8 个真正能减少重复代码的 Python 标准库

去年底写过一篇《别再重复造轮子了！Python 这 10 个内置模块真能造》（dis、singledispatch、ast、atexit 等冷门模块巡礼）。那篇侧重"你可能不知道的冷门模块"。今天这篇换一个切口：只讲你会在本周代码里遇到的样板消除器。8 个模块，全是 Python 3.10+ 标准库自带，零依赖，直接 import。验证依据为 cpython 源码和 Python 3.12 官方文档。

每个模块一个 before/after 对比，附上最容易被踩的坑——什么时候不该用它。

01dataclasses — 你的数据类为什么还在手写 __init__

消灭了什么：__init__、__repr__、__eq__ 的手写。

# Before — 15 行样板
class Task:
def __init__(self, title, assignee, done=False):
self.title = title
self.assignee = assignee
self.done = done
def __repr__(self):
return f"Task(title={self.title!r}, assignee={self.assignee!r}, done={self.done!r})"
def __eq__(self, other):
if not isinstance(other, Task): return NotImplemented
return (self.title, self.assignee, self.done) == (other.title, other.assignee, other.done)

# After — 4 行
from dataclasses import dataclass

@dataclass(frozen=True, slots=True)
class Task:
    title: str
    assignee: str
    done: bool = False

slots=True（3.10+）额外减少 20–35% 内存占用。frozen=True 让实例不可变——配置对象、模型对象的天然选择。

不该用的场景：需要自定义 __init__ 做复杂参数校验或类型转换时，直接写普通类更清晰。dataclasses 的职责是"存数据"，不是"做逻辑"。

02functools.cache — 重复计算缓存一行搞定

消灭了什么：手写 dict 缓存 + key 管理。

# Before — 手动缓存
_fib_cache = {0: 0, 1: 1}
def fib(n):
if n not in _fib_cache:
        _fib_cache[n] = fib(n - 1) + fib(n - 2)
return _fib_cache[n]

# After — 一行装饰器
from functools import cache

@cache
def fib(n):
if n < 2: return n
return fib(n - 1) + fib(n - 2)

@cache（3.9+）是 @lru_cache(maxsize=None) 的简化版，内部用 dict 存结果，适合纯函数且参数空间有限的场景。注意它不保证线程安全——多线程并发写同一个 @cache 函数时可能出现竞态条件（cpython 只在 maxsize>0 时持有 LRU 链表的锁，maxsize=None 时 dict.setdefault 不加锁）。同一个 functools 里还有 partial（预填函数参数）、@wraps（保留装饰器里的原始函数签名）、reduce（序列累积）。

不该用的场景：函数有副作用（写文件、调 API、读数据库），或者参数空间无界——缓存无限增长会吃满内存。此时换 @lru_cache(maxsize=256) 加个上限。

03itertools — 你还在一层层嵌套 for 吗

消灭了什么：2–3 层嵌套 for + 手动 append。

# Before — 6 行嵌套
pairs = []
for color in ["red", "blue", "green"]:
for size in ["S", "M", "L"]:
        pairs.append((color, size))

# After — 1 行
from itertools import product
pairs = list(product(["red", "blue", "green"], ["S", "M", "L"]))

关键在"惰性"——product 返回迭代器不创建中间列表，内存 O(1) 而非 O(n)。上面的代码包在 list() 里是为了展示结果——实际使用时如果不需要全部组合，不要转 list()，保持惰性才能省内存。chain 展平多层可迭代对象，combinations 生成组合，groupby 按键分组。

不该用的场景（踩坑率最高）：groupby 要求输入预先按 key 排序，否则静默丢数据。

04collections — defaultdict 消灭"if key not in dict"

消灭了什么：每次访问 dict 前的防御检查。

# Before — 每次都得检查
counts = {}
for word in words:
if word not in counts:
        counts[word] = 0
    counts[word] += 1

# After
from collections import defaultdict
counts = defaultdict(int)
for word in words:
    counts[word] += 1

Counter(words) 比 defaultdict(int) 更终极——一行搞定计数。deque(maxlen=n) 是固定窗口 FIFO 队列，namedtuple 是轻量不可变数据容器。

不该用的场景：defaultdict 访问不存在的 key 时会自动创建并插入，这是副作用。在需要严格 key 校验的场景（比如读取配置时不应接受非预期 key），用普通 dict + .get() 更安全。

05pathlib — 别再 os.path.join 了

消灭了什么：os.path.join() 的字符串拼接地狱。

# Before — 跨平台易错
import os
path = os.path.join("data", "logs", "app.log")
with open(path) as f: ...

# After — / 运算符 + 对象方法
from pathlib import Path
path = Path("data") / "logs" / "app.log"
text = path.read_text(encoding="utf-8")
files = list(Path("logs").glob("*.log"))

/ 运算符（__truediv__ 重载）比字符串拼接直观得多。glob() 返回生成器，read_text()/write_text() 一行搞定读写。

不该用的场景：与 C 扩展交互时，大部分期望 str 而非 Path 对象，需显式 str(path)。WindowsPath 和 PosixPath 跨平台行为有细微差异。

06enum — 用类型安全替代魔法字符串

消灭了什么：散落各处的字符串常量。

# Before — 拼写错误只能在运行时发现
def handle(status):
if status == "pending": ...
elif status == "running": ...
elif status == "done": ...

# After — IDE 补全 + mypy 在编译期拦住
from enum import Enum, auto

class Status(Enum):
    PENDING = auto()
    RUNNING = auto()
    DONE = auto()

def handle(status: Status):
if status == Status.PENDING: ...

auto() 消除手动编号，StrEnum（3.11+）让枚举值自动兼容字符串接口。

不该用的场景：枚举值需要运行时动态注册（比如插件系统从配置文件加载状态），enum 的静态特性反而是限制。

07contextlib — 上下文管理不需要写类

消灭了什么：为了一行 with 写完整的 __enter__ / __exit__ 类。

# Before — 10 行类
class timer:
def __enter__(self):
self.start = perf_counter()
return self
def __exit__(self, *args):
self.elapsed = perf_counter() - self.start

# After — 生成器函数
from contextlib import contextmanager
from time import perf_counter

@contextmanager
def timer():
    start = perf_counter()
yield
print(f"elapsed: {perf_counter() - start:.3f}s")

contextlib.suppress(ValueError) 一行消掉 try: ... except ValueError: pass 的空异常处理块。

不该用的场景：上下文逻辑复杂到需要多个 yield 或异常恢复分支时，老老实实写类。@contextmanager 只能 yield 一次，切分支不是它的强项。

08textwrap — 多行字符串别再手调缩进了

消灭了什么：多行字符串前面那个对齐噩梦。

# Before — 手动调缩进，一改内容就歪
def help():
return "Usage: mytool [OPTIONS]\n\n" \
"Options:\n" \
"  -h, --help     Show this message\n" \
"  -v, --verbose  Verbose output"

# After — dedent 自动移除公共前导空白
from textwrap import dedent

def help():
return dedent("""\
        Usage: mytool [OPTIONS]

        Options:
          -h, --help     Show this message
          -v, --verbose  Verbose output""")

嵌在函数里的多行字符串不用再为了对齐缩进破坏可读性。textwrap.shorten("长文本", width=40, placeholder="...") 一行替代手动截断 + 拼接省略号。

不该用的场景：dedent 假设所有行共享相同的前导空白模式——如果多行字符串内部缩进不一致（比如混合了 tab 和空格），结果不可预测。

09写在最后：一图胜千言