Python 潮流周刊#31：继 iOS 后，新 PEP 提议官方添加 Android 为支持平台

△△请给“Python猫”加星标 ，以免错过文章推送

你好，我是猫哥。这里每周分享优质的 Python、AI 及通用技术内容，大部分为英文。本周刊开源，欢迎投稿[1]。另有电报频道[2]作为副刊，补充发布更加丰富的资讯。

产品推荐

本周刊由“Python猫”出品，这是一个以 Python 技术科普和分享为主的科技自媒体，欢迎关注同名公众号。品牌合作请私信联系。

文章&教程

1、PEP-738：将 Android 添加为第 3 层支持的平台[3]

周刊第 24 期分享过 PEP-730 CPython 提供对 iOS 的官方支持[4] ，这个 PEP-738 则是将目标转到了 Android 系统。目前两个 PEP 都是草案状态，但 Android 使用的是 Linux 内核，也许这个 PEP 被采纳的可能性会更大些吧？（附：今年 Python 语言峰会上的 Python on Mobile: State of the Union[5]）

2、深度解析 Marker：AI 驱动的 PDF 布局检测引擎的源码解读[6]

第 29 期分享的 PDF 转 Markdown 工具Marker短短两周时间已经逼近 5K star了。这篇文章解读了它的工作原理，介绍了它的 6 个阶段及所依赖到的工具（PyMuPDF、OCRMyPDF、Tesseract 等等）。

Marker的工作原理

3、现实世界的 match/case[7]

Python 3.10 引入了match-case模式匹配语法，你们在项目中用过了么？这篇文章介绍了一种使用场景，是处理 Github 机器人返回的复杂 JSON 数据，相比传统的写法，它使得代码变得简单了。

4、pytest 守护进程：提升 10 倍本地测试迭代速度[8]

Discord 的官方博客文章，分享了他们将某个测试从 20 秒提升到 2 秒的故事！做法是使用“pytest 守护进程”和热加载，确保在需要测试时马上有进程可用，省去了即时准备工作的耗时。文章还提到了一个实现同样功能的开源项目 pytest-hot-reloading[9] 。

5、使用 Python 88 行代码写一个简易的 Android AI 程序[10]

开发一个在手机上 SDXLtext-to-image的 Demo，这听起来就不是一件简单的事情，但这篇文章介绍说只用 88 行 Python 代码就能实现？！用的技术是Beeware和LeptonAI，前者在我们周刊中出现过多次（例如上文中的两个 PEP 都与它有很深的联系），后者是知名 AI 专家 @贾扬清 的创业项目。

6、在 Python 中不需要这些无谓的操作[11]

作者指出了一些常见的 Python 多余/错误用法，包括# -*- coding: utf-8 -*-、range(len(xx))、追踪循环的位置、用 index() 判断是否包含、单独的 getter 和 setter。其中第一个关于编码的确实很常见，它也让我想起另一个经常被无意识使用的if __name__ == '__main__'。（附：为什么我不推荐写所谓的 main 函数？[12]）

7、为什么要用“if TYPE_CHECKING”？[13]

if TYPE_CHECKING的作用是为了实现条件式导入模块，基本示例如下：

from typing import TYPE_CHECKING

if TYPE_CHECKING:
from collections.abc import Sequence

def func(value: Sequence[int]) -> None:
pass


在什么情况下要这样用呢？文章介绍了这种模式的必要性，简单结论：在 mypy 强制执行的类型检查和运行时的类型检查之间作出权衡，特别是在有大量循环依赖的情况下。

8、对比 SQLALchemy 与 Django ORM[14]

它们都是关系型数据库的对象关系映射（ORM）框架，作者基于从Django ORM切换到SQLAlchemy的视角，介绍了两者的一些差异和正确用法，避免在使用时犯错。

9、Python __init__.py 的最佳实践[15]

__init__.py是 Python 中特有的一个文件，为什么会需要用到这样的文件呢？它的作用是什么？如何自定义这个文件，又有哪些使用技巧和最佳实践呢？推荐阅读这篇很详细的教程。

10、Mojo：来自一位 Python 研究员的观点[16]

一篇系统分析 Mojo 的文章，作者想研究的问题是：Mojo 是什么，未来会如何发展？Mojo 对通用科学计算（即不仅是 AI）有用么？它什么时候才真正可用，目前还缺少什么？作者不认可流传的“Mojo==Python++”说法，而是把它视为一门新颖的静态语言来研究。

11、Python 中的简单 HTTP 状态码[17]

不要在代码中直接用数字表示 HTTP 请求的状态码，这属于“魔术数字”，并不规范。Django、Starlette 和 Litestar 等框架都提供有枚举值，但更推荐的是使用标准库的http.HTTPStatus，另外从 Python 3.12 开始，还可以用HTTPStatus.is_success表示 2xx 状态码。（附：本文出自作者日更的“降临节日历”系列文章，多是些编程小技巧，去博客阅读[18]）

12、CPython 开发实战：实现 None 感知运算符 ?. 和 ??[19]

PEP-505 None 感知运算符[20] 是一份被推迟的提案，它的用途是简化判空时的条件处理。文章介绍了 PEP 里的三种 None 感知运算符，并做了一个简单版实现。文末还提及了不支持这份提案的两个评论，我想附和一句：还是不要加了，继续 Deferred 吧！

13、代码的运行多于被阅读[21]

“Code is read more than written”是编程的基本常识之一，提醒着程序员要关注代码的可读性和可维护性。作者将它提炼为“maintainer > author”，但是，编码只是达成目标的手段，它为用户提供服务，因此是“user > dev”，而且最终目的是为业务创造价值，因此初步推出“biz > user > ops > dev”。这个结论对么？作者逐一考虑/权衡各项因素的重要性，又列出了多组关系，最终简明的结论是：user > ops > dev，biz > ops > dev，biz ≹ user。

Python潮流周刊每 30 期为一季，第一季的精华内容已整理成一篇 6.2 万字的长文，方便你随时查看和下载。在线访问地址：Python 潮流周刊第一季精华合集（1~30）[22]

️项目&资源

1、magic-animate：使用扩散模型的时间一致的人像动画[23]

由新加坡国立大学和字节跳动联合推出，利用一张人像和动作图生成人物的运动视频。（star 7.8K）

2、phpy：连通 Python 和 PHP 的生态系统[24]

让你在 PHP 中使用 Python 的函数和类库，或者在 Python 中使用 PHP 的包。实现原理是在进程内同时创建了ZendVM和CPython VM，直接在进程堆栈空间内使用C函数互相调用。目前不支持 Python 多线程和异步 IO 特性。

3、insanely-fast-whisper：快到极致的 Whisper[25]

基于 OpenAI 的 Whisper Large v3 的音频转录工具，转录 150 分钟的音频仅需 98 秒。（star 4.2K）（附：另一个 faster-whisper：使用 CTranslate2 作更快的 Whisper 转录[26] ，star 6.2K）

4、coffee：使用 AI 将 UI 的构建和迭代速度提高 10 倍[27]

非常有创意的项目。在前端项目中引入它的组件，用自然语言描述你想实现的效果，它就会辅助生成实现代码。

演示视频中的用法截图

5、FastUI：更快构建更好的 UI[28]

Pydantic 推出的 Web 界面开发框架，可使用 React 构建响应式 Web 应用程序，而无需编写一行 JavaScript。（star 2.7K）

6、mistral-src：Mistral AI 7B v0.1 模型的参考实现[29]

Mistral AI 7B 的表现极为亮眼，在评分上接近了 Llama 70B 版本。这个项目是官方开源，用于快速部署和使用这个模型。（star 5.4K）

7、netchecks：查验网络运行条件的工具[30]

用于测试网络条件是否符合预期，支持验证 DNS 和 HTTP 连接，可配置断言条件，支持自定义验证内容。

8、Pearl：Meta 推出的强化学习 AI 代理库[31]

由 Meta 的应用强化学习团队开源，采用模块化设计，为生产环境提供了一系列独特的功能，包括动态行为空间、离线学习、智能神经探索、安全决策制定、历史总结和数据增强。（star 1.4K）

Pearl的设计图

9、gpt-fast：简单高效的 PyTorch 原生 Transformer 文本生成[32]

一个 PyTorch 的展示项目，用不到 1000 行 Python 代码，实现简单高效的文本生成。（star 4.1K）

10、The-Grand-Complete-Data-Science-Materials：数据科学的视频和材料[33]

一个资源收集型仓库，包含数据分析、数据科学、机器学习、生成式 AI 等专题的大量视频列表。（star 4.2K）

11、awesome-LLMs-In-China：中国的大模型[34]

中国大模型列表大全，全面收集有明确来源的大模型情况，包括机构、来源信息和分类等，目前列表中有 189 个国内大模型。（star 2.6K）

12、msgspec：高性能的序列化和校验库[35]

支持对 JSON、MessagePack、YAML 和 TOML 等格式的序列化与校验，拥有超高性能。（star 1.5K）

msgspec、pydantic、cattrs、mashumaro的性能对比

Python潮流周刊已开源在 Github 上，目前获得 940 star，如果周刊对你有帮助，可以给颗 star 支持下么？（有没有可能在 2023 年的最后两周突破 1K star 呢？）

播客&视频

1、PSF 官宣一档播客节目：Python 的隐藏人物[36]

“Hidden Figures of Python”播客的目标是展示 Python 社区中少数群体的声音。第一期节目是四名女性主播介绍播客的起源和对 Top Python 播客中女性嘉宾稀少的现象分析。

2、Talk Python To Me #442 使用 msgspec 作超高速的消息解析[37]

这期播客的嘉宾是上文 msgspec 的作者 Jim Crist-Harif。

3、DjangoCon US 2023 的视频列表，60 个视频[38]

DjangoCon US 是一个专注于 Django Web 框架的年度性大会，今年的视频已发布。

DjangoCon US的视频列表 欢迎订阅

• 
  

  微信公众号 [39]：除更新周刊外，还发布其它原创作品，并转载一些优质文章。（可加好友，可加读者交流群）

• 博客 [40] 及 RSS [41]：我的独立博客，上面有历年原创/翻译的技术文章，以及从 2009 年以来的一些随笔。

• 邮件 [42] 及 RSS [43]：在 Substack 上开通的频道，满足你通过邮件阅读时事通讯的诉求。

• Github [44]：你可以获取本周刊的 Markdown 源文件，做任何想做的事！

• Telegram [45]：除了发布周刊的通知外，我将它视为一个“副刊”，补充发布更加丰富的资讯。

• Twitter [46]：我的关注列表里有大量 Python 相关的开发者与组织的账号。

投稿: https://github.com/chinesehuazhou/python-weekly

电报频道: https://t.me/pythontrendingweekly

PEP-738：将 Android 添加为第 3 层支持的平台: https://pep-previews--3586.org.readthedocs.build/pep-0738/#

PEP-730 CPython 提供对 iOS 的官方支持: https://peps.python.org/pep-0730/

[5]

Python on Mobile: State of the Union: https://pyfound.blogspot.com/2023/05/the-python-language-summit-2023-python.html

[6]

深度解析 Marker：AI 驱动的 PDF 布局检测引擎的源码解读: https://journal.hexmos.com/marker-pdf-document-ai/

[7]

现实世界的 match/case: https://nedbatchelder.com/blog/202312/realworld_matchcase.html

[8]

pytest 守护进程：提升 10 倍本地测试迭代速度: https://discord.com/blog/pytest-daemon-10x-local-test-iteration-speed

[9]

pytest-hot-reloading: https://github.com/JamesHutchison/pytest-hot-reloading/

[10]

使用 Python 88 行代码写一个简易的 Android AI 程序: https://vra.github.io/2023/10/14/android-ai-app-in-88-lines-of-python-code/

[11]

在 Python 中不需要这些无谓的操作: https://www.bitecode.dev/p/you-dont-need-this-in-python

[12]

为什么我不推荐写所谓的 main 函数？: https://pythoncat.top/posts/2020-06-03-main

[13]

为什么要用“if TYPE_CHECKING”？: https://vickiboykis.com/2023/12/11/why-if-type_checking/

[14]

对比 SQLALchemy 与 Django ORM: https://st4lk.github.io/en/blog/2023/12/09/sqlalchemy-vs-django-orm/

[15]

Pythoninit.py 的最佳实践: https://coderslegacy.com/python-init-py-best-practices/

[16]

Mojo：来自一位 Python 研究员的观点: https://augierpi.gricad-pages.univ-grenoble-alpes.fr/mojo-the-point-of-view-of-a-researcher-using-python.html

[17]

Python 中的简单 HTTP 状态码: https://www.b-list.org/weblog/2023/dec/04/python-http-status-codes/

去博客阅读: https://www.b-list.org/weblog/

CPython 开发实战：实现 None 感知运算符 ?. 和 ??: https://juejin.cn/post/7310101543776829440

PEP-505 None 感知运算符: https://peps.python.org/pep-0505/

[21]

代码的运行多于被阅读: https://olano.dev/2023-11-30-code-is-run-more-than-read/

[22]

Python 潮流周刊第一季精华合集（1~30）: https://pythoncat.top/posts/2023-12-11-weekly

[23]

magic-animate：使用扩散模型的时间一致的人像动画: https://github.com/magic-research/magic-animate

[24]

phpy：连通 Python 和 PHP 的生态系统: https://github.com/swoole/phpy

[25]

insanely-fast-whisper：快到极致的 Whisper: https://github.com/Vaibhavs10/insanely-fast-whisper

[26]

faster-whisper：使用 CTranslate2 作更快的 Whisper 转录: https://github.com/SYSTRAN/faster-whisper

[27]

coffee：使用 AI 将 UI 的构建和迭代速度提高 10 倍: https://github.com/Coframe/coffee

[28]

FastUI：更快构建更好的 UI: https://github.com/pydantic/FastUI

[29]

mistral-src：Mistral AI 7B v0.1 模型的参考实现: https://github.com/mistralai/mistral-src

[30]

netchecks：查验网络运行条件的工具: https://github.com/hardbyte/netchecks

[31]

Pearl：Meta 推出的强化学习 AI 代理库: https://github.com/facebookresearch/Pearl

[32]

gpt-fast：简单高效的 PyTorch 原生 Transformer 文本生成: https://github.com/pytorch-labs/gpt-fast

[33]

The-Grand-Complete-Data-Science-Materials：数据科学的视频和材料: https://github.com/krishnaik06/The-Grand-Complete-Data-Science-Materials

[34]

awesome-LLMs-In-China：中国的大模型: https://github.com/wgwang/awesome-LLMs-In-China

[35]

msgspec：高性能的序列化和校验库: https://github.com/jcrist/msgspec

[36]

PSF 官宣一档播客节目：Python 的隐藏人物: https://pyfound.blogspot.com/2023/12/announcing-hidden-figures-of-python-pypodcats.html

[37]

Talk Python To Me #442 使用 msgspec 作超高速的消息解析: https://talkpython.fm/episodes/show/442/ultra-high-speed-message-parsing-with-msgspec

[38]

DjangoCon US 2023 的视频列表，60 个视频: https://www.youtube.com/playlist?list=PL2NFhrDSOxgX41jqYSi0HmO9Wsf6WDSmf

[39]

微信公众号: https://img.pythoncat.top/python_cat.jpg

[40]

博客: https://pythoncat.top

[41]

RSS: https://pythoncat.top/rss.xml

[42]

邮件: https://pythoncat.substack.com

[43]

RSS: https://pythoncat.substack.com/feed

[44]

Github: https://github.com/chinesehuazhou/python-weekly

[45]

Telegram: https://t.me/pythontrendingweekly

[46]

Twitter: https://twitter.com/chinesehuazhou

如果你觉得本文有帮助