适用于多种情况的 Python 设计模式

编写具有多种条件的验证函数的推荐结构是什么？请参阅这两个示例。第一个看起来很难看，第二个不太常见，也许是因为assert通常用于排除意外行为。有更好的选择吗？

def validate(val):
  if cond1(val):
    return False
  if cond2(val):
    return False
  if cond3(val)
    return False
  return True

Or

def validate(val):
  try:
    assert cond1(val)
    assert cond2(val)
    assert cond3(val)
    return True
  except AssertionError:
    return False

编写该函数的一种紧凑方法是使用any和一个生成器表达式：

def validate(val):
    conditions = (cond1, cond2, cond3)
    return not any(cond(val) for cond in conditions)

The any and all功能短路，所以一旦有确定的结果就会停止测试，即any一旦达到 True-ish 值就停止，all一旦达到 False 值就会停止，因此这种形式的测试非常有效。

我还应该提到的是much将这样的生成器表达式传递给更有效all / any比列表理解。因为all / any一旦获得有效结果就停止测试，如果您从生成器提供它们，则生成器也会停止，因此在上面的代码中，如果cond(val)评估为 True-ish 值，不会测试进一步的条件。但如果你通过了all / any列表理解，例如any([cond(val) for cond in conditions])整个列表必须之前构建all / any甚至可以开始测试。

你还没有向我们展示你的内部结构cond功能，但你确实提到assert对于你的问题，我认为以下评论是合适的。

正如我在评论中提到的，assert不应该用于验证数据，它用于验证程序逻辑。 （此外，可以通过 -O 命令行选项禁用断言处理）。用于具有无效值的数据的正确异常是ValueError，对于类型错误的对象，请使用TypeError。但请记住，异常是为了处理异常情况而设计的。

如果您预计会出现大量格式错误的数据，那么使用通常会更有效if基于逻辑而不是异常。如果实际上没有引发异常，Python 异常处理速度相当快，事实上它比同等情况更快if基于代码。然而，如果异常发生的次数超过 5-10%，那么try...except基于的代码将明显慢于if基于等效。

当然，有时使用异常是唯一明智的选择，即使情况并非那么特殊。一个典型的示例是，当您将数字字符串集合转换为实际数字对象时，表示整数的字符串将转换为整数对象，其他数字字符串将转换为浮点数，而其他字符串将保留为字符串。在 Python 中执行此操作的标准方法涉及使用异常。例如 https://stackoverflow.com/a/5609191/4014959:

def convert(s):
    ''' Convert s to int or float, if possible '''
    try:
        return int(s)
    except ValueError:
        try:
            return float(s)
        except ValueError:
            return s

data = ['42', 'spam', '2.99792458E8']
out = [convert(u) for u in data]
print(out)
print([type(u) for u in out])

output

[42, 'spam', 299792458.0]
[<class 'int'>, <class 'str'>, <class 'float'>]

Using “三思而后行” https://docs.python.org/3/glossary.html#term-lbyl这里的逻辑是possible在这里，但这使代码变得更加复杂，因为您需要处理可能的减号和科学记数法。