Glossar

>>>

Die Standard-Python-Eingabeaufforderung der interaktiven Shell. Wird häufig bei Code-Beispielen verwendet, die interaktiv im Interpreter ausgeführt werden können.

...

Kann sich beziehen auf:

  • Die Standard-Python-Eingabeaufforderung der interactive-Shell bei der Eingabe von Code für einen eingerückten Codeblock, wenn dieser sich innerhalb eines Paares übereinstimmender linker und rechter Begrenzer (Klammern, eckige Klammern, geschweifte Klammern oder dreifache Anführungszeichen) befindet, oder nach der Angabe eines Dekorators.

  • Die drei Punkte bilden das Ellipsis- -Objekt.

Abstrakte Basisklasse

Abstrakte Basisklassen (abstract base class / ABC) ergänzen Duck-Typing, indem sie eine Möglichkeit bieten, Schnittstellen zu definieren, wenn andere Techniken wie hasattr() umständlich oder in subtiler Weise falsch wären (zum Beispiel bei magischen Methoden). ABCs führen virtuelle Unterklassen ein – das sind Klassen, die nicht von einer Klasse erben, aber dennoch von isinstance() und issubclass() erkannt werden; siehe die Dokumentation zum Modul abc. Python enthält viele integrierte ABCs für Datenstrukturen (im Modul collections.abc ), Zahlen (im Modul numbers ), Streams (im Modul io ) sowie Import-Finder und Loader (im Modul importlib.abc ). Mit dem Modul abc können Sie eigene ABCs erstellen.

Anmerkung

Eine Bezeichnung, die einer Variablen, einem Klassenattribut oder einem Funktionsparameter bzw. Rückgabewert zugeordnet ist und üblicherweise als Typhinweis verwendet wird.

Annotations of local variables cannot be accessed at runtime, but annotations of global variables, class attributes, and functions are stored in the __annotations__ special attribute of modules, classes, and functions, respectively.

See variable annotation, function annotation, PEP 484 and PEP 526, which describe this functionality. Also see Annotations Best Practices for best practices on working with annotations.

Argument

Ein Wert, der beim Aufruf einer Funktion (oder Methode) an diese übergeben wird. Es gibt zwei Arten von Argumenten:

  • Schlüsselwortargument: Ein Argument, dem in einem Funktionsaufruf ein Bezeichner vorangestellt ist (z. B. name=) oder das in einem Wörterbuch als Wert übergeben wird, dem ** vorangestellt ist. Beispielsweise sind sowohl 3 als auch 5 Schlüsselwortargumente in den folgenden Aufrufen von complex()

    complex(real=3, imag=5)
complex(**{'real': 3, 'imag': 5})

  • Positionsargument: Ein Argument, das kein Schlüsselwortargument ist. Positionsargumente können am Anfang einer Argumentliste stehen und/oder als Elemente eines iterable übergeben werden, dem * vorangestellt ist. Beispielsweise sind sowohl 3 als auch 5 Positionsargumente in den folgenden Aufrufen:

    complex(3, 5)
complex(*(3, 5))

Argumente werden im Funktionskörper den benannten lokalen Variablen zugewiesen. Die Regeln für diese Zuweisung finden Sie im Abschnitt Calls . Syntaktisch kann jeder Ausdruck zur Darstellung eines Arguments verwendet werden; der ausgewertete Wert wird der lokalen Variablen zugewiesen.

Siehe auch den Glossareintrag zu parameter, die FAQ-Frage zum Unterschied zwischen Argumenten und Parametern und PEP 362.

asynchroner Kontextmanager

Ein Objekt, das die in einer async with-Anweisung angezeigte Umgebung steuert, indem es die Methoden __aenter__() und __aexit__() definiert. Eingeführt durch PEP 492.

asynchroner Generator

Wird umgangssprachlich je nach Kontext entweder für eine asynchrone Generatorfunktion oder einen asynchronen Generator-Iterator verwendet. Die formalen Begriffe asynchrone Generatorfunktion und asynchroner Generator-Iterator sind in der Praxis selten; „asynchroner Generator“ allein reicht fast immer aus.

asynchrone Generatorfunktion

Eine Funktion, die einen asynchronen Generator-Iterator zurückgibt. Sie ähnelt einer mit async def definierten Coroutine-Funktion, enthält jedoch Ausdrücke vom Typ yield, um eine Reihe von Werten zu erzeugen, die in einer async for-Schleife verwendet werden können. Siehe PEP 525.

Eine asynchrone Generatorfunktion kann sowohl await -Ausdrücke als auch async for- und async with-Anweisungen enthalten.

asynchrone Generator-Iterator

Ein Objekt, das von einer asynchronen Generatorfunktion erstellt wurde.

Dies ist ein asynchroner Iterator, der beim Aufruf mit der Methode __anext__() ein awaitable-Objekt zurückgibt, das den Körper der asynchronen Generatorfunktion bis zum nächsten yield -Ausdruck ausführt.

Jeder yield unterbricht die Verarbeitung vorübergehend und speichert dabei den Ausführungsstatus (einschließlich lokaler Variablen und ausstehender „try“-Anweisungen). Wenn der asynchrone Generator-Iterator mit einem anderen von __anext__() zurückgegebenen „awaitable“ effektiv fortgesetzt wird, setzt er die Ausführung an der Stelle fort, an der er unterbrochen wurde. Siehe PEP 492 und PEP 525.

asynchrones Iterabel

Ein Objekt, das in einer async for-Anweisung verwendet werden kann. Es muss über seine Methode __aiter__() einen asynchronen Iterator zurückgeben. Eingeführt durch PEP 492.

asynchroner Iterator

Ein Objekt, das die Methoden __aiter__() und __anext__() implementiert. __anext__() muss ein awaitable-Objekt zurückgeben. async for verarbeitet die von der Methode __anext__() eines asynchronen Iterators zurückgegebenen awaitables, bis eine Ausnahme vom Typ StopAsyncIteration ausgelöst wird. Eingeführt durch PEP 492.

atomare Operation

Eine Operation, die scheinbar als ein einziger, unteilbarer Schritt ausgeführt wird: Kein anderer Thread kann sie in einem unvollendeten Zustand beobachten, und ihre Auswirkungen werden auf einmal sichtbar. Python garantiert nicht, dass Anweisungen auf hoher Ebene atomar sind (beispielsweise führt x += 1 mehrere Bytecode-Operationen aus und ist nicht atomar). Atomarität wird nur dort garantiert, wo dies ausdrücklich dokumentiert ist. Siehe auch Race Condition und Data Race.

Attribut

Ein Wert, der einem Objekt zugeordnet ist und auf den in der Regel mithilfe von Punktnotation unter Angabe des Namens verwiesen wird. Wenn beispielsweise ein Objekt o ein Attribut a hat, würde darauf als o.a verwiesen werden.

Es ist möglich, einem Objekt ein Attribut zuzuweisen, dessen Name kein Bezeichner im Sinne von Identifiers and keywords ist, beispielsweise mithilfe von setattr(), sofern das Objekt dies zulässt. Auf ein solches Attribut kann nicht über einen Punktausdruck zugegriffen werden; stattdessen muss es mit getattr() abgerufen werden.

abwartbar

Ein Objekt, das in einem Ausdruck vom Typ await verwendet werden kann. Kann eine coroutine oder ein Objekt mit einer Methode vom Typ __await__() sein. Siehe auch PEP 492.

BDFL

Wohltätiger Diktator auf Lebenszeit, auch bekannt als Guido van Rossum, der Schöpfer von Python.

Binärdatei

Ein Dateiobjekt, das byteähnliche Objekte lesen und schreiben kann. Beispiele für Binärdateien sind Dateien, die im Binärmodus geöffnet wurden ('rb', 'wb' oder 'rb+'), sys.stdin.buffer, sys.stdout.buffer sowie Instanzen von io.BytesIO und gzip.GzipFile.

Siehe auch Textdatei für ein Dateiobjekt, das Objekte vom Typ str lesen und schreiben kann.

entlehnte Referenz

In der C-API von Python ist eine ausgeliehene Referenz eine Referenz auf ein Objekt, wobei der Code, der das Objekt verwendet, nicht Eigentümer der Referenz ist. Sie wird zu einem dangling pointer, wenn das Objekt zerstört wird. Beispielsweise kann eine Garbage Collection die letzte starke Referenz auf das Objekt entfernen und es so zerstören.

Es wird empfohlen, die Funktion Py_INCREF() auf die geliehene Referenz anzuwenden, um diese an Ort und Stelle in eine starke Referenz umzuwandeln – es sei denn, das Objekt kann nicht vor der letzten Verwendung der geliehenen Referenz zerstört werden. Mit der Funktion Py_NewRef() kann eine neue starke Referenz erstellt werden.

Byte-ähnliches Objekt

Ein Objekt, das die Schnittstelle Buffer-Protokoll unterstützt und einen C-contiguous-Puffer exportieren kann. Dazu gehören alle Objekte vom Typ bytes , bytearray und array.array sowie viele gängige Objekte vom Typ memoryview . Bytes-ähnliche Objekte können für verschiedene Operationen verwendet werden, die mit Binärdaten arbeiten; dazu gehören Komprimierung, das Speichern in einer Binärdatei und das Senden über einen Socket.

Bei einigen Operationen müssen die Binärdaten veränderbar sein. In der Dokumentation werden diese häufig als „les- und schreibbare byteähnliche Objekte“ bezeichnet. Beispiele für veränderbare Pufferobjekte sind bytearray und ein memoryview eines bytearray -Objekts. Andere Operationen erfordern, dass die Binärdaten in unveränderbaren Objekten (read-only bytes-like objects) gespeichert werden; Beispiele hierfür sind bytes und ein memoryview eines bytes -Objekts.

Bytecode

Python-Quellcode wird zu Bytecode kompiliert, der internen Darstellung eines Python-Programms im CPython-Interpreter. Der Bytecode wird zudem in .pyc -Dateien zwischengespeichert, sodass die Ausführung derselben Datei beim zweiten Mal schneller erfolgt (eine Neukompilierung vom Quellcode zum Bytecode kann vermieden werden). Diese „Zwischensprache“ läuft auf einer virtuellen Maschine, die den jedem Bytecode entsprechenden Maschinencode ausführt. Beachten Sie jedoch, dass Bytecodes nicht unbedingt zwischen verschiedenen virtuellen Python-Maschinen funktionieren und auch nicht über Python-Versionen hinweg stabil sind.

Eine Liste der Bytecode-Befehle finden Sie in der Dokumentation zum dis-Modul.

abrufbar

Ein Callable ist ein Objekt, das aufgerufen werden kann, gegebenenfalls mit einer Reihe von Argumenten (siehe argument), und zwar mit folgender Syntax:

callable(argument1, argument2, argumentN)

Eine Funktion und im weiteren Sinne auch eine Methode ist ein aufrufbares Objekt. Eine Instanz einer Klasse, die die Methode __call__() implementiert, ist ebenfalls ein aufrufbares Objekt.

Callback

Eine Unterprogrammfunktion, die als Argument übergeben wird, um zu einem späteren Zeitpunkt ausgeführt zu werden.

Klasse

Eine Vorlage zum Erstellen benutzerdefinierter Objekte. Klassendefinitionen enthalten in der Regel Methodendefinitionen, die auf Instanzen der Klasse angewendet werden.

Klassenvariable

Eine Variable, die in einer Klasse definiert ist und nur auf Klassenebene (d. h. nicht in einer Instanz der Klasse) geändert werden soll.

Closure-Variable

Eine freie Variable, auf die aus einem verschachtelten Gültigkeitsbereich verwiesen wird und die in einem äußeren Gültigkeitsbereich definiert ist, anstatt zur Laufzeit aus den globalen oder eingebauten Namensräumen aufgelöst zu werden. Sie kann explizit mit dem Schlüsselwort nonlocal definiert werden, um Schreibzugriff zu ermöglichen, oder implizit, wenn die Variable nur gelesen wird.

Beispielsweise sind in der Funktion inner im folgenden Code sowohl x als auch printfreie Variablen, aber nur x ist eine Closure-Variable:

def outer():
    x = 0
    def inner():
        nonlocal x
        x += 1
        print(x)
    return inner

Aufgrund des Attributs codeobject.co_freevars (das trotz seines Namens lediglich die Namen von Closure-Variablen enthält, anstatt alle referenzierten freien Variablen aufzulisten) wird der allgemeinere Begriff freie Variable manchmal verwendet, selbst wenn eigentlich speziell auf Closure-Variablen Bezug genommen werden soll.

komplexe Zahl

Eine Erweiterung des bekannten Systems der reellen Zahlen, in der alle Zahlen als Summe aus einem reellen und einem imaginären Teil ausgedrückt werden. Imaginäre Zahlen sind reelle Vielfache der imaginären Einheit (der Quadratwurzel von -1), die in der Mathematik häufig als i und im Ingenieurwesen als j geschrieben werden. Python bietet integrierte Unterstützung für komplexe Zahlen, die in der letztgenannten Notation geschrieben werden; der Imaginärteil wird mit dem Suffix j angegeben, z. B. 3+1j . Um auf die komplexen Entsprechungen des Moduls math zuzugreifen, verwenden Sie cmath . Die Verwendung komplexer Zahlen ist eine recht fortgeschrittene mathematische Funktion. Wenn Sie keinen Bedarf dafür sehen, können Sie diese Funktionen mit ziemlicher Sicherheit getrost ignorieren.

Gleichzeitigkeit

Die Fähigkeit eines Computerprogramms, mehrere Aufgaben gleichzeitig auszuführen. Python bietet Bibliotheken zum Schreiben von Programmen, die verschiedene Formen der Gleichzeitigkeit nutzen. asyncio ist eine Bibliothek für den Umgang mit asynchronen Aufgaben und Coroutinen. threading bietet Zugriff auf Betriebssystem-Threads und multiprocessing auf Betriebssystem-Prozesse. Multi-Core-Prozessoren können Threads und Prozesse gleichzeitig auf verschiedenen CPU-Kernen ausführen (siehe Parallelität).

gleichzeitige Änderung

Wenn mehrere Threads gleichzeitig gemeinsam genutzte Daten ändern. Eine gleichzeitige Änderung ohne ordnungsgemäße Synchronisation kann zu Race Conditions führen und möglicherweise auch einen Datenkonflikt, Datenbeschädigungen oder beides auslösen.

Kontext

Dieser Begriff hat je nach Kontext und Verwendung unterschiedliche Bedeutungen. Einige gängige Bedeutungen:

Kontextverwaltungsprotokoll

Die Methoden __enter__() und __exit__() , die von der Anweisung with aufgerufen werden. Siehe PEP 343.

Kontextmanager

Ein Objekt, das das Kontextverwaltungsprotokoll implementiert und die Umgebung steuert, die in einer with -Anweisung sichtbar ist. Siehe PEP 343.

Kontextvariable

Eine Variable, deren Wert davon abhängt, welcher Kontext gerade aktiv ist, wird als aktueller Kontext bezeichnet. Der Zugriff auf die Werte erfolgt über Objekte vom Typ contextvars.ContextVar . Kontextvariablen werden in erster Linie dazu verwendet, den Zustand zwischen parallel laufenden asynchronen Aufgaben zu isolieren.

zusammenhängend

Ein Puffer gilt genau dann als zusammenhängend, wenn er entweder C-zusammenhängend oder Fortran-zusammenhängend ist. Null-dimensionale Puffer sind sowohl C- als auch Fortran-zusammenhängend. In eindimensionalen Arrays müssen die Elemente im Speicher nebeneinander angeordnet sein, und zwar in aufsteigender Reihenfolge der Indizes, beginnend bei Null. In mehrdimensionalen C-zusammenhängenden Arrays ändert sich der letzte Index am schnellsten, wenn die Elemente in der Reihenfolge ihrer Speicheradressen durchlaufen werden. In Fortran-zusammenhängenden Arrays hingegen ändert sich der erste Index am schnellsten.

Koroutine

Coroutinen sind eine verallgemeinerte Form von Unterprogrammen. Unterprogramme werden an einer Stelle aufgerufen und an einer anderen Stelle beendet. Coroutinen können an vielen verschiedenen Stellen aufgerufen, beendet und fortgesetzt werden. Sie lassen sich mit der Anweisung async def implementieren. Siehe auch PEP 492.

Coroutinen-Funktion

Eine Funktion, die ein coroutine-Objekt zurückgibt. Eine Coroutine-Funktion kann mit der Anweisung async def definiert werden und die Schlüsselwörter await, async for sowie async with enthalten. Diese wurden mit PEP 492 eingeführt.

CPython

Die kanonische Implementierung der Programmiersprache Python, wie sie auf python.org bereitgestellt wird. Der Begriff „CPython“ wird bei Bedarf verwendet, um diese Implementierung von anderen wie Jython oder IronPython zu unterscheiden.

aktueller Kontext

Der Kontext (contextvars.Context-Objekt), der derzeit von ContextVar-Objekten verwendet wird, um auf die Werte von Kontextvariablen zuzugreifen (abzurufen oder festzulegen). Jeder Thread verfügt über einen eigenen aktuellen Kontext. Frameworks zur Ausführung asynchroner Aufgaben (siehe asyncio) ordnen jeder Aufgabe einen Kontext zu, der zum aktuellen Kontext wird, sobald die Aufgabe ihre Ausführung beginnt oder fortsetzt.

Datenkonflikt

Eine Situation, in der mehrere Threads gleichzeitig auf denselben Speicherort zugreifen, wobei mindestens einer der Zugriffe ein Schreibzugriff ist und die Threads keine Synchronisation zur Steuerung ihres Zugriffs verwenden. Datenkonflikte führen zu nicht-deterministischem Verhalten und können Datenbeschädigungen verursachen. Die korrekte Verwendung von Locks und anderen Synchronisationsprimitiven verhindert Datenrennen. Beachten Sie, dass Datenrennen nur in nativem Code auftreten können, dieser native Code jedoch möglicherweise in einer Python-API verfügbar ist. Siehe auch Race Condition und thread-safe.

Pattsituation

Eine Situation, in der zwei oder mehr Aufgaben (Threads, Prozesse oder Coroutinen) unbegrenzt darauf warten, dass die jeweils anderen Ressourcen freigeben oder Aktionen abschließen, wodurch keine der Aufgaben vorankommt. Wenn beispielsweise Thread A die Sperre 1 hält und auf die Sperre 2 wartet, während Thread B die Sperre 2 hält und auf die Sperre 1 wartet, werden beide Threads auf unbestimmte Zeit warten. In Python entsteht dies häufig durch das Erlangen mehrerer Sperren in widersprüchlicher Reihenfolge oder durch zirkuläre join/await-Abhängigkeiten. Deadlocks lassen sich vermeiden, indem mehrere Sperren stets in einer konsistenten Reihenfolge erworben werden. Siehe auch Sperre und reentrant.

Dekorateur

Eine Funktion, die eine andere Funktion zurückgibt und in der Regel als Funktionstransformation mithilfe der Syntax @wrapper angewendet wird. Gängige Beispiele für Dekoratoren sind @classmethod und @staticmethod.

Die Dekorator-Syntax ist lediglich Syntactic Sugar; die folgenden beiden Funktionsdefinitionen sind semantisch gleichbedeutend:

def f(arg):
    ...
f = staticmethod(f)

@staticmethod
def f(arg):
    ...

Das gleiche Konzept gibt es auch für Klassen, wird dort jedoch seltener verwendet. Weitere Informationen zu Dekoratoren finden Sie in der Dokumentation zu Funktionsdefinitionen und Klassendefinitionen.

Deskriptor

Jedes Objekt, das die Methoden __get__() , __set__() oder __delete__() definiert. Wenn ein Klassenattribut ein Deskriptor ist, wird sein spezielles Bindungsverhalten bei der Attributsuche ausgelöst. Normalerweise wird bei der Verwendung von a.b zum Abrufen, Setzen oder Löschen eines Attributs das Objekt mit dem Namen b im Klassenwörterbuch von a nachgeschlagen; ist b jedoch ein Deskriptor, wird die entsprechende Deskriptormethode aufgerufen. Das Verständnis von Deskriptoren ist der Schlüssel zu einem tiefgreifenden Verständnis von Python, da sie die Grundlage für viele Funktionen bilden, darunter Funktionen, Methoden, Eigenschaften, Klassenmethoden, statische Methoden und Verweise auf Oberklassen.

Weitere Informationen zu den Methoden von Deskriptoren finden Sie unter Implementierung von Deskriptoren oder im Descriptor How To Guide.

Wörterbuch

Ein assoziatives Array, bei dem beliebige Schlüssel Werten zugeordnet werden. Die Schlüssel können beliebige Objekte sein, die über die Methoden __hash__() und __eq__() verfügen. In Perl wird dies als Hash bezeichnet.

Wörterbuchverständnis

Eine kompakte Möglichkeit, alle oder einen Teil der Elemente eines iterierbaren Objekts zu verarbeiten und ein Wörterbuch mit den Ergebnissen zurückzugeben. results = {n: n ** 2 for n in range(10)} generiert ein Wörterbuch, das Schlüssel- n enthält, die den Wert- n ** 2 zugeordnet sind. Siehe Darstellungen für Listen, Mengen und Wörterbücher.

Wörterbuchansicht

Die Objekte, die von den Methoden dict.keys() , dict.values() und dict.items() zurückgegeben werden, werden als Dictionary-Ansichten bezeichnet. Sie bieten eine dynamische Ansicht der Einträge im Dictionary, was bedeutet, dass sich Änderungen am Dictionary unmittelbar in der Ansicht widerspiegeln. Um die Dictionary-Ansicht zwangsweise in eine vollständige Liste umzuwandeln, verwenden Sie list(dictview) . Siehe Dictionary-View-Objekte.

docstring

Ein String-Literal, das als erster Ausdruck in einer Klasse, Funktion oder einem Modul erscheint. Es wird zwar bei der Ausführung der Testsuite ignoriert, jedoch vom Compiler erkannt und in das Attribut __doc__ der umschließenden Klasse, Funktion oder des Moduls übernommen. Da es über Introspektion verfügbar ist, stellt es den kanonischen Ort für die Dokumentation des Objekts dar.

Duck-Typing

Ein Programmierstil, bei dem nicht der Typ eines Objekts herangezogen wird, um festzustellen, ob es über die richtige Schnittstelle verfügt; stattdessen wird die Methode oder das Attribut einfach aufgerufen bzw. verwendet („Wenn es wie eine Ente aussieht und wie eine Ente quakt, muss es eine Ente sein.“) Durch die Betonung von Schnittstellen anstelle spezifischer Typen verbessert gut gestalteter Code seine Flexibilität, indem er polymorphe Substitution ermöglicht. Duck-Typing vermeidet Tests mit type() oder isinstance() . (Beachten Sie jedoch, dass Duck-Typing durch abstrakte Basisklassen ergänzt werden kann.) Stattdessen werden typischerweise hasattr() -Tests oder EAFP-Programmierung eingesetzt.

dunder

Eine umgangssprachliche Abkürzung für „doppelter Unterstrich“, die verwendet wird, wenn von einer speziellen Methode die Rede ist. So wird beispielsweise __init__ oft als „dunder init“ ausgesprochen.

EAFP

Es ist einfacher, um Verzeihung zu bitten als um Erlaubnis. Dieser gängige Python-Programmierstil geht von der Existenz gültiger Schlüssel oder Attribute aus und fängt Ausnahmen ab, falls sich diese Annahme als falsch erweist. Dieser übersichtliche und schnelle Stil zeichnet sich durch das häufige Vorkommen von try - und except -Anweisungen aus. Diese Technik steht im Gegensatz zum LBYL-Stil, der in vielen anderen Sprachen wie beispielsweise C üblich ist.

Ausdruck

Ein Syntaxelement, das zu einem Wert ausgewertet werden kann. Mit anderen Worten: Ein Ausdruck ist eine Zusammenstellung von Ausdruckselementen wie Literalen, Namen, Attributzugriffen, Operatoren oder Funktionsaufrufen, die alle einen Wert zurückgeben. Im Gegensatz zu vielen anderen Sprachen sind nicht alle Sprachkonstrukte Ausdrücke. Es gibt auch statements, die nicht als Ausdrücke verwendet werden können, wie beispielsweise while. Auch Zuweisungen sind Anweisungen und keine Ausdrücke.

Erweiterungsmodul

Ein in C oder C++ geschriebenes Modul, das die C-API von Python nutzt, um mit dem Kern und dem Anwendercode zu interagieren.

f-String

String literals prefixed with 'f' or 'F' are commonly called „f-strings“ which is short for formatted string literals. See also PEP 498.

Dateiobjekt

Ein Objekt, das eine dateiorientierte API (mit Methoden wie read() oder write() ) für eine zugrunde liegende Ressource bereitstellt. Je nach Art seiner Erstellung kann ein Dateiobjekt den Zugriff auf eine echte Datei auf der Festplatte oder auf eine andere Art von Speicher- oder Kommunikationsgerät vermitteln (z. B. Standardeingabe/-ausgabe, Puffer im Arbeitsspeicher, Sockets, Pipes usw.). Dateiobjekte werden auch als dateiähnliche Objekte oder Streams bezeichnet.

Es gibt insgesamt drei Kategorien von Dateiobjekten: rohe Binärdateien, gepufferte Binärdateien und Textdateien. Ihre Schnittstellen sind im Modul io definiert. Die übliche Vorgehensweise zum Erstellen eines Dateiobjekts ist die Verwendung der Funktion open() .

dateiähnliches Objekt

Ein Synonym für Dateiobjekt.

Dateisystem-Kodierung und Fehlerbehandlung

Von Python verwendete Kodierung und Fehlerbehandlung zum Dekodieren von Bytes aus dem Betriebssystem und zum Kodieren von Unicode für das Betriebssystem.

Die Dateisystemkodierung muss gewährleisten, dass alle Bytes unter 128 erfolgreich dekodiert werden. Wenn die Dateisystemkodierung diese Garantie nicht bieten kann, können API-Funktionen die Ausnahme UnicodeError auslösen.

Mit den Funktionen sys.getfilesystemencoding() und sys.getfilesystemencodeerrors() lassen sich die Kodierung des Dateisystems und der Fehlerbehandler abrufen.

Die Dateisystem-Kodierung und der Fehlerbehandler werden beim Start von Python über die Funktion PyConfig_Read() konfiguriert: siehe filesystem_encoding und filesystem_errors, die zu PyConfig gehören.

Siehe auch den Begriff Lokalisierungskodierung.

Finder

Ein Objekt, das versucht, den loader für ein Modul zu finden, das gerade importiert wird.

Es gibt zwei Arten von Suchfunktionen: Meta-Pfad-Suchfunktionen zur Verwendung mit sys.meta_path sowie Pfad-Eingabe-Suchfunktionen zur Verwendung mit sys.path_hooks.

Weitere Informationen finden Sie unter Finders und Loader und importlib.

Etagenaufteilung

Mathematische Division, bei der auf die nächste ganze Zahl abgerundet wird. Der Operator für die Floor-Division lautet //. Der Ausdruck 11 // 4 ergibt beispielsweise 2 – im Gegensatz zu 2.75, das bei einer echten Float-Division zurückgegeben wird. Beachten Sie, dass (-11) // 4 gleich -3 ist, da es sich dabei um -2.75 handelt, das nach unten abgerundet wurde. Siehe PEP 238.

freies Einfädeln

Ein Threading-Modell, bei dem mehrere Threads Python-Bytecode gleichzeitig innerhalb desselben Interpreters ausführen können. Dies steht im Gegensatz zum global interpreter lock, bei dem jeweils nur ein Thread Python-Bytecode ausführen kann. Siehe PEP 703.

freie Variable

Formal gesehen ist, gemäß der Definition im Sprachausführungsmodell, eine freie Variable jede Variable, die in einem Namensraum verwendet wird und keine lokale Variable in diesem Namensraum ist. Ein Beispiel finden Sie unter Closure-Variable. In der Praxis wird der Begriff aufgrund des Namens des Attributs codeobject.co_freevars manchmal auch als Synonym für Closure-Variable verwendet.

Funktion

Eine Anweisungsfolge, die einen Wert an den Aufrufer zurückgibt. Ihr können zudem null oder mehr Argumente übergeben werden, die bei der Ausführung des Hauptteils verwendet werden können. Siehe auch Parameter, Methode sowie den Abschnitt Funktionsdefinitionen .

Funktionsanmerkung

Eine Annotation eines Funktionsparameters oder eines Rückgabewerts.

Funktionsannotationen werden in der Regel für Typangaben: verwendet. Beispielsweise wird erwartet, dass diese Funktion zwei int Argumente entgegennimmt und zudem einen int Rückgabewert hat:

def sum_two_numbers(a: int, b: int) -> int:
   return a + b

Die Syntax für Funktionsannotationen wird im Abschnitt Funktionsdefinitionen erläutert.

Siehe Variablen-Annotation und PEP 484, wo diese Funktionalität beschrieben wird. Siehe außerdem Annotations Best Practices für bewährte Vorgehensweisen beim Umgang mit Annotationen.

__Zukunft__

Eine Future-Anweisung, from __future__ import <feature>, weist den Compiler an, das aktuelle Modul unter Verwendung einer Syntax oder Semantik zu kompilieren, die in einer zukünftigen Version von Python zum Standard werden wird. Das Modul __future__ dokumentiert die möglichen Werte von feature. Durch Importieren dieses Moduls und Auswerten seiner Variablen können Sie sehen, wann eine neue Funktion erstmals in die Sprache aufgenommen wurde und wann sie zur Standardeinstellung wird (oder wurde):

>>> import __future__
>>> __future__.division
_Feature((2, 2, 0, 'alpha', 2), (3, 0, 0, 'alpha', 0), 8192)
Garbage Collection

Der Vorgang, bei dem Speicher freigegeben wird, wenn er nicht mehr benötigt wird. Python führt die Speicherbereinigung mithilfe der Referenzzählung und eines zyklischen Garbage Collectors durch, der Referenzzyklen erkennen und auflösen kann. Der Garbage Collector lässt sich über das Modul gc steuern.

Generator

Wird umgangssprachlich je nach Kontext entweder für eine Generatorfunktion oder einen Generator-Iterator verwendet. Die formalen Begriffe Generatorfunktion und Generator-Iterator sind in der Praxis selten; der Begriff „Generator“ allein reicht fast immer aus.

Generatorfunktion

Eine Funktion, die ein generator-Objekt zurückgibt. Sie sieht wie eine normale Funktion aus, enthält jedoch Ausdrücke vom Typ yield , um eine Reihe von Werten zu erzeugen, die in einer for-Schleife verwendet oder mit der Funktion next() einzeln abgerufen werden können. Siehe Yield Ausdrücke.

Generator-Iterator

Ein Objekt, das durch eine Generatorfunktion oder einen Generatorausdruck erstellt wurde.

Jeder yield unterbricht die Verarbeitung vorübergehend und speichert dabei den Ausführungszustand (einschließlich lokaler Variablen und ausstehender try-Anweisungen). Wenn der Generator-Iterator fortgesetzt wird, setzt er dort fort, wo er aufgehört hat (im Gegensatz zu Funktionen, die bei jedem Aufruf von vorne beginnen).

Generator-Iteratoren implementieren außerdem die Methode send() , um einen Wert an den angehaltenen Generator zu übergeben, sowie die Methode throw() , um an der Stelle, an der der Generator angehalten wurde, eine Ausnahme auszulösen. Siehe Generator-Iterator-Methoden.

Generatorausdruck

Ein Ausdruck, der einen Iterator zurückgibt. Er sieht aus wie ein normaler Ausdruck, gefolgt von einer for -Klausel, die eine Schleifenvariable und einen Bereich definiert, sowie einer optionalen if -Klausel. Der kombinierte Ausdruck generiert Werte für eine umschließende Funktion:

>>> sum(i*i for i in range(10))         # Summe der Quadrate von 0, 1, 4, ..., 81
285
generische Funktion

Eine Funktion, die aus mehreren Funktionen besteht, welche dieselbe Operation für verschiedene Typen implementieren. Welche Implementierung bei einem Aufruf verwendet werden soll, wird durch den Dispatch-Algorithmus bestimmt.

Siehe auch den Glossareintrag single dispatch, den Dekorator @functools.singledispatch sowie PEP 443.

generischer Typ

Ein Typ, der parametrisiert werden kann; typischerweise eine Containerklasse wie beispielsweise list oder dict. Wird für Typ-Hinweise und Annotationen verwendet.

Weitere Informationen finden Sie unter generische Alias-Typen, PEP 483, PEP 484, PEP 585 sowie im Modul typing .

GIL

Siehe Global Interpreter Lock.

Global Interpreter Lock

Der Mechanismus, den der CPython-Interpreter verwendet, um sicherzustellen, dass jeweils nur ein Thread Python-Bytecode ausführt. Dies vereinfacht die CPython-Implementierung, indem das Objektmodell (einschließlich kritischer integrierter Typen wie dict) implizit gegen gleichzeitigen Zugriff abgesichert wird. Das Sperren des gesamten Interpreters erleichtert die Multithread-Fähigkeit des Interpreters, geht jedoch zu Lasten eines Großteils der Parallelität, die Multiprozessor-Rechner bieten.

Einige Erweiterungsmodule – sei es Standardmodule oder Module von Drittanbietern – sind jedoch so konzipiert, dass sie das GIL bei rechenintensiven Aufgaben wie Komprimierung oder Hashing freigeben. Außerdem wird das GIL bei E/A-Vorgängen stets freigegeben.

Ab Python 3.13 kann der GIL mithilfe der Build-Konfiguration --disable-gil deaktiviert werden. Nach dem Kompilieren von Python mit dieser Option muss der Code mit der Option -X gil=0 ausgeführt werden oder nachdem die Umgebungsvariable PYTHON_GIL=0 gesetzt wurde. Diese Funktion ermöglicht eine verbesserte Leistung für Multithread-Anwendungen und erleichtert die effiziente Nutzung von Multi-Core-CPUs. Weitere Details finden Sie unter PEP 703.

globaler Zustand

Daten, auf die im gesamten Programm zugegriffen werden kann, wie beispielsweise Variablen auf Modulebene, Klassenvariablen oder statische C-Variablen in Erweiterungsmodulen. In Multithread-Programmen erfordert der zwischen Threads gemeinsam genutzte globale Zustand in der Regel eine Synchronisation, um Wettlaufbedingungen und Datenwettläufe zu vermeiden.

Hash-basierte PYC-Datei

Eine Bytecode-Cache-Datei, die zur Überprüfung ihrer Gültigkeit den Hash-Wert anstelle des Zeitstempels der letzten Änderung der entsprechenden Quelldatei heranzieht. Siehe Ungültigmachung von zwischengespeichertem Bytecode.

hashbar

Ein Objekt ist hashbar, wenn es einen Hash-Wert besitzt, der sich während seiner Lebensdauer nicht ändert (es benötigt eine __hash__()-Methode), und wenn es mit anderen Objekten verglichen werden kann (es benötigt eine __eq__()-Methode). Hashbare Objekte, die als gleich verglichen werden, müssen denselben Hash-Wert haben.

Dank der Hashbarkeit kann ein Objekt als Schlüssel in einem Wörterbuch und als Element in einer Menge verwendet werden, da diese Datenstrukturen intern den Hashwert nutzen.

Die meisten unveränderlichen, in Python integrierten Objekte sind hashbar; veränderbare Container (wie Listen oder Wörterbücher) sind es nicht; unveränderliche Container (wie Tupel und FrozenSets) sind nur dann hashbar, wenn ihre Elemente hashbar sind. Objekte, die Instanzen benutzerdefinierter Klassen sind, sind standardmäßig hashbar. Sie sind alle ungleich (außer mit sich selbst), und ihr Hash-Wert wird aus ihrem id() abgeleitet.

LEERLAUF

Eine integrierte Entwicklungs- und Lernumgebung für Python. IDLE — Python editor and shell ist eine einfache Editor- und Interpreter-Umgebung, die im Lieferumfang der Standarddistribution von Python enthalten ist.

unsterblich

Unsterbliche Objekte sind ein Implementierungsdetail von CPython, das in PEP 683 eingeführt wurde.

Ist ein Objekt unsterblich, wird seine Referenzanzahl niemals geändert, sodass es während der Laufzeit des Interpreters niemals freigegeben wird. Beispielsweise sind True und None in CPython unsterblich.

unveränderlich

Ein Objekt mit einem festen Wert. Zu den unveränderlichen Objekten zählen Zahlen, Zeichenketten und Tupel. Ein solches Objekt kann nicht verändert werden. Wenn ein anderer Wert gespeichert werden soll, muss ein neues Objekt erstellt werden. Sie spielen eine wichtige Rolle in Fällen, in denen ein konstanter Hash-Wert benötigt wird, beispielsweise als Schlüssel in einem Wörterbuch. Unveränderliche Objekte sind von Natur aus thread-safe, da ihr Zustand nach der Erstellung nicht mehr geändert werden kann, wodurch Bedenken hinsichtlich unsachgemäß synchronisierter gleichzeitiger Änderungen entfallen.

Importpfad

Eine Liste von Speicherorten (oder Pfadeinträge), die vom Pfad-basierten Finder nach zu importierenden Modulen durchsucht werden. Beim Import stammt diese Liste der Speicherorte in der Regel aus sys.path, bei Unterpaketen kann sie jedoch auch aus dem Attribut __path__ des übergeordneten Pakets stammen.

Importieren

Der Vorgang, durch den Python-Code in einem Modul für Python-Code in einem anderen Modul verfügbar gemacht wird.

Importeur

Ein Objekt, das sowohl ein Modul findet als auch lädt; es ist sowohl ein Finder- als auch ein Loader-Objekt.

interaktiv

Python verfügt über einen interaktiven Interpreter, d. h., Sie können Anweisungen und Ausdrücke an der Interpreter-Eingabeaufforderung eingeben, diese sofort ausführen und die Ergebnisse anzeigen lassen. Starten Sie einfach python ohne Argumente (z. B. über das Hauptmenü Ihres Computers). Dies ist eine sehr leistungsstarke Methode, um neue Ideen auszuprobieren oder Module und Pakete zu untersuchen (siehe auch help(x)). Weitere Informationen zum interaktiven Modus finden Sie unter Interaktiver Modus.

interpretiert

Python ist eine interpretierte Sprache im Gegensatz zu einer kompilierten Sprache, auch wenn diese Unterscheidung aufgrund des Bytecode-Compilers nicht immer eindeutig ist. Das bedeutet, dass Quelldateien direkt ausgeführt werden können, ohne dass zuvor explizit eine ausführbare Datei erstellt und anschließend ausgeführt werden muss. Interpretierte Sprachen haben in der Regel einen kürzeren Entwicklungs- und Debugging-Zyklus als kompilierte Sprachen, allerdings laufen ihre Programme im Allgemeinen auch langsamer. Siehe auch interaktiv.

Beenden des Interpreters

Wenn der Python-Interpreter zum Beenden aufgefordert wird, wechselt er in eine spezielle Phase, in der er nach und nach alle zugewiesenen Ressourcen, wie beispielsweise Module und verschiedene wichtige interne Strukturen, freigibt. Außerdem ruft er mehrmals den Garbage Collector auf. Dies kann die Ausführung von Code in benutzerdefinierten Destruktoren oder weakref-Callbacks auslösen. Bei der Ausführung von Code während der Beendigungsphase können verschiedene Ausnahmen auftreten, da die Ressourcen, auf die er angewiesen ist, möglicherweise nicht mehr funktionieren (häufige Beispiele sind Bibliotheksmodule oder die Warnmechanismen).

Der Hauptgrund für das Beenden des Interpreters ist, dass das Modul __main__ oder das ausgeführte Skript die Ausführung abgeschlossen hat.

iterierbar

Ein Objekt, das seine Elemente nacheinander zurückgeben kann. Beispiele für iterierbare Objekte sind alle Sequenztypen (wie list, str und tuple) sowie einige Nicht-Sequenztypen wie dict, Dateiobjekte und Objekte beliebiger Klassen, die Sie mit einer __iter__() -Methode oder einer __getitem__() -Methode definieren, die die sequence-Semantik implementiert.

Iterables können in einer for -Schleife und an vielen anderen Stellen verwendet werden, an denen eine Sequenz benötigt wird (zip(), map(), …). Wenn ein iterierbares Objekt als Argument an die integrierte Funktion iter() übergeben wird, gibt diese einen Iterator für das Objekt zurück. Dieser Iterator reicht für einen Durchlauf durch die Wertemenge aus. Bei der Verwendung von Iterables ist es in der Regel nicht notwendig, iter() aufzurufen oder sich selbst um Iterator-Objekte zu kümmern. Die Anweisung for übernimmt dies automatisch für Sie und erstellt eine temporäre, unbenannte Variable, die den Iterator für die Dauer der Schleife enthält. Siehe auch iterator, sequence und generator.

Iterator

An object representing a stream of data. Repeated calls to the iterator’s __next__() method (or passing it to the built-in function next()) return successive items in the stream. When no more data are available a StopIteration exception is raised instead. At this point, the iterator object is exhausted and any further calls to its __next__() method just raise StopIteration again. Iterators are required to have an __iter__() method that returns the iterator object itself so every iterator is also iterable and may be used in most places where other iterables are accepted. One notable exception is code which attempts multiple iteration passes. A container object (such as a list) produces a fresh new iterator each time you pass it to the iter() function or use it in a for loop. Attempting this with an iterator will just return the same exhausted iterator object used in the previous iteration pass, making it appear like an empty container.

Weitere Informationen finden Sie unter Iterator-Typen.

CPython wendet die Anforderung, dass ein Iterator __iter__() definieren muss, nicht konsequent an. Beachten Sie außerdem, dass free-threaded CPython kein thread-safe Verhalten von Iterator-Operationen garantiert.

Schlüsselfunktion

Eine Schlüsselfunktion oder Sortierfunktion ist ein aufrufbares Objekt, das einen Wert zurückgibt, der zum Sortieren oder Ordnen verwendet wird. Beispielsweise wird locale.strxfrm() verwendet, um einen Sortierschlüssel zu erzeugen, der die lokalspezifischen Sortierkonventionen berücksichtigt.

Eine Reihe von Tools in Python unterstützt Schlüssel-Funktionen, mit denen sich die Anordnung oder Gruppierung von Elementen steuern lässt. Dazu gehören min() , max() , sorted() , list.sort() , heapq.merge() , heapq.nsmallest() , heapq.nlargest() und itertools.groupby() .

Es gibt verschiedene Möglichkeiten, eine Schlüsselfunktion zu erstellen. Beispielsweise kann die Methode str.casefold() als Schlüsselfunktion für die Sortierung ohne Berücksichtigung der Groß-/Kleinschreibung dienen. Alternativ kann eine Schlüsselfunktion aus einem Ausdruck vom Typ lambda erstellt werden, wie beispielsweise lambda r: (r[0], r[2]). Außerdem sind operator.attrgetter(), operator.itemgetter() und operator.methodcaller() drei Konstruktoren für Schlüsselfunktionen. Beispiele für die Erstellung und Verwendung von Schlüsselfunktionen finden Sie im Sorting HOW TO.

Schlüsselwortargument

Siehe Argument.

Lambda

Eine anonyme Inline-Funktion, die aus einem einzigen Ausdruck besteht, der beim Aufruf der Funktion ausgewertet wird. Die Syntax zum Erstellen einer Lambda-Funktion lautet lambda [parameters]: expression

LBYL

Erst schauen, dann springen. Bei diesem Programmierstil werden Vorbedingungen explizit geprüft, bevor Funktionen aufgerufen oder Abfragen durchgeführt werden. Dieser Stil steht im Gegensatz zum EAFP-Ansatz und zeichnet sich durch das häufige Vorkommen von if -Anweisungen aus.

In einer Multithread-Umgebung besteht bei dem LBYL-Ansatz die Gefahr, dass eine Race Condition zwischen dem „Nachschlagen“ und dem „Springen“ entsteht. Beispielsweise kann der Code if key in mapping: return mapping[key] fehlschlagen, wenn ein anderer Thread key nach dem Test, aber vor der Suche aus mapping entfernt. Dieses Problem lässt sich mit Locks oder durch Verwendung des EAFP-Ansatzes lösen. Siehe auch thread-safe.

Lexikalischer Analysator

Formale Bezeichnung für den Tokenizer; siehe token.

Liste

A built-in Python sequence. Despite its name it is more akin to an array in other languages than to a linked list since access to elements is O(1).

Listenkomprimierung

Eine kompakte Möglichkeit, alle oder einen Teil der Elemente einer Sequenz zu verarbeiten und eine Liste mit den Ergebnissen zurückzugeben. result = ['{:#04x}'.format(x) for x in range(256) if x % 2 == 0] generiert eine Liste von Zeichenketten, die gerade Hexadezimalzahlen (0x..) im Bereich von 0 bis 255 enthalten. Die Klausel if ist optional. Wird sie weggelassen, werden alle Elemente in range(256) verarbeitet.

Schloss

Eine Synchronisationsprimitive, die es nur einem Thread gleichzeitig erlaubt, auf eine gemeinsam genutzte Ressource zuzugreifen. Ein Thread muss vor dem Zugriff auf die geschützte Ressource eine Sperre erwerben und diese anschließend wieder freigeben. Versucht ein Thread, eine Sperre zu erwerben, die bereits von einem anderen Thread gehalten wird, wird er blockiert, bis die Sperre verfügbar wird. Das Python-Modul threading stellt Lock (eine einfache Sperre) und RLock (eine reentrante Sperre) bereit. Sperren werden verwendet, um Race-Conditions zu verhindern und einen thread-safe Zugriff auf gemeinsam genutzte Daten zu gewährleisten. Es gibt alternative Entwurfsmuster zu Sperren, wie z. B. Warteschlangen, Produzenten-Konsumenten-Muster und thread-lokale Zustände. Siehe auch Deadlock und reentrant.

sperrfrei

Eine Operation, die keine Sperre erwirbt und atomare CPU-Befehle verwendet, um die Korrektheit zu gewährleisten. Sperrfreie Operationen können parallel ausgeführt werden, ohne sich gegenseitig zu blockieren, und können nicht durch Operationen blockiert werden, die Sperren halten. In free-threaded Python bieten integrierte Typen wie dict und list lock-freie Leseoperationen, was bedeutet, dass andere Threads bei mehrstufigen Änderungen Zwischenzustände beobachten können, selbst wenn diese Änderungen die per-object lock halten.

Lader

Ein Objekt, das ein Modul lädt. Es muss die Methoden exec_module() und create_module() definieren, um die Schnittstelle Loader zu implementieren. Ein Loader wird in der Regel von einem finder zurückgegeben. Siehe auch:

Ländereinstellung, Kodierung

Unter Unix handelt es sich um die Kodierung der Locale LC_CTYPE. Sie kann mit locale.setlocale(locale.LC_CTYPE, new_locale) <locale.setlocale>`() festgelegt werden.

Unter Windows ist dies die ANSI-Codepage (z. B.: "cp1252").

Unter Android und VxWorks verwendet Python "utf-8" als Locale-Kodierung.

locale.getencoding() kann verwendet werden, um die Kodierung der Ländereinstellung abzurufen.

Siehe auch den Eintrag Dateisystem-Kodierung und Fehlerbehandlung.

magische Methode

Ein umgangssprachliches Synonym für Spezialmethode.

Kartierung

Ein Container-Objekt, das die Suche nach beliebigen Schlüsseln unterstützt und die Methoden implementiert, die in den collections.abc.Mapping oder collections.abc.MutableMappingabstrakten Basisklassen festgelegt sind. Beispiele hierfür sind dict, collections.defaultdict, collections.OrderedDict und collections.Counter.

Meta-Pfadfinder

Ein Finder, der bei einer Suche auf sys.meta_path zurückgegeben wird. Meta-Pfadfinder stehen in Zusammenhang mit Pfadeintrags-Findern, unterscheiden sich jedoch von diesen.

Unter importlib.abc.MetaPathFinder finden Sie die Methoden, die Meta-Path-Finder implementieren.

Metaklasse

Die Klasse einer Klasse. Klassendefinitionen legen einen Klassennamen, ein Klassenwörterbuch und eine Liste von Basisklassen fest. Die Metaklasse ist dafür zuständig, diese drei Argumente zu übernehmen und die Klasse zu erstellen. Die meisten objektorientierten Programmiersprachen bieten eine Standardimplementierung. Das Besondere an Python ist, dass es möglich ist, benutzerdefinierte Metaklassen zu erstellen. Die meisten Nutzer benötigen dieses Werkzeug nie, doch wenn der Bedarf entsteht, können Metaklassen leistungsstarke und elegante Lösungen bieten. Sie wurden bereits zur Protokollierung des Zugriffs auf Attribute, zur Gewährleistung der Thread-Sicherheit, zur Verfolgung der Objekterstellung, zur Implementierung von Singletons und für viele andere Aufgaben eingesetzt.

Weitere Informationen finden Sie unter Metaklassen.

Methode

Eine Funktion, die innerhalb des Klassenkörpers definiert ist. Wird sie als Attribut einer Instanz dieser Klasse aufgerufen, erhält die Methode das Instanzobjekt als erstes Argument (das üblicherweise als self bezeichnet wird). Siehe function und nested scope.

Reihenfolge der Methodenauflösung

Die Auflösungsreihenfolge von Methoden ist die Reihenfolge, in der bei der Suche nach einem Mitglied die Basisklassen durchsucht werden. Weitere Informationen zu dem Algorithmus, der seit der Version 2.3 vom Python-Interpreter verwendet wird, finden Sie unter The Python 2.3 Method Resolution Order.

Modul

Ein Objekt, das als Organisationseinheit für Python-Code dient. Module verfügen über einen Namensraum, der beliebige Python-Objekte enthält. Module werden durch den Vorgang des Importierens in Python geladen.

Siehe auch Paket.

Modulspezifikation

Ein Namespace, der die Import-bezogenen Informationen enthält, die zum Laden eines Moduls verwendet werden. Eine Instanz von importlib.machinery.ModuleSpec.

Siehe auch Modulspezifikationen.

MRO

Siehe Reihenfolge der Methodenauflösung.

veränderlich

Ein Objekt mit einem Zustand, der sich im Verlauf des Programms ändern darf. In Multithread-Programmen erfordern veränderbare Objekte, die von mehreren Threads gemeinsam genutzt werden, eine sorgfältige Synchronisation, um Race-Conditions zu vermeiden. Siehe auch unveränderlich, thread-sicher und parallele Änderung.

benanntes Tupel

Der Begriff „benanntes Tupel“ bezieht sich auf jeden Typ oder jede Klasse, die von „Tupel“ erbt und deren indizierbare Elemente auch über benannte Attribute zugänglich sind. Der Typ oder die Klasse kann darüber hinaus noch weitere Merkmale aufweisen.

Mehrere integrierte Datentypen werden als Tupel bezeichnet, darunter die von time.localtime() und os.stat() zurückgegebenen Werte. Ein weiteres Beispiel ist sys.float_info:

>>> sys.float_info[1]                   # indizierter Zugriff
1024
>>> sys.float_info.max_exp              # Zugriff auf ein benanntes Feld
1024
>>> isinstance(sys.float_info, tuple)   # Typ eines Tupels
True

Einige benannte Tupel sind integrierte Typen (wie die obigen Beispiele). Alternativ kann ein benanntes Tupel aus einer regulären Klassendefinition erstellt werden, die von tuple erbt und benannte Felder definiert. Eine solche Klasse kann manuell geschrieben werden oder durch Vererbung von typing.NamedTuple bzw. mit der Factory-Funktion collections.namedtuple() erstellt werden. Die letztgenannten Techniken fügen zudem einige zusätzliche Methoden hinzu, die in manuell geschriebenen oder integrierten benannten Tupeln möglicherweise nicht vorhanden sind.

Namensraum

Der Ort, an dem eine Variable gespeichert wird. Namensräume werden als Wörterbücher implementiert. Es gibt lokale, globale und integrierte Namensräume sowie verschachtelte Namensräume in Objekten (in Methoden). Namensräume unterstützen die Modularität, indem sie Namenskonflikte verhindern. Beispielsweise unterscheiden sich die Funktionen builtins.open und os.open() durch ihre Namensräume. Namensräume tragen zudem zur Lesbarkeit und Wartbarkeit bei, indem sie deutlich machen, welches Modul eine Funktion implementiert. Wenn man beispielsweise random.seed() oder itertools.islice() schreibt, wird deutlich, dass diese Funktionen jeweils von den Modulen random und itertools implementiert werden.

Namensraum-Paket

Ein Paket, das ausschließlich als Container für Unterpakete dient. Namespace-Pakete haben möglicherweise keine physische Darstellung und unterscheiden sich insbesondere von einem normalen Paket, da sie keine Datei __init__.py enthalten.

Namespace-Pakete ermöglichen es, dass mehrere einzeln installierbare Pakete ein gemeinsames übergeordnetes Paket haben. Andernfalls wird empfohlen, ein normales Paket zu verwenden.

Weitere Informationen finden Sie unter PEP 420 und Namespace-Pakete.

Siehe auch Modul.

Nativcode

Code, der zu Maschinenbefehlen kompiliert wird und direkt auf dem Prozessor ausgeführt wird, im Gegensatz zu Code, der interpretiert wird oder in einer virtuellen Maschine läuft. Im Zusammenhang mit Python bezieht sich „nativer Code“ in der Regel auf C-, C++-, Rust- oder Fortran-Code in Erweiterungsmodulen, der von Python aus aufgerufen werden kann. Siehe auch Erweiterungsmodul.

verschachtelter Gültigkeitsbereich

Die Möglichkeit, in einer umschließenden Definition auf eine Variable zu verweisen. So kann beispielsweise eine innerhalb einer anderen Funktion definierte Funktion auf Variablen in der äußeren Funktion verweisen. Beachten Sie, dass verschachtelte Gültigkeitsbereiche standardmäßig nur für Verweise und nicht für Zuweisungen gelten. Lokale Variablen lesen und schreiben im innersten Gültigkeitsbereich. Ebenso lesen und schreiben globale Variablen im globalen Namensraum. Die Anweisung nonlocal ermöglicht das Schreiben in äußere Gültigkeitsbereiche.

Klasse im neuen Stil

Alte Bezeichnung für den „Flavor“ von Klassen, der nun für alle Klassenobjekte verwendet wird. In früheren Python-Versionen konnten nur Klassen des neuen Stils die neueren, vielseitigen Funktionen von Python nutzen, wie beispielsweise __slots__ , Deskriptoren, Eigenschaften, __getattribute__() , Klassenmethoden und statische Methoden.

nicht deterministisch

Verhalten, bei dem das Ergebnis eines Programms bei gleichen Eingaben von Ausführung zu Ausführung variieren kann. In Multithread-Programmen resultiert nichtdeterministisches Verhalten häufig aus Race-Conditions, bei denen der relative zeitliche Ablauf oder die Verflechtung von Threads das Ergebnis beeinflusst. Eine ordnungsgemäße Synchronisation mithilfe von Locks und anderen Synchronisationsprimitiven trägt dazu bei, ein deterministisches Verhalten sicherzustellen.

Objekt

Jede Dateninstanz mit einem Zustand (Attribute oder Wert) und definiertem Verhalten (Methoden). Außerdem die oberste Basisklasse jeder Klasse neuen Stils.

optimierter Umfang

Ein Geltungsbereich, in dem die Namen der lokalen Zielvariablen dem Compiler zum Zeitpunkt der Kompilierung zuverlässig bekannt sind, wodurch der Lese- und Schreibzugriff auf diese Namen optimiert werden kann. Die lokalen Namensräume für Funktionen, Generatoren, Koroutinen, Comprehensions und Generatorausdrücke werden auf diese Weise optimiert. Hinweis: Die meisten Interpreter-Optimierungen werden auf alle Gültigkeitsbereiche angewendet; nur diejenigen, die auf einer bekannten Menge lokaler und nichtlokaler Variablennamen beruhen, sind auf optimierte Gültigkeitsbereiche beschränkt.

Paket

Ein Python-Modul, das Untermodule oder – rekursiv – Unterpakete enthalten kann. Technisch gesehen ist ein Paket ein Python-Modul mit einem Attribut vom Typ __path__ .

Siehe auch reguläres Paket und Namensraum-Paket.

Parallelität

Die gleichzeitige Ausführung mehrerer Operationen (z. B. auf mehreren CPU-Kernen). In Python-Builds mit dem global interpreter lock (GIL) führt jeweils nur ein Thread Python-Bytecode aus. Um die Vorteile mehrerer CPU-Kerne nutzen zu können, sind daher in der Regel mehrere Prozesse (z. B. multiprocessing) oder native Erweiterungen erforderlich, die das GIL aufheben. In free-threaded Python können mehrere Python-Threads Python-Code gleichzeitig auf verschiedenen Kernen ausführen.

Parameter

Eine benannte Entität in einer Funktions- (oder Methoden-)Definition, die ein Argument (oder in manchen Fällen mehrere Argumente) angibt, das bzw. die die Funktion entgegennehmen kann. Es gibt fünf Arten von Parametern:

  • positional-or-keyword: Gibt ein Argument an, das entweder positionsbezogen oder als Schlüsselwortargument übergeben werden kann. Dies ist die Standardart von Parametern, zum Beispiel foo und bar im Folgenden:

    def func(foo, bar=None): ...

  • positional-only: Gibt ein Argument an, das nur über die Position übergeben werden kann. Parameter, die ausschließlich über die Position übergeben werden können, lassen sich definieren, indem man in der Parameterliste der Funktionsdefinition hinter ihnen das Zeichen / einfügt, zum Beispiel posonly1 und posonly2 im folgenden Beispiel:

    def func(posonly1, posonly2, /, positional_or_keyword): ...

  • keyword-only: Gibt ein Argument an, das nur als Schlüsselwort übergeben werden kann. Schlüsselwort-Parameter können definiert werden, indem ein einzelner variabler Positionsparameter oder ein reines Schlüssel * us in die Parameterliste der vorangehenden Funktionsdefinition aufgenommen wird, zum Beispiel kw_only1 und kw_only2 im folgenden Beispiel:

    def func(arg, *, kw_only1, kw_only2): ...

  • var-positional: Gibt an, dass eine beliebige Folge von Positionsargumenten angegeben werden kann (zusätzlich zu den Positionsargumenten, die bereits von anderen Parametern akzeptiert werden). Ein solcher Parameter kann definiert werden, indem dem Parameternamen * vorangestellt wird, zum Beispiel args im folgenden Beispiel:

    def func(*args, **kwargs): ...

  • var-keyword: Gibt an, dass beliebig viele Schlüsselwortargumente angegeben werden können (zusätzlich zu den Schlüsselwortargumenten, die bereits von anderen Parametern akzeptiert werden). Ein solcher Parameter kann definiert werden, indem dem Parameternamen ** vorangestellt wird, beispielsweise kwargs im obigen Beispiel.

Parameter können sowohl optionale als auch erforderliche Argumente sowie Standardwerte für einige optionale Argumente festlegen.

Siehe auch den Glossareintrag argument, die FAQ-Frage zu dem Unterschied zwischen Argumenten und Parametern, die Klasse inspect.Parameter, den Abschnitt Funktionsdefinitionen und PEP 362.

Objektspezifische Sperre

Ein Lock, der mit einer einzelnen Objektinstanz verknüpft ist, im Gegensatz zu einem globalen Lock, der von allen Objekten gemeinsam genutzt wird. In free-threaded Python verwenden integrierte Typen wie dict und list objektbezogene Sperren, um parallele Operationen an verschiedenen Objekten zu ermöglichen, während Operationen am selben Objekt serialisiert werden. Operationen, die die objektbezogene Sperre halten, verhindern, dass andere Sperroperationen am selben Objekt fortgesetzt werden, blockieren jedoch keine lock-free-Operationen.

Pfadeintrag

Ein einzelner Speicherort im Importpfad, den der pfadbasierte Finder abfragt, um Module zum Importieren zu finden.

Pfadeintrags-Finder

Ein finder, der von einer auf sys.path_hooks aufrufbaren Funktion (d. h. einem path entry hook) zurückgegeben wird, die weiß, wie man Module anhand eines path entry findet.

Unter importlib.abc.PathEntryFinder finden Sie die Methoden, die von Path-Entry-Findern implementiert werden.

Pfadeintrag-Hook

Eine auf der Liste sys.path_hooks aufrufbare Funktion, die einen Pfadeintrag-Finder zurückgibt, sofern sie weiß, wie Module auf einem bestimmten Pfadeintrag gefunden werden können.

Pfadbasierter Sucher

Einer der standardmäßigen Meta-Pfadfinder, der einen Importpfad nach Modulen durchsucht.

pfadähnliches Objekt

Ein Objekt, das einen Dateisystempfad darstellt. Ein pfadähnliches Objekt ist entweder ein str - oder ein bytes -Objekt, das einen Pfad darstellt, oder ein Objekt, das das os.PathLike -Protokoll implementiert. Ein Objekt, das das os.PathLike -Protokoll unterstützt, kann durch Aufruf der Funktion os.fspath() in einen str - oder bytes -Dateisystempfad umgewandelt werden; mit os.fsdecode() bzw. os.fsencode() lässt sich stattdessen ein str - bzw. bytes -Ergebnis gewährleisten. Eingeführt durch PEP 519 .

PEP

Python Enhancement Proposal. Ein PEP ist ein Entwurfsdokument, das der Python-Community Informationen liefert oder eine neue Funktion für Python, dessen Prozesse oder dessen Umgebung beschreibt. PEPs sollten eine prägnante technische Spezifikation sowie eine Begründung für die vorgeschlagenen Funktionen enthalten.

PEPs sollen als primäre Mechanismen dienen, um wichtige neue Funktionen vorzuschlagen, Rückmeldungen der Community zu einem Thema einzuholen und die Designentscheidungen zu dokumentieren, die in Python eingeflossen sind. Der PEP-Autor ist dafür verantwortlich, einen Konsens innerhalb der Community herzustellen und abweichende Meinungen zu dokumentieren.

Siehe PEP 1.

Anteil

Eine Sammlung von Dateien in einem einzigen Verzeichnis (die möglicherweise in einer ZIP-Datei gespeichert sind), die zu einem Namespace-Paket beitragen, wie unter PEP 420 definiert.

Positionsargument

Siehe Argument.

vorläufige API

Eine vorläufige API ist eine Schnittstelle, die bewusst von den Rückwärtskompatibilitätsgarantien der Standardbibliothek ausgenommen wurde. Zwar sind größere Änderungen an solchen Schnittstellen nicht zu erwarten, solange sie als vorläufig gekennzeichnet sind, doch können rückwärtsinkompatible Änderungen (bis hin zur Entfernung der Schnittstelle) vorgenommen werden, wenn dies von den Kernentwicklern als notwendig erachtet wird. Solche Änderungen werden nicht ohne triftigen Grund vorgenommen – sie erfolgen nur, wenn schwerwiegende grundlegende Mängel aufgedeckt werden, die vor der Aufnahme der API übersehen wurden.

Selbst bei vorläufigen APIs gelten rückwärtsinkompatible Änderungen als „letzter Ausweg“ – es wird weiterhin alles versucht, um für alle festgestellten Probleme eine rückwärtskompatible Lösung zu finden.

Dieser Prozess ermöglicht es, dass sich die Standardbibliothek im Laufe der Zeit weiterentwickeln kann, ohne dass problematische Konstruktionsfehler über längere Zeiträume hinweg festgeschrieben werden. Weitere Einzelheiten finden Sie unter PEP 411.

vorläufiges Paket

Siehe vorläufige API.

Python 3000

Spitzname für die Python-3.x-Versionsreihe (der vor langer Zeit geprägt wurde, als die Veröffentlichung von Version 3 noch in ferner Zukunft lag). Er wird auch mit „Py3k“ abgekürzt.

Pythonesk

Eine Idee oder ein Codeabschnitt, der sich eng an die gängigsten Konventionen der Programmiersprache Python hält, anstatt Code unter Verwendung von Konzepten zu implementieren, die in anderen Sprachen üblich sind. Ein gängiges Beispiel in Python ist beispielsweise die Durchlaufschleife über alle Elemente eines iterierbaren Objekts mithilfe einer for -Anweisung. Viele andere Sprachen verfügen nicht über eine solche Konstruktion, sodass Personen, die mit Python nicht vertraut sind, manchmal stattdessen einen numerischen Zähler verwenden:

for i in range(len(food)):
    print(food[i])

Im Gegensatz zu der übersichtlicheren, pythonesken Methode:

für Stück in Essen:
    print(Stück)
qualifizierter Name

Ein gepunkteter Name, der den „Pfad“ vom globalen Gültigkeitsbereich eines Moduls zu einer in diesem Modul definierten Klasse, Funktion oder Methode angibt, wie in PEP 3155 definiert. Bei Funktionen und Klassen der obersten Ebene entspricht der qualifizierte Name dem Namen des Objekts:

>>> class C:
...     class D:
...         def meth(self):
...             pass
...
>>> C.__qualname__
'C'
>>> C.D.__qualname__
'C.D'
>>> C.D.meth.__qualname__
'C.D.meth'

Im Zusammenhang mit Modulen bezeichnet der vollständige Name den gesamten, durch Punkte getrennten Pfad zum Modul, einschließlich aller übergeordneten Pakete, z. B. email.mime.text:

>>> import email.mime.text
>>> email.mime.text.__name__
'email.mime.text'
Race-Condition

Ein Zustand eines Programms, bei dem das Verhalten vom relativen zeitlichen Ablauf oder der Reihenfolge von Ereignissen abhängt, insbesondere in Multithread-Programmen. Race-Bedingungen können zu nicht-deterministischem Verhalten und schwer reproduzierbaren Fehlern führen. Ein Datenrennen ist eine spezielle Art von Race Condition, bei der es um den nicht synchronisierten Zugriff auf gemeinsam genutzten Speicher geht. Der LBYL-Programmierstil ist in Multithread-Code besonders anfällig für Race Conditions. Die Verwendung von Locks und anderen Synchronisationsprimitiven hilft, Race Conditions zu vermeiden.

Referenzanzahl

Die Anzahl der Verweise auf ein Objekt. Wenn die Referenzanzahl eines Objekts auf null sinkt, wird es freigegeben. Einige Objekte sind unsterblich und haben Referenzanzahlen, die niemals geändert werden; daher werden diese Objekte niemals freigegeben. Die Referenzzählung ist für Python-Code im Allgemeinen nicht sichtbar, stellt jedoch ein Schlüsselelement der CPython-Implementierung dar. Programmierer können die Funktion sys.getrefcount() aufrufen, um die Referenzanzahl für ein bestimmtes Objekt abzurufen.

In CPython gelten Referenzzähler nicht als stabile oder genau definierte Werte; die Anzahl der Verweise auf ein Objekt und die Art und Weise, wie diese Anzahl durch Python-Code beeinflusst wird, kann je nach Version variieren.

Standardpaket

Ein herkömmliches Paket, beispielsweise ein Verzeichnis, das eine Datei vom Typ __init__.py enthält.

Siehe auch: Namensraum-Paket.

wiederkehrend

Eine Eigenschaft einer Funktion oder eines lock, die es ermöglicht, dass diese mehrfach vom selben Thread aufgerufen bzw. erworben wird, ohne dass dabei Fehler oder ein Deadlock auftreten.

Bei Funktionen bedeutet Reentranz, dass die Funktion sicher erneut aufgerufen werden kann, bevor ein vorheriger Aufruf abgeschlossen ist. Dies ist wichtig, wenn Funktionen rekursiv oder aus Signal-Handlern heraus aufgerufen werden können. Thread-unsichere Funktionen können nicht deterministisch sein, wenn sie in einem Multithread-Programm reentrant aufgerufen werden.

Was Sperren betrifft, ist die Python-Sperre threading.RLock (Reentrant-Sperre) reentrant, was bedeutet, dass ein Thread, der die Sperre bereits hält, sie erneut erwerben kann, ohne zu blockieren. Im Gegensatz dazu ist threading.Lock nicht reentrant – der Versuch, sie zweimal vom selben Thread aus zu erwerben, führt zu einem Deadlock.

Siehe auch lock und deadlock.

REPL

Eine Abkürzung für „read–eval–print loop“ (Lesen–Auswerten–Ausgeben-Schleife), eine andere Bezeichnung für die interaktive Interpreter-Shell.

__slots__

Eine Deklaration innerhalb einer Klasse, die Speicherplatz spart, indem Speicherplatz für Instanzattribute vorab reserviert und Instanz-Dictionaries vermieden werden. Obwohl diese Technik weit verbreitet ist, ist ihre korrekte Anwendung etwas knifflig und sollte am besten nur in seltenen Fällen eingesetzt werden, in denen in einer speicherintensiven Anwendung eine große Anzahl von Instanzen vorliegt.

Sequenz

Ein iterable, das einen effizienten Zugriff auf Elemente mithilfe ganzzahliger Indizes über die spezielle Methode __getitem__() unterstützt und eine Methode __len__() definiert, die die Länge der Sequenz zurückgibt. Einige integrierte Sequenztypen sind list, str, tuple und bytes. Beachten Sie, dass dict ebenfalls __getitem__() und __len__() unterstützt, jedoch eher als Mapping denn als Sequenz betrachtet wird, da die Suchvorgänge beliebige hashable-Schlüssel anstelle von Ganzzahlen verwenden.

Die abstrakte Basisklasse collections.abc.Sequence definiert eine wesentlich umfangreichere Schnittstelle, die über die Methoden __getitem__() und __len__() hinausgeht und um die Methoden count(), index(), __contains__() sowie __reversed__() erweitert wird. Typen, die diese erweiterte Schnittstelle implementieren, können explizit mit register() registriert werden. Weitere Informationen zu Sequenzmethoden im Allgemeinen finden Sie unter Common Sequence Operations.

Mengenkomprimierung

Eine kompakte Möglichkeit, alle oder einen Teil der Elemente einer iterierbaren Struktur zu verarbeiten und eine Menge mit den Ergebnissen zurückzugeben. results = {c for c in 'abracadabra' if c not in 'abc'} erzeugt die Menge der Zeichenfolgen {'r', 'd'}. Siehe Darstellungen für Listen, Mengen und Wörterbücher.

Einzelversand

Eine Form der generischen Funktionsauswahl, bei der die Implementierung anhand des Typs eines einzelnen Arguments ausgewählt wird.

Scheibe

An object usually containing a portion of a sequence. A slice is created using the subscript notation, [] with colons between numbers when several are given, such as in variable_name[1:3:5]. The bracket (subscript) notation uses slice objects internally.

weich veraltet

Eine soft deprecated API sollte in neuem Code nicht mehr verwendet werden, bei bereits vorhandenem Code ist ihre Verwendung jedoch unbedenklich. Die API bleibt dokumentiert und wird weiterhin getestet, wird jedoch nicht mehr weiterentwickelt.

Im Gegensatz zur normalen Veralterung ist bei einer Soft Deprecation nicht vorgesehen, die API zu entfernen, und es werden keine Warnungen ausgegeben.

Siehe PEP 387: Soft Deprecation.

spezielle Methode

Eine Methode, die von Python implizit aufgerufen wird, um eine bestimmte Operation auf einem Typ auszuführen, beispielsweise eine Addition. Die Namen solcher Methoden beginnen und enden mit zwei Unterstrichen. Spezielle Methoden sind unter Spezielle Methodennamen dokumentiert.

Standardbibliothek

Die Sammlung von Paketen, Modulen und Erweiterungsmodulen, die als Teil des offiziellen Python-Interpreter-Pakets bereitgestellt wird. Der genaue Umfang der Sammlung kann je nach Plattform, verfügbaren Systembibliotheken oder anderen Kriterien variieren. Die Dokumentation finden Sie unter The Python standard library.

Eine Liste aller möglichen Namen von Standardbibliotheksmodulen finden Sie unter sys.stdlib_module_names.

Erklärung

Eine Anweisung ist Teil einer Suite (eines „Code-Blocks“). Eine Anweisung ist entweder ein Ausdruck oder eine von mehreren Konstrukten mit einem Schlüsselwort, wie beispielsweise if , while oder for .

statischer Typprüfer

Ein externes Tool, das Python-Code ausliest und analysiert, um Probleme wie beispielsweise falsche Typen zu erkennen. Siehe auch Typangaben und das Modul typing .

stdlib

Eine Abkürzung für Standardbibliothek.

stehlen

In der C-API von Python bedeutet das Stehlen eines Arguments, dass das Eigentumsrecht an dem Argument auf die aufgerufene Funktion übertragen wird. Der Aufrufer darf diese Referenz nach dem Aufruf nicht mehr verwenden. Im Allgemeinen tun Funktionen, die ein Argument stehlen, dies auch dann, wenn sie fehlschlagen.

Eine ausführliche Erläuterung finden Sie unter Reference Count Details.

starke Referenz

In der C-API von Python ist eine starke Referenz eine Referenz auf ein Objekt, das dem Code gehört, der die Referenz enthält. Die starke Referenz wird durch den Aufruf von Py_INCREF() beim Erstellen der Referenz hergestellt und durch den Aufruf von Py_DECREF() beim Löschen der Referenz freigegeben.

Mit der Funktion Py_NewRef() lässt sich eine starke Referenz auf ein Objekt erstellen. In der Regel muss die Funktion Py_DECREF() für die starke Referenz aufgerufen werden, bevor der Geltungsbereich der starken Referenz verlassen wird, um ein Referenzleck zu vermeiden.

Siehe auch: entlehnte Referenz.

Synchronisationsprimitive

Ein grundlegender Baustein zur Koordination (Synchronisation) der Ausführung mehrerer Threads, um einen thread-safe Zugriff auf gemeinsam genutzte Ressourcen zu gewährleisten. Das Python-Modul threading stellt mehrere Synchronisationsprimitive bereit, darunter Lock , RLock , Semaphore , Condition , Event und Barrier . Darüber hinaus bietet das Modul queue Multi-Producer- und Multi-Consumer-Warteschlangen, die besonders in Multithread-Programmen nützlich sind. Diese Primitive tragen dazu bei, Race-Conditions zu verhindern und die Thread-Ausführung zu koordinieren. Siehe auch lock.

Textkodierung

Eine Zeichenkette in Python ist eine Folge von Unicode-Codepunkten (im Bereich U+0000–U+10FFFF). Um eine Zeichenkette zu speichern oder zu übertragen, muss sie als Bytefolge serialisiert werden.

Die Umwandlung einer Zeichenkette in eine Bytefolge wird als „Kodierung“ bezeichnet, und die Rekonstruktion der Zeichenkette aus der Bytefolge wird als „Dekodierung“ bezeichnet.

Es gibt eine Vielzahl verschiedener Text-Serialisierungsverfahren Codecs, die zusammenfassend als „Textkodierungen“ bezeichnet werden.

Textdatei

Ein Dateiobjekt, das str -Objekte lesen und schreiben kann. Häufig greift eine Textdatei tatsächlich auf einen byteurientierten Datenstrom zu und übernimmt die Textkodierung automatisch. Beispiele für Textdateien sind Dateien, die im Textmodus geöffnet wurden ('r' oder 'w'), sys.stdin, sys.stdout sowie Instanzen von io.StringIO.

Siehe auch Binärdatei für ein Dateiobjekt, das byteähnliche Objekte lesen und schreiben kann.

thread-safe

Ein Modul, eine Funktion oder eine Klasse, die sich bei gleichzeitiger Nutzung durch mehrere Threads korrekt verhält. Thread-sicherer Code verwendet geeignete Synchronisationsprimitive wie Locks, um gemeinsam genutzte, veränderbare Zustände zu schützen, oder ist so konzipiert, dass gemeinsam genutzte, veränderbare Zustände gänzlich vermieden werden. In der free-threaded-Version verwenden integrierte Typen wie dict, list und set interne Sperren, um viele Operationen threadsicher zu machen, obwohl die Threadsicherheit nicht unbedingt garantiert ist. Code, der nicht threadsicher ist, kann bei der Verwendung in Multithread-Programmen zu Race-Conditions und Datenkonflikten führen.

Token

Eine kleine Einheit des Quellcodes, die vom lexikalischen Analysator (auch Tokenizer genannt) generiert wird. Namen, Zahlen, Zeichenketten, Operatoren, Zeilenumbrüche und Ähnliches werden durch Token dargestellt.

Das Modul tokenize stellt den lexikalischen Analysator von Python bereit. Das Modul token enthält Informationen zu den verschiedenen Token-Typen.

Zeichenkette in dreifachen Anführungszeichen

Eine Zeichenkette, die durch drei aufeinanderfolgende einfache Anführungszeichen (“) oder Apostrophe (‘) begrenzt wird. Obwohl sie keine Funktionen bieten, die bei Zeichenketten in einfachen Anführungszeichen nicht verfügbar sind, sind sie aus verschiedenen Gründen nützlich. Sie ermöglichen es, nicht maskierte einfache und doppelte Anführungszeichen in eine Zeichenkette einzufügen, und sie können sich über mehrere Zeilen erstrecken, ohne dass das Fortsetzungszeichen verwendet werden muss, was sie besonders nützlich beim Schreiben von Docstrings macht.

Typ

Der Typ eines Python-Objekts bestimmt, um welche Art von Objekt es sich handelt; jedes Objekt hat einen Typ. Der Typ eines Objekts ist über das Attribut __class__ zugänglich oder kann mit type(obj)` abgerufen werden.

Typalias

Ein Synonym für einen Typ, das durch die Zuweisung des Typs zu einem Bezeichner erstellt wird.

Typ-Aliase sind nützlich, um Typ-Hinweise zu vereinfachen. Zum Beispiel:

def remove_gray_shades(
        colors: list[tuple[int, int, int]]) -> list[tuple[int, int, int]]:
    pass

könnte so lesbarer gestaltet werden:

Farbe = Tupel[int, int, int]

def remove_gray_shades(colors: Liste[Farbe]) -> Liste[Farbe]:
    pass

Siehe typing und PEP 484, wo diese Funktion beschrieben wird.

Typhinweis

Eine Annotation, die den erwarteten Typ für eine Variable, ein Klassenattribut oder einen Funktionsparameter bzw. Rückgabewert angibt.

Typangaben sind optional und werden von Python nicht erzwungen, sind jedoch für statische Typprüfer nützlich. Außerdem können sie IDEs bei der Code-Vervollständigung und beim Refactoring unterstützen.

Typhinweise für globale Variablen, Klassenattribute und Funktionen, nicht jedoch für lokale Variablen, können über typing.get_type_hints() abgerufen werden.

Siehe typing und PEP 484, wo diese Funktion beschrieben wird.

universelle Zeilenumbrüche

Eine Methode zur Interpretation von Textströmen, bei der alle folgenden Zeichenfolgen als Zeilenende erkannt werden: die Unix-Zeilenende-Konvention '\n', die Windows-Konvention '\r\n' und die alte Macintosh-Konvention '\r'. Siehe PEP 278 und PEP 3116 sowie bytes.splitlines() für eine weitere Anwendungsmöglichkeit.

Variablenbeschriftung

Eine Annotation einer Variablen oder eines Klassenattributs.

Bei der Annotation einer Variablen oder eines Klassenattributs ist die Zuweisung optional:

Klasse C:
    Feld: 'annotation'

Variablenannotationen werden in der Regel für Typangaben verwendet – beispielsweise wird erwartet, dass diese Variable Werte vom Typ int annimmt:

Zähler: int = 0

Die Syntax für die Annotation von Variablen wird im Abschnitt Kommentierte Zuweisungsanweisungen erläutert.

Siehe Funktionsannotation, PEP 484 und PEP 526, wo diese Funktionalität beschrieben wird. Siehe auch Annotations Best Practices für bewährte Vorgehensweisen beim Umgang mit Annotationen.

virtuelle Umgebung

Eine kooperativ isolierte Laufzeitumgebung, die es Python-Anwendern und -Anwendungen ermöglicht, Python-Distributionspakete zu installieren und zu aktualisieren, ohne das Verhalten anderer Python-Anwendungen zu beeinträchtigen, die auf demselben System ausgeführt werden.

Siehe auch venv.

virtuelle Maschine

Ein vollständig in Software definierter Computer. Die virtuelle Maschine von Python führt den vom Bytecode-Compiler erzeugten Bytecode aus.

Walross-Betreiber

Eine scherzhafte Bezeichnung für den Zuweisungsausdruck Operator :=, da er ein bisschen wie ein Walross aussieht, wenn man den Kopf etwas dreht.

Zen von Python

Eine Auflistung der Python-Entwurfsprinzipien und -Philosophien, die zum Verständnis und zur Anwendung der Sprache hilfreich sind. Die Auflistung kann durch Eingabe von „import this „ an der interaktiven Eingabeaufforderung aufgerufen werden.