le permite acceder a funciones arbitrarias de forma dinámica proporcionando el nombre de la función en una cadena.

• 8.6. Cadenas de formato basadas en diccionarios

  	Usar cadenas de formato basadas en diccionarios con locals es una manera conveniente de hacer más legibles expresiones de cadenas de formato, pero tiene un precio. Llamar a locals tiene una ligera influencia en el rendimiento, ya que locals construye una copia del espacio de nombres local.

Capítulo 9. Procesamiento de XML

• 9.2. Paquetes

  	Un paquete es un directorio que contiene el fichero especial __init__.py. El fichero __init__.py define los atributos y métodos del paquete. No tiene por qué definir nada; puede ser un fichero vacío, pero ha de existir. Pero si no existe __init__.py el directorio es sólo eso, un directorio, no un paquete, y no puede ser importado o contener módulos u otros paquetes.

• 9.6. Acceso a atributos de elementos

  Esta sección puede ser un poco confusa, debido a que la terminología se solapa. Los elementos de documentos XML tienen atributos, y los objetos de Python también. Cuando analizamos un documento XML obtenemos un montón de objetos de Python que representan todas las partes del documento XML, y algunos de estos objetos de Python representan atributos de los elementos de XML. Pero los objetos (de Python) que representan los atributos (de XML) también tienen atributos (de Python), que se usan para acceder a varias partes del atributo (de XML) que representa el objeto. Le dije que era confuso. Estoy abierto a sugerencias para distinguirlos con más claridad.

  Al igual que un diccionario, los atributos de un elemento XML no tienen orden. Puede que los atributos estén listados en un cierto orden en el documento XML original, y puede que los objetos Attr estén listados en un cierto orden cuando se convierta el documento XML en objetos de Python, pero estos órdenes son arbitrarios y no deberían tener un significado especial. Siempre debería acceder a los atributos por su nombre, como claves de un diccionario.

Capítulo 10. Scripts y flujos

Capítulo 11. Servicios Web HTTP

• 11.6. Tratamiento de Last-Modified y ETag

  	En estos ejemplos el servidor HTTP ha respondido tanto a la cabecera Last-Modified como a ETag, pero no todos los servidores lo hacen. Como cliente de un servicio web debería estar preparado para usar ambos, pero debe programar de forma defensiva por si se da el caso de que el servidor sólo trabaje con uno de ellos, o con ninguno.

Capítulo 12. Servicios web SOAP

Capítulo 13. Pruebas unitarias (Unit Testing)

• 13.2. Inmersión

  	unittest está incluido en Python 2.1 y posteriores. Los usuarios de Python 2.0 pueden descargarlo de pyunit.sourceforge.net.

Capítulo 14. Programación Test-First

• 14.3. roman.py, fase 3

  	La cosa más importante que le puede decir una prueba unitaria exhaustiva es cuándo debe dejar de programar. Cuando una función pase todas sus pruebas unitarias, deje de programarla. Cuando un módulo pase todas sus pruebas unitarias, deje de programar en él.

• 14.5. roman.py, fase 5

  	Cuando hayan pasado todas sus pruebas, deje de programar.

Capítulo 15. Refactorización

• 15.3. Refactorización

  	Siempre que vaya a usar una expresión regular más de una vez, debería compilarla para obtener un objeto patrón y luego llamar directamente a los métodos del patrón.

Capítulo 16. Programación Funcional

• 16.2. Encontrar la ruta

  	No hace falta que existan los nombres de rutas y ficheros que se le pasan a os.path.abspath.

  	os.path.abspath no se limita a construir nombres completos de rutas, también los normaliza. Eso significa que si está en el directorio /usr/, os.path.abspath('bin/../local/bin') devolverá /usr/local/bin. Normaliza la ruta haciéndola lo más sencilla posible. Si sólo quiere normalizar una ruta así, sin convertirla en completa, use os.path.normpath.

  	os.path.abspath es multiplataforma igual que las otras funciones del os módulos os y os.path. Los resultados parecerán ligeramente diferentes que en mis ejemplos si está usted usando Windows (que usa barras invertidas como separador de ruta) o Mac OS (que usa dos puntos - :), pero seguirá funcionando. Ésa es la idea principal del módulo os.

Capítulo 17. Funciones dinámicas

Capítulo 18. Ajustes de rendimiento

• 18.2. Uso del módulo timeit

  	Podemos usar el módulo timeit desde la línea de órdenes para probar un programa de Python que ya exista, sin modificar el código. Vea http://docs.python.org/lib/node396.html si desea documentación sobre las opciones para línea de órdenes.

  	El módulo timeit sólo sirve de algo si ya sabe qué parte de su código quiere optimizar. Si tiene un programa grande escrito en Python y no sabe dónde tiene los problemas de rendimiento, pruebe el módulo hotshot.