Idiom dla rozpakowywania długich krotek

Question

Scenariusz: masz długą krotkę w wyniku zapytania SQL i chcesz rozpakować ją na poszczególne wartości. Jaki jest najlepszy sposób na to, dostosowując się do PEP8? Do tej pory mam te trzy opcje:

1. pojedyncze zadanie, należy użyć backslash podzielić na wiele linii

   person_id, first_name, last_name, email, \ 
       birth_date, graduation_year, home_street, \ 
       home_city, home_zip, mail_street, mail_city, \ 
       mail_zip = row 
   

2. pojedyncze zadanie, grupa po lewej stronie w nawiasach i przełamać linie bez backslashem

   (person_id, first_name, last_name, email, 
       birth_date, graduation_year, home_street, 
       home_city, home_zip, mail_street, mail_city, 
       mail_zip) = row 
   

3. podzielone na wiele zadań, każde dopasowane do pojedynczej linii

   person_id, first_name, last_name, email = row[0:4] 
   birth_date, graduation_year, home_street = row[4:7] 
   home_city, home_zip, mail_street, mail_city = row[7:11] 
   mail_zip = row[11] 
   

Która z trzech opcji jest najlepsza? Czy jest coś lepszego?

Answer 1

Anwering your question "Która z trzech opcji jest najlepsza?"

pep8 stanowi:

Korzystnym sposobem pakowania długie linie, jest za pomocą Pythona wynikało kontynuacji linii wewnątrz okrągłe, kwadratowe i stężeń. Długie linie mogą być przerywane na wiele linii poprzez zawijanie wyrażeń w nawiasach. Powinny być one używane zamiast używania odwrotnego ukośnika do kontynuacji linii.

To oznacza, że ​​drugi jest preferowany nad pierwszym. Trzeci jest dobrze dopasowany do pep8, choć osobiście nie polecałby tego.

Answer 2

Aby odpowiedzieć „czy jest coś lepszego”, chciałbym zaproponować, że namedtuple pozwala na dostęp do poszczególnych elementów danych z minimalnym zamieszanie:

>>> from collections import namedtuple 
>>> Person = namedtuple("Person", ['person_id', 'first_name', 'last_name', 
            'email', 'birth_date', 'graduation_year', 
            'home_street', 'home_city', 'home_zip', 
            'mail_street', 'mail_city', 'mail_zip']) 
>>> row = range(12) # dummy data 
>>> p = Person(*row) # unpack tuple into namedtuple 
>>> p 
Person(person_id=0, first_name=1, last_name=2, email=3, birth_date=4, graduation_year=5, home_street=6, home_city=7, home_zip=8, mail_street=9, mail_city=10, mail_zip=11) 
>>> p.birth_date 
4 

Oznacza to, że dostęp do atrybutów, zamiast odrębnych nazw , ale jest lżejszy niż tworzenie klasy, zachowuje wszystkie dane z zapytania razem i ujawnia wartości poprzez sensowne nazwy.