什么是python；加上；为什么而设计的声明？

今天我第一次看到Python的

和
语句。我已经轻松地使用Python好几个月了，甚至不知道它的存在！鉴于它的地位有点模糊，我认为值得一问：

Python的
with
语句是什么
设计用来做什么
你怎么办
你用它做什么
有吗
我需要注意的问题，或者
与之相关的常见反模式
它的用途？在任何情况下，最好使用
try..finally
而不是
with
为什么它没有得到更广泛的应用
哪些标准库类与之兼容
with语句适用于所谓的上下文管理器：


其思想是通过在离开“with”块后进行必要的清理来简化异常处理。一些python内置程序已经可以作为上下文管理器使用。
请参见，最后有一个示例部分

。。。Python的新语句“with”
语言
可以排除try/finally语句的标准用法

我建议两个有趣的讲座：


“with”语句
理解Python的
“with”语句

1.
with
语句用于使用上下文管理器定义的方法包装块的执行。这允许封装常见的
try…除了…finally
使用模式以方便重用

2.
你可以这样做：

with open("foo.txt") as foo_file:
    data = foo_file.read()

或

或（Python 3.1）

或

3.
我在这里没有看到任何反模式。

引述：

试试……终于好了。使用更好。

4.
我想这与程序员使用其他语言的
try..catch..finally
语句的习惯有关。
第1、2和3点得到了合理的阐述：

4:它相对较新，仅在python2.6+中可用（或python2.5中使用
从uuuu future\uuuuu导入带u语句
）

我相信在我之前的其他用户已经回答了这个问题，所以我只是为了完整起见才添加它：
with
语句通过将常见的准备和清理任务封装在所谓的。有关更多详细信息，请参阅。例如，
open
语句本身就是一个上下文管理器，它允许您打开一个文件，只要在使用它的
with
语句的上下文中执行，就将其保持打开状态，并在离开上下文时将其关闭，无论您是因为异常还是在常规控制流期间离开它。因此，
with
语句的使用方式与C++中的类似：一些资源由
with
语句获取，并在您离开
with
上下文时释放

一些示例包括：使用打开（文件名）为fp:
的
打开文件，使用带锁的
获取锁：
（其中
lock
是
threading.lock
的一个实例）。您还可以使用
contextlib
中的
contextmanager
装饰器构建自己的上下文管理器。例如，当我必须临时更改当前目录，然后返回到原来的位置时，我经常使用此选项：

from contextlib import contextmanager
import os

@contextmanager
def working_directory(path):
    current_dir = os.getcwd()
    os.chdir(path)
    try:
        yield
    finally:
        os.chdir(current_dir)

with working_directory("data/stuff"):
    # do something within data/stuff
# here I am back again in the original working directory

下面是另一个示例，它将
sys.stdin
、
sys.stdout
和
sys.stderr
临时重定向到其他文件句柄，并在以后还原它们：

from contextlib import contextmanager
import sys

@contextmanager
def redirected(**kwds):
    stream_names = ["stdin", "stdout", "stderr"]
    old_streams = {}
    try:
        for sname in stream_names:
            stream = kwds.get(sname, None)
            if stream is not None and stream != getattr(sys, sname):
                old_streams[sname] = getattr(sys, sname)
                setattr(sys, sname, stream)
        yield
    finally:
        for sname, stream in old_streams.iteritems():
            setattr(sys, sname, stream)

with redirected(stdout=open("/tmp/log.txt", "w")):
     # these print statements will go to /tmp/log.txt
     print "Test entry 1"
     print "Test entry 2"
# back to the normal stdout
print "Back to normal stdout again"

最后，另一个创建临时文件夹并在离开上下文时将其清除的示例：

from tempfile import mkdtemp
from shutil import rmtree

@contextmanager
def temporary_dir(*args, **kwds):
    name = mkdtemp(*args, **kwds)
    try:
        yield name
    finally:
        shutil.rmtree(name)

with temporary_dir() as dirname:
    # do whatever you want


 Python <代码>带有语句是C++常用的成语的内置语言支持。它旨在允许安全获取和释放操作系统资源
with
语句在作用域/块内创建资源。您可以使用块中的资源编写代码。当块退出时，无论块中代码的结果如何（即块是否正常退出或由于异常退出），资源都会被干净地释放

Python库中的许多资源遵循
with
语句所需的协议，因此可以直接使用。但是，任何人都可以通过实施记录良好的协议来获得可在with语句中使用的资源：

每当您在应用程序中获取必须明确放弃的资源（如文件、网络连接、锁等）时，请使用它。
反模式的一个示例可能是在循环内使用
with
，而将
with
置于循环外会更有效

比如说

for row in lines:
    with open("outfile","a") as f:
        f.write(row)

vs

第一种方法是为每一行打开和关闭文件，这可能会导致性能问题，而第二种方法只打开和关闭文件一次。
为了完整起见，我将添加最有用的
用例和
语句

我做很多科学计算，对于一些活动，我需要
Decimal
库进行任意精度的计算。我的代码的某些部分需要高精度，而对于大多数其他部分，我需要低精度

我将默认精度设置为一个较低的数字，然后使用
和
对某些部分获得更精确的答案：

from decimal import localcontext

with localcontext() as ctx:
    ctx.prec = 42   # Perform a high precision calculation
    s = calculate_something()
s = +s  # Round the final result back to the default precision

我在超几何测试中经常用到这一点，超几何测试需要对由阶乘产生的大数进行除法。当你进行基因组规模计算时，你必须小心舍入和溢出错误。
另一个开箱即用支持的例子，当你习惯了内置
open（）
的行为方式时，一开始可能有点困惑的例子是流行数据库模块的
connection
对象，例如：



from tempfile import mkdtemp
from shutil import rmtree

@contextmanager
def temporary_dir(*args, **kwds):
    name = mkdtemp(*args, **kwds)
    try:
        yield name
    finally:
        shutil.rmtree(name)

with temporary_dir() as dirname:
    # do whatever you want

for row in lines:
    with open("outfile","a") as f:
        f.write(row)

with open("outfile","a") as f:
    for row in lines:
        f.write(row)

from decimal import localcontext

with localcontext() as ctx:
    ctx.prec = 42   # Perform a high precision calculation
    s = calculate_something()
s = +s  # Round the final result back to the default precision

conn = psycopg2.connect(DSN)

with conn:
    with conn.cursor() as curs:
        curs.execute(SQL1)

with conn:
    with conn.cursor() as curs:
        curs.execute(SQL2)

conn.close()

with open(“file name”, “mode”) as file-var:
    processing statements

function1(<complex and deep expression>)
function2(<same complex and deep expression>)

expr = <complex and deep expression>
function1(expr)
function1(expr)
expr = None   # to delete all resources, or wait till end of function

with <complex and deep expression> as expr:
  function1(expr)
  function1(expr)

# expr is out of scope, hence any resources are deleted