Qué hay de nuevo en Python 2.3
******************************

Autor:
   A.M. Kuchling

Este artículo explica las nuevas características de Python 2.3.
Python 2.3 se publicó el 29 de julio de 2003.

Los temas principales de Python 2.3 son el pulido de algunas de las
características añadidas en la 2.2, la adición de varias mejoras
pequeñas pero útiles al núcleo del lenguaje y la ampliación de la
biblioteca estándar.  El nuevo modelo de objetos introducido en la
versión anterior se ha beneficiado de 18 meses de correcciones de
errores y de esfuerzos de optimización que han mejorado el rendimiento
de las clases de nuevo estilo.  Se han añadido algunas funciones
incorporadas, como "sum()" y "enumerate()".  El operador "in" puede
utilizarse ahora para búsquedas de subcadenas (por ejemplo, ""ab" en
"abc"" retorna "True").

Algunas de las nuevas características de la biblioteca son los tipos
de datos booleanos, de conjunto, de montón y de fecha/hora, la
posibilidad de importar módulos desde archivos con formato ZIP, el
soporte de metadatos para el tan esperado catálogo de Python, una
versión actualizada de IDLE y módulos para registrar mensajes,
envolver texto, analizar archivos CSV, procesar opciones de línea de
comandos, utilizar bases de datos BerkeleyDB... la lista de módulos
nuevos y mejorados es larga.

Este artículo no pretende proporcionar una especificación completa de
las nuevas características, sino que proporciona una visión general
conveniente.  Para obtener todos los detalles, debes consultar la
documentación de Python 2.3, como la Referencia de la Biblioteca de
Python y el Manual de Referencia de Python.  Si quieres entender la
implementación completa y los fundamentos del diseño, consulta el PEP
de una nueva característica en particular.


PEP 218: Un tipo de datos de conjunto estándar
==============================================

El nuevo módulo "sets" contiene una implementación de un tipo de datos
de conjuntos.  La clase "Set" es para conjuntos mutables, conjuntos a
los que se les pueden añadir y eliminar miembros.  La clase
"ImmutableSet" es para los conjuntos que no pueden ser modificados, y
las instancias de "ImmutableSet" pueden por lo tanto ser utilizadas
como claves de diccionario. Los conjuntos se construyen sobre
diccionarios, por lo que los elementos de un conjunto deben ser
hashables.

Aquí hay un ejemplo simple:

   >>> import sets
   >>> S = sets.Set([1,2,3])
   >>> S
   Set([1, 2, 3])
   >>> 1 in S
   True
   >>> 0 in S
   False
   >>> S.add(5)
   >>> S.remove(3)
   >>> S
   Set([1, 2, 5])
   >>>

La unión y la intersección de los conjuntos pueden calcularse con los
métodos "union()" y "intersection()"; una notación alternativa utiliza
los operadores bitácora "&" y "|". Los conjuntos mutables también
tienen versiones in situ de estos métodos, "union_update()" y
"intersection_update()".

   >>> S1 = sets.Set([1,2,3])
   >>> S2 = sets.Set([4,5,6])
   >>> S1.union(S2)
   Set([1, 2, 3, 4, 5, 6])
   >>> S1 | S2                  # Alternative notation
   Set([1, 2, 3, 4, 5, 6])
   >>> S1.intersection(S2)
   Set([])
   >>> S1 & S2                  # Alternative notation
   Set([])
   >>> S1.union_update(S2)
   >>> S1
   Set([1, 2, 3, 4, 5, 6])
   >>>

También es posible tomar la diferencia simétrica de dos conjuntos.
Este es el conjunto de todos los elementos de la unión que no están en
la intersección.  Otra forma de decirlo es que la diferencia simétrica
contiene todos los elementos que están exactamente en un conjunto.  De
nuevo, existe una notación alternativa ("^"), y una versión in-place
con el poco agraciado nombre "symmetric_difference_update()".

   >>> S1 = sets.Set([1,2,3,4])
   >>> S2 = sets.Set([3,4,5,6])
   >>> S1.symmetric_difference(S2)
   Set([1, 2, 5, 6])
   >>> S1 ^ S2
   Set([1, 2, 5, 6])
   >>>

También hay métodos "issubset()" y "issuperset()" para comprobar si un
conjunto es subconjunto o superconjunto de otro:

   >>> S1 = sets.Set([1,2,3])
   >>> S2 = sets.Set([2,3])
   >>> S2.issubset(S1)
   True
   >>> S1.issubset(S2)
   False
   >>> S1.issuperset(S2)
   True
   >>>

Ver también:

  **PEP 218** - Añadiendo un tipo de objeto de conjunto incorporado
     PEP escrito por Greg V. Wilson. Implementado por Greg V. Wilson,
     Alex Martelli y GvR.


PEP 255: Generadores simples
============================

En Python 2.2, los generadores se añadieron como una característica
opcional, que se activaba mediante una directiva "from __future__
import generators".  En 2.3 los generadores ya no necesitan ser
habilitados especialmente, y ahora están siempre presentes; esto
significa que "yield" es ahora siempre una palabra clave.  El resto de
esta sección es una copia de la descripción de los generadores del
documento "What's New in Python 2.2"; si lo leíste cuando salió Python
2.2, puedes saltarte el resto de esta sección.

Sin duda estás familiarizado con cómo funcionan las llamadas a
funciones en Python o C. Cuando llamas a una función, ésta obtiene un
espacio de nombres privado donde se crean sus variables locales.
Cuando la función llega a una declaración "return", las variables
locales se destruyen y el valor resultante se retorna a quien la
llamó.  Una llamada posterior a la misma función obtendrá un nuevo
conjunto de variables locales. Pero, ¿qué pasaría si las variables
locales no se tiraran al salir de una función? ¿Qué pasaría si
pudieras reanudar la función donde la dejaste?  Esto es lo que
proporcionan los generadores; se puede pensar en ellos como funciones
reanudables.

Este es el ejemplo más sencillo de una función generadora:

   def generate_ints(N):
       for i in range(N):
           yield i

Se ha introducido una nueva palabra clave, "yield", para los
generadores.  Cualquier función que contenga una declaración "yield"
es una función generadora; esto es detectado por el compilador de
código de bits de Python que compila la función especialmente como
resultado.

Cuando se llama a una función generadora, ésta no retorna un único
valor, sino que retorna un objeto generador que soporta el protocolo
de los iteradores.  Al ejecutar la sentencia "yield", el generador
retorna el valor de "i", de forma similar a una sentencia "return".
La gran diferencia entre "yield" y una sentencia "return" es que al
llegar a una sentencia "yield" se suspende el estado de ejecución del
generador y se conservan las variables locales.  En la siguiente
llamada al método ".next()" del generador, la función se reanudará la
ejecución inmediatamente después de la sentencia "yield".  (Por
razones complicadas, la sentencia "yield" no está permitida dentro del
bloque "try" de una sentencia "try"...`; lea **PEP 255** para una
explicación completa de la interacción entre "yield" y las
excepciones)

Este es un ejemplo de uso del generador "generate_ints()":

   >>> gen = generate_ints(3)
   >>> gen
   <generator object at 0x8117f90>
   >>> gen.next()
   0
   >>> gen.next()
   1
   >>> gen.next()
   2
   >>> gen.next()
   Traceback (most recent call last):
     File "stdin", line 1, in ?
     File "stdin", line 2, in generate_ints
   StopIteration

También podrías escribir "for i in generate_ints(5)", o "a,b,c =
generate_ints(3)".

Dentro de una función generadora, la expresión "return" sólo puede
usarse sin un valor, y señala el final de la procesión de valores;
después el generador no puede retornar más valores. "return" con un
valor, como "return 5", es un error de sintaxis dentro de una función
generadora.  El final de los resultados del generador también puede
indicarse levantando manualmente "StopIteration", o simplemente
dejando que el flujo de ejecución caiga en el fondo de la función.

Puedes conseguir el efecto de los generadores manualmente escribiendo
tu propia clase y almacenando todas las variables locales del
generador como variables de instancia.  Por ejemplo, la devolución de
una lista de enteros podría hacerse estableciendo "self.count" a 0, y
haciendo que el método "next()" incremente "self.count" y lo retorne.
Sin embargo, para un generador medianamente complicado, escribir la
clase correspondiente sería mucho más complicado.
"Lib/test/test_generators.py" contiene varios ejemplos más
interesantes.  El más sencillo implementa un recorrido en orden de un
árbol utilizando generadores de forma recursiva

   # A recursive generator that generates Tree leaves in in-order.
   def inorder(t):
       if t:
           for x in inorder(t.left):
               yield x
           yield t.label
           for x in inorder(t.right):
               yield x

Otros dos ejemplos en "Lib/test/test_generators.py" producen
soluciones para el problema de las N reinas (colocar $N$ reinas en un
tablero de ajedrez $NxN$ de forma que ninguna reina amenace a otra) y
el recorrido del caballero (una ruta que lleva a un caballo a cada
casilla de un tablero de ajedrez $NxN$ sin visitar ninguna casilla dos
veces).

La idea de los generadores proviene de otros lenguajes de
programación, especialmente de Icon
(https://www.cs.arizona.edu/icon/), donde la idea de los generadores
es fundamental.  En Icon, cada expresión y llamada a una función se
comporta como un generador.  Un ejemplo de "*An Overview of the Icon
Programming Language*" en
https://www.cs.arizona.edu/icon/docs/ipd266.htm da una idea de cómo es
esto:

   sentence := "Store it in the neighboring harbor"
   if (i := find("or", sentence)) > 5 then write(i)

En Icon la función "find()" retorna los índices en los que se
encuentra la subcadena "o": 3, 23, 33.  En la expresión "if", a "i" se
le asigna primero un valor de 3, pero 3 es menor que 5, por lo que la
comparación falla, e Icon la reintenta con el segundo valor de 23. 23
es mayor que 5, por lo que la comparación ahora tiene éxito, y el
código imprime el valor 23 en la pantalla.

Python no va tan lejos como Icon en la adopción de generadores como
concepto central.  Los generadores se consideran parte del núcleo del
lenguaje Python, pero aprenderlos o utilizarlos no es obligatorio; si
no resuelven ningún problema que tengas, siéntete libre de ignorarlos.
Una característica novedosa de la interfaz de Python en comparación
con la de Icon es que el estado de un generador se representa como un
objeto concreto (el iterador) que puede pasarse a otras funciones o
almacenarse en una estructura de datos.

Ver también:

  **PEP 255** - Generadores simples
     Escrito por Neil Schemenauer, Tim Peters, Magnus Lie Hetland.
     Implementado principalmente por Neil Schemenauer y Tim Peters,
     con otras correcciones del equipo de Python Labs.


PEP 263: Codificación del código fuente
=======================================

Los archivos fuente de Python ahora pueden declararse con diferentes
codificaciones de conjuntos de caracteres.  Las codificaciones se
declaran incluyendo un comentario con formato especial en la primera o
segunda línea del archivo fuente.  Por ejemplo, un archivo UTF-8 puede
declararse con:

   #!/usr/bin/env python
   # -*- coding: UTF-8 -*-

Sin esta declaración de codificación, la codificación por defecto
utilizada es ASCII de 7 bits. Ejecutar o importar módulos que
contengan literales de cadena con caracteres de 8 bits y que no tengan
una declaración de codificación dará lugar a un "DeprecationWarning"
señalado por Python 2.3; en 2.4 será un error de sintaxis.

La declaración de codificación sólo afecta a los literales de cadena
Unicode, que se convertirán a Unicode utilizando la codificación
especificada.  Ten en cuenta que los identificadores de Python siguen
restringidos a caracteres ASCII, por lo que no puedes tener nombres de
variables que utilicen caracteres fuera de los alfanuméricos
habituales.

Ver también:

  **PEP 263** - Definición de las codificaciones del código fuente de
  Python
     Escrito por Marc-André Lemburg y Martin von Löwis; realizado por
     Suzuki Hisao y Martin von Löwis.


PEP 273: Importar módulos desde archivos ZIP
============================================

El nuevo módulo "zipimport" añade soporte para importar módulos desde
un archivo en formato ZIP.  No es necesario importar el módulo
explícitamente; se importará automáticamente si se añade el nombre de
un archivo ZIP a "sys.path". Por ejemplo:

   amk@nyman:~/src/python$ unzip -l /tmp/example.zip
   Archive:  /tmp/example.zip
     Length     Date   Time    Name
    --------    ----   ----    ----
        8467  11-26-02 22:30   jwzthreading.py
    --------                   -------
        8467                   1 file
   amk@nyman:~/src/python$ ./python
   Python 2.3 (#1, Aug 1 2003, 19:54:32)
   >>> import sys
   >>> sys.path.insert(0, '/tmp/example.zip')  # Add .zip file to front of path
   >>> import jwzthreading
   >>> jwzthreading.__file__
   '/tmp/example.zip/jwzthreading.py'
   >>>

Una entrada en "sys.path" puede ser ahora el nombre de un archivo ZIP.
El archivo ZIP puede contener cualquier tipo de ficheros, pero sólo se
pueden importar los ficheros llamados "*.py", "*.pyc", o "*.pyo".  Si
un archivo sólo contiene ficheros "*.py", Python no intentará
modificar el archivo añadiendo el correspondiente fichero "*.pyc", lo
que significa que si un archivo ZIP no contiene ficheros "*.pyc", la
importación puede ser bastante lenta.

También se puede especificar una ruta dentro del archivo para importar
sólo de un subdirectorio; por ejemplo, la ruta "/tmp/example.zip/lib/"
sólo importaría del subdirectorio "lib/" dentro del archivo.

Ver también:

  **PEP 273** - Importación de módulos desde archivos Zip
     Escrito por James C. Ahlstrom, que también proporcionó una
     implementación. Python 2.3 sigue la especificación en **PEP
     273**, pero utiliza una implementación escrita por Just van
     Rossum que utiliza los ganchos de importación descritos en **PEP
     302**. Vea la sección PEP 302: Nuevos ganchos de importación para
     una descripción de los nuevos ganchos de importación.


PEP 277: Soporte de nombres de archivo Unicode para Windows NT
==============================================================

En Windows NT, 2000 y XP, el sistema almacena los nombres de archivo
como cadenas Unicode. Tradicionalmente, Python ha representado los
nombres de archivo como cadenas de bytes, lo cual es inadecuado porque
hace que algunos nombres de archivo sean inaccesibles.

Python permite ahora utilizar cadenas Unicode arbitrarias (dentro de
las limitaciones del sistema de archivos) para todas las funciones que
esperan nombres de archivos, sobre todo la función incorporada
"open()". Si se pasa una cadena Unicode a "os.listdir()", Python
retorna ahora una lista de cadenas Unicode.  Una nueva función,
"os.getcwdu()", retorna el directorio actual como una cadena Unicode.

Las cadenas de bytes siguen funcionando como nombres de archivo, y en
Windows Python las convertirá de forma transparente a Unicode
utilizando la codificación "mbcs".

Otros sistemas también permiten cadenas Unicode como nombres de
archivo, pero las convierten en cadenas de bytes antes de pasarlas al
sistema, lo que puede provocar un "UnicodeError". Las aplicaciones
pueden comprobar si se admiten cadenas Unicode arbitrarias como
nombres de archivo comprobando "os.path.supports_unicode_filenames",
un valor booleano.

En MacOS, "os.listdir()" ahora puede retornar nombres de archivo
Unicode.

Ver también:

  **PEP 277** - Soporte de nombres de archivo Unicode para Windows NT
     Escrito por Neil Hodgson; realizado por Neil Hodgson, Martin von
     Löwis y Mark Hammond.


PEP 278: Soporte universal de nuevas líneas
===========================================

Los tres principales sistemas operativos que se utilizan hoy en día
son Microsoft Windows, el sistema operativo Macintosh de Apple y los
diversos derivados de Unix.  Una pequeña molestia del trabajo entre
plataformas es que estas tres plataformas utilizan diferentes
caracteres para marcar el final de las líneas en los archivos de
texto.  Unix utiliza el salto de línea (carácter ASCII 10), MacOS
utiliza el retorno de carro (carácter ASCII 13), y Windows utiliza una
secuencia de dos caracteres de un retorno de carro más una nueva
línea.

Los objetos de archivo de Python pueden ahora soportar convenciones de
fin de línea distintas de la que sigue la plataforma en la que se
ejecuta Python. Al abrir un archivo con el modo "'U" o "'rU" se abrirá
un archivo para su lectura en modo *universal newlines*.  Las tres
convenciones de final de línea se traducirán a un "'\n'" en las
cadenas retornadas por los distintos métodos de archivo como "read()"
y "readline()".

El soporte universal de nuevas líneas también se utiliza al importar
módulos y al ejecutar un archivo con la función "execfile()".  Esto
significa que los módulos de Python pueden ser compartidos entre los
tres sistemas operativos sin necesidad de convertir los finales de
línea.

Esta función puede desactivarse al compilar Python especificando la
opción "--without-universal-newlines" al ejecutar el script
**configure** de Python.

Ver también:

  **PEP 278** - Soporte universal de nuevas líneas
     Escrito y ejecutado por Jack Jansen.


PEP 279: enumerate()
====================

Una nueva función incorporada, "enumerate()", hará que ciertos bucles
sean un poco más claros.  "enumerate(cosa)", donde *cosa* es un
iterador o una secuencia, retorna un iterador que retornará "(0,
cosa[0])", "(1, cosa[1])", "(2, cosa[2])", y así sucesivamente.

Un modismo común para cambiar cada elemento de una lista tiene el
siguiente aspecto:

   for i in range(len(L)):
       item = L[i]
       # ... compute some result based on item ...
       L[i] = result

Esto se puede reescribir usando "enumerate()" como:

   for i, item in enumerate(L):
       # ... compute some result based on item ...
       L[i] = result

Ver también:

  **PEP 279** - La función incorporada enumerate()
     Escrito y ejecutado por Raymond D. Hettinger.


PEP 282: El paquete de registro
===============================

Se ha añadido a Python 2.3 un paquete estándar para escribir
registros, "logging".  Proporciona un mecanismo potente y flexible
para generar salidas de registro que pueden ser filtradas y procesadas
de varias maneras.  Se puede utilizar un archivo de configuración
escrito en un formato estándar para controlar el comportamiento de
registro de un programa.  Python incluye manejadores que escribirán
los registros en el error estándar o en un archivo o socket, los
enviarán al registro del sistema, o incluso los enviarán por correo
electrónico a una dirección particular; por supuesto, también es
posible escribir tus propias clases de manejadores.

La clase "Logger" es la clase principal. La mayoría del código de la
aplicación tratará con uno o más objetos "Logger", cada uno utilizado
por un subsistema particular de la aplicación. Cada "Logger" se
identifica con un nombre, y los nombres se organizan en una jerarquía
utilizando "." como separador de componentes. Por ejemplo, puedes
tener instancias de "Logger" llamadas "servidor", "servidor.auth" y
"servidor.network".  Estas dos últimas instancias están por debajo de
"servidor" en la jerarquía.  Esto significa que si aumentas la
verbosidad de "servidor" o diriges los mensajes de "servidor" a un
gestor diferente, los cambios también se aplicarán a los registros de
"servidor.auth" y "servidor.network". También hay un "Logger" raíz que
es el padre de todos los demás loggers.

Para usos sencillos, el paquete "logging" contiene algunas funciones
de conveniencia que siempre utilizan la raíz log:

   import logging

   logging.debug('Debugging information')
   logging.info('Informational message')
   logging.warning('Warning:config file %s not found', 'server.conf')
   logging.error('Error occurred')
   logging.critical('Critical error -- shutting down')

Esto produce la siguiente salida:

   WARNING:root:Warning:config file server.conf not found
   ERROR:root:Error occurred
   CRITICAL:root:Critical error -- shutting down

En la configuración por defecto, los mensajes informativos y de
depuración se suprimen y la salida se envía al error estándar.  Puede
habilitar la visualización de mensajes informativos y de depuración
llamando al método "setLevel()" del registrador raíz.

Observe que la llamada "warning()" utiliza operadores de formato de
cadena; todas las funciones para el registro de mensajes toman los
argumentos "(msg, arg1, arg2, ...)" y registran la cadena resultante
de "msg % (arg1, arg2, ...)".

También hay una función "exception()" que registra el rastro más
reciente.  Cualquiera de las otras funciones también registrará el
rastro si se especifica un valor verdadero para el argumento de la
palabra clave *exc_info*.

   def f():
       try:    1/0
       except: logging.exception('Problem recorded')

   f()

Esto produce la siguiente salida:

   ERROR:root:Problem recorded
   Traceback (most recent call last):
     File "t.py", line 6, in f
       1/0
   ZeroDivisionError: integer division or modulo by zero

Los programas un poco más avanzados utilizarán un logger distinto del
logger raíz. La función "getLogger(nombre)" se utiliza para obtener un
registro en particular, creándolo si aún no existe. "getLogger(None)"
retorna el logger raíz.

   log = logging.getLogger('server')
    ...
   log.info('Listening on port %i', port)
    ...
   log.critical('Disk full')
    ...

Los registros se suelen propagar hacia arriba en la jerarquía, por lo
que un mensaje registrado en "servidor.auth" también es visto por
"servidor" y "root", pero un "Logger" puede evitar esto estableciendo
su atributo "propagate" a "False".

There are more classes provided by the "logging" package that can be
customized.  When a "Logger" instance is told to log a message, it
creates a "LogRecord" instance that is sent to any number of different
"Handler" instances.  Loggers and handlers can also have an attached
list of filters, and each filter can cause the "LogRecord" to be
ignored or can modify the record before passing it along.  When
they're finally output, "LogRecord" instances are converted to text by
a "Formatter" class.  All of these classes can be replaced by your own
specially written classes.

Con todas estas características, el paquete "logging" debería
proporcionar suficiente flexibilidad incluso para las aplicaciones más
complicadas.  Esto es sólo un resumen incompleto de sus
características, así que por favor consulte la documentación de
referencia del paquete para todos los detalles.  La lectura de **PEP
282** también será útil.

Ver también:

  **PEP 282** - Un sistema de registro
     Escrito por Vinay Sajip y Trent Mick; implementado por Vinay
     Sajip.


PEP 285: Un tipo booleano
=========================

Se ha añadido un tipo booleano a Python 2.3.  Se añadieron dos nuevas
constantes al módulo "__builtin__", "True" y "False".  (Las constantes
"True" y "False" se añadieron a los módulos incorporados en Python
2.2.1, pero las versiones de 2.2.1 se ajustan simplemente a valores
enteros de 1 y 0 y no son un tipo diferente)

El objeto de tipo para este nuevo tipo se denomina "bool"; su
constructor toma cualquier valor de Python y lo convierte en "True" o
"False".

   >>> bool(1)
   True
   >>> bool(0)
   False
   >>> bool([])
   False
   >>> bool( (1,) )
   True

La mayoría de los módulos de la biblioteca estándar y las funciones
incorporadas se han modificado para retornar booleanos.

   >>> obj = []
   >>> hasattr(obj, 'append')
   True
   >>> isinstance(obj, list)
   True
   >>> isinstance(obj, tuple)
   False

Los booleanos de Python se añadieron con el objetivo principal de
hacer el código más claro.  Por ejemplo, si estás leyendo una función
y te encuentras con la sentencia "return 1", podrías preguntarte si el
"1" representa un valor de verdad booleano, un índice o un coeficiente
que multiplica alguna otra cantidad.  Sin embargo, si la sentencia es
"return True", el significado del valor de retorno es bastante claro.

Los booleanos de Python *no* se añadieron en aras de una comprobación
de tipos estricta.  Un lenguaje muy estricto como Pascal también le
impediría realizar aritmética con booleanos, y requeriría que la
expresión en una declaración "if" siempre se evaluara a un resultado
booleano.  Python no es tan estricto y nunca lo será, como dice
explícitamente **PEP 285**.  Esto significa que puede utilizar
cualquier expresión en una sentencia "if", incluso las que se evalúan
a una lista o tupla o algún objeto aleatorio.  El tipo Booleano es una
subclase de la clase "int" por lo que la aritmética que utiliza un
Booleano sigue funcionando.

   >>> True + 1
   2
   >>> False + 1
   1
   >>> False * 75
   0
   >>> True * 75
   75

Para resumir "True" and "False"  en una frase: son formas alternativas
de deletrear los valores enteros 1 y 0, con la única diferencia de que
"str()" y "repr()" retornan las cadenas "Verdadero" y "Falso" en lugar
de "1" y "0".

Ver también:

  **PEP 285** - Añadir un tipo booleano
     Escrito y ejecutado por GvR.


PEP 293: Llamadas de retorno para el manejo de errores del códec
================================================================

Al codificar una cadena Unicode en una cadena de bytes, pueden
encontrarse caracteres no codificables.  Hasta ahora, Python ha
permitido especificar el procesamiento del error como "estricto"
(lanzando "UnicodeError"), "ignorar" (saltando el carácter), o
"reemplazar" (usando un signo de interrogación en la cadena de
salida), siendo "estricto" el comportamiento por defecto. Puede ser
deseable especificar un procesamiento alternativo de tales errores,
como insertar una referencia de carácter XML o una referencia de
entidad HTML en la cadena convertida.

Python tiene ahora un marco flexible para añadir diferentes
estrategias de procesamiento.  Se pueden añadir nuevos manejadores de
errores con "codecs.register_error()", y los códecs pueden acceder al
manejador de errores con "codecs.lookup_error()". Se ha añadido una
API en C equivalente para los códecs escritos en C. El gestor de
errores obtiene la información de estado necesaria, como la cadena que
se está convirtiendo, la posición en la cadena donde se ha detectado
el error y la codificación de destino.  El controlador puede entonces
lanzar una excepción o retornar una cadena de reemplazo.

Se han implementado dos manejadores de error adicionales utilizando
este marco: "backslashreplace" utiliza las comillas de barra invertida
de Python para representar los caracteres no codificables y
"xmlcharrefreplace" emite referencias de caracteres XML.

Ver también:

  **PEP 293** - Retrollamadas de manejo de errores del códec
     Escrito y ejecutado por Walter Dörwald.


PEP 301: Índice de paquetes y metadatos para Distutils
======================================================

La compatibilidad con el catálogo de Python, largamente solicitada,
hace su primera aparición en 2.3.

El corazón del catálogo es el nuevo comando **register** de Distutils.
Ejecutando "python setup.py register" se recogen los metadatos que
describen un paquete, como su nombre, versión, mantenedor,
descripción, etc., y se envían a un servidor de catálogo central.  El
catálogo resultante está disponible en https://pypi.org.

Para hacer el catálogo un poco más útil, se ha añadido un nuevo
argumento opcional de palabra clave *clasificadores* a la función
Distutils "setup()".  Se puede suministrar una lista de cadenas de
estilo Trove para ayudar a clasificar el software.

Aquí hay un ejemplo "setup.py" con clasificadores, escrito para que
sea compatible con las versiones más antiguas de Distutils:

   from distutils import core
   kw = {'name': "Quixote",
         'version': "0.5.1",
         'description': "A highly Pythonic Web application framework",
         # ...
         }

   if (hasattr(core, 'setup_keywords') and
       'classifiers' in core.setup_keywords):
       kw['classifiers'] = \
           ['Topic :: Internet :: WWW/HTTP :: Dynamic Content',
            'Environment :: No Input/Output (Daemon)',
            'Intended Audience :: Developers'],

   core.setup(**kw)

La lista completa de clasificadores se puede obtener ejecutando
"python setup.py register --list-classifiers".

Ver también:

  **PEP 301** - Índice de paquetes y metadatos para Distutils
     Escrito y ejecutado por Richard Jones.


PEP 302: Nuevos ganchos de importación
======================================

Aunque ha sido posible escribir ganchos de importación personalizados
desde que se introdujo el módulo "ihooks" en Python 1.3, nadie ha
estado nunca realmente contento con él porque escribir nuevos ganchos
de importación es difícil y complicado.  Se han propuesto varias
alternativas, como los módulos "imputil" y "iu", pero ninguno de ellos
ha tenido mucha aceptación, y ninguno era fácilmente utilizable desde
el código C.

**PEP 302** toma prestadas ideas de sus predecesores, especialmente
del módulo "iu" de Gordon McMillan.  Se añaden tres nuevos elementos
al módulo "sys":

* "sys.path_hooks" es una lista de objetos invocables; la mayoría de
  las veces serán clases.  Cada llamada toma una cadena que contiene
  una ruta y retorna un objeto importador que manejará las
  importaciones desde esta ruta o lanza una excepción "ImportError" si
  no puede manejar esta ruta.

* "sys.path_importer_cache" almacena en caché los objetos del
  importador para cada ruta, por lo que "sys.path_hooks" sólo tendrá
  que ser recorrido una vez para cada ruta.

* "sys.meta_path" es una lista de objetos importadores que se
  recorrerán antes de comprobar "sys.path".  Esta lista está
  inicialmente vacía, pero el código de usuario puede añadir objetos a
  ella.  Los módulos adicionales incorporados y congelados pueden ser
  importados por un objeto añadido a esta lista.

Los objetos importadores deben tener un único método,
"find_module(fullname, path=None)".  *fullname* será un nombre de
módulo o paquete, por ejemplo "string" o "distutils.core".
"find_module()" debe retornar un objeto cargador que tenga un único
método, "load_module(fullname)", que cree y retorne el objeto módulo
correspondiente.

Por lo tanto, el pseudocódigo de la nueva lógica de importación de
Python es algo así (simplificado un poco; véase **PEP 302** para los
detalles completos):

   for mp in sys.meta_path:
       loader = mp(fullname)
       if loader is not None:
           <module> = loader.load_module(fullname)

   for path in sys.path:
       for hook in sys.path_hooks:
           try:
               importer = hook(path)
           except ImportError:
               # ImportError, so try the other path hooks
               pass
           else:
               loader = importer.find_module(fullname)
               <module> = loader.load_module(fullname)

   # Not found!
   raise ImportError

Ver también:

  **PEP 302** - Nuevos ganchos de importación
     Escrito por Just van Rossum y Paul Moore. Implementado por Just
     van Rossum.


PEP 305: Archivos separados por comas
=====================================

Los archivos separados por comas son un formato frecuentemente
utilizado para exportar datos de bases de datos y hojas de cálculo.
Python 2.3 añade un analizador de archivos separados por comas.

El formato separado por comas es engañosamente sencillo a primera
vista:

   Costs,150,200,3.95

Leer una línea y llamar a "line.split(',')": ¿qué puede ser más
sencillo? Pero si se añaden datos de cadena que pueden contener comas,
las cosas se complican:

   "Costs",150,200,3.95,"Includes taxes, shipping, and sundry items"

Una expresión regular grande y fea puede analizar esto, pero usar el
nuevo paquete "csv" es mucho más sencillo:

   import csv

   input = open('datafile', 'rb')
   reader = csv.reader(input)
   for line in reader:
       print line

La función "reader()" admite varias opciones. El separador de campos
no se limita a la coma y puede cambiarse por cualquier carácter, al
igual que las comillas y el final de línea.

Se pueden definir y registrar diferentes dialectos de archivos
separados por comas; actualmente hay dos dialectos, ambos utilizados
por Microsoft Excel. Una clase "csv.writer" independiente generará
archivos separados por comas a partir de una sucesión de tuplas o
listas, citando cadenas que contengan el delimitador.

Ver también:

  **PEP 305** - API de archivos CSV
     Escrito y realizado por Kevin Altis, Dave Cole, Andrew McNamara,
     Skip Montanaro, Cliff Wells.


PEP 307: Mejoras en Pickle
==========================

Los módulos "pickle" y "cPickle" recibieron cierta atención durante el
ciclo de desarrollo de la 2.3.  En 2.2, las clases de estilo nuevo
podían ser desempaquetadas sin dificultad, pero no se desempaquetaba
de forma muy compacta; **PEP 307** cita un ejemplo trivial en el que
una clase de estilo nuevo da lugar a una cadena desempaquetada tres
veces más larga que la de una clase clásica.

La solución fue inventar un nuevo protocolo pickle.  La función
"pickle.dumps()" soporta desde hace tiempo una bandera de texto o
binario.  En la versión 2.3, esta bandera se ha redefinido, pasando de
ser un booleano a un entero: 0 es el antiguo formato pickle en modo
texto, 1 es el antiguo formato binario, y ahora 2 es un nuevo formato
específico de 2.3.  Una nueva constante, "pickle.HIGHEST_PROTOCOL",
puede utilizarse para seleccionar el protocolo más elegante
disponible.

El unpickling ya no se considera una operación segura. El "pickle" de
la versión 2.2 proporcionaba ganchos para tratar de evitar que las
clases no seguras fueran deserializadas (específicamente, un atributo
"__safe_for_unpickling__"), pero nada de este código fue nunca
auditado y por lo tanto todo ha sido eliminado en la versión 2.3.  No
se debe deserializar datos no confiables en ninguna versión de Python.

Para reducir la sobrecarga de pickling de las clases de estilo nuevo,
se ha añadido una nueva interfaz para personalizar el pickling
mediante tres métodos especiales: "__getstate__()", "__setstate__()",
y "__getnewargs__()".  Consulte **PEP 307** para conocer la semántica
completa de estos métodos.

Como forma de comprimir aún más los pickles, ahora es posible utilizar
códigos enteros en lugar de cadenas largas para identificar las clases
serializadas. La Python Software Foundation mantendrá una lista de
códigos estandarizados; también hay una gama de códigos para uso
privado.  Actualmente no se ha especificado ningún código.

Ver también:

  **PEP 307** - Extensiones del protocolo pickle
     Escrito y ejecutado por Guido van Rossum y Tim Peters.


Rebanadas ampliadas
===================

Desde la versión 1.4 de Python, la sintaxis de corte admite un tercer
argumento opcional "paso" o "zancada".  Por ejemplo, estas son todas
las sintaxis legales de Python: "L[1:10:2]", "L[:-1:1]", "L[::-1]".
Esto se añadió a Python a petición de los desarrolladores de Numerical
Python, que utiliza ampliamente el tercer argumento.  Sin embargo, los
tipos de secuencias de listas, tuplas y cadenas incorporados en Python
nunca han soportado esta característica, y lanzan un "TypeError" si lo
intentas. Michael Hudson ha contribuido con un parche para solucionar
este problema.

Por ejemplo, ahora puede extraer fácilmente los elementos de una lista
que tengan índices pares:

   >>> L = range(10)
   >>> L[::2]
   [0, 2, 4, 6, 8]

Los valores negativos también sirven para hacer una copia de la misma
lista en orden inverso:

   >>> L[::-1]
   [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

Esto también funciona para tuplas, arrays y cadenas:

   >>> s='abcd'
   >>> s[::2]
   'ac'
   >>> s[::-1]
   'dcba'

Si tienes una secuencia mutable, como una lista o un array, puedes
asignar o eliminar una rebanada extendida, pero hay algunas
diferencias entre la asignación a rebanadas extendidas y regulares.
La asignación a una rebanada regular se puede utilizar para cambiar la
longitud de la secuencia:

   >>> a = range(3)
   >>> a
   [0, 1, 2]
   >>> a[1:3] = [4, 5, 6]
   >>> a
   [0, 4, 5, 6]

Las rebanadas extendidas no son tan flexibles.  Cuando se asigna a una
rebanada extendida, la lista a la derecha de la declaración debe
contener el mismo número de elementos que la rebanada que está
reemplazando:

   >>> a = range(4)
   >>> a
   [0, 1, 2, 3]
   >>> a[::2]
   [0, 2]
   >>> a[::2] = [0, -1]
   >>> a
   [0, 1, -1, 3]
   >>> a[::2] = [0,1,2]
   Traceback (most recent call last):
     File "<stdin>", line 1, in ?
   ValueError: attempt to assign sequence of size 3 to extended slice of size 2

La eliminación es más sencilla:

   >>> a = range(4)
   >>> a
   [0, 1, 2, 3]
   >>> a[::2]
   [0, 2]
   >>> del a[::2]
   >>> a
   [1, 3]

Ahora también se pueden pasar objetos slice a los métodos
"__getitem__()" de las secuencias incorporadas:

   >>> range(10).__getitem__(slice(0, 5, 2))
   [0, 2, 4]

O utilizar los objetos de corte directamente en los subíndices:

   >>> range(10)[slice(0, 5, 2)]
   [0, 2, 4]

Para simplificar la implementación de secuencias que soportan el corte
extendido, los objetos slice tienen ahora un método "indices(length)"
que, dada la longitud de una secuencia, retorna una tupla "(start,
stop, step)" que puede pasarse directamente a "range()". "indices()"
maneja los índices omitidos y los que están fuera de los límites de
una manera consistente con los slices regulares (¡y esta frase inocua
esconde un montón de detalles confusos!).  El método está pensado para
ser utilizado así:

   class FakeSeq:
       ...
       def calc_item(self, i):
           ...
       def __getitem__(self, item):
           if isinstance(item, slice):
               indices = item.indices(len(self))
               return FakeSeq([self.calc_item(i) for i in range(*indices)])
           else:
               return self.calc_item(i)

En este ejemplo también se puede ver que el objeto incorporado "slice"
es ahora el objeto tipo para el tipo slice, y ya no es una función.
Esto es consistente con Python 2.2, donde "int", "str", etc.,
sufrieron el mismo cambio.


Otros cambios en el lenguaje
============================

Estos son todos los cambios que Python 2.3 introduce en el núcleo del
lenguaje Python.

* La expresión "yield" es ahora siempre una palabra clave, como se
  describe en la sección PEP 255: Generadores simples de este
  documento.

* Se ha añadido una nueva función incorporada "enumerate()", como se
  describe en la sección PEP 279: enumerate() de este documento.

* Se han añadido dos nuevas constantes, "True" y "False" junto con el
  tipo incorporado "bool", como se describe en la sección PEP 285: Un
  tipo booleano de este documento.

* El constructor de tipo "int()" ahora retornará un entero largo en
  lugar de lanzar un "OverflowError" cuando una cadena o un número de
  punto flotante es demasiado grande para caber en un entero.  Esto
  puede llevar al resultado paradójico de que
  "isinstance(int(expresión), int)" sea falso, pero parece poco
  probable que cause problemas en la práctica.

* Los tipos incorporados ahora soportan la sintaxis de rebanado
  extendida, como se describe en la sección Rebanadas ampliadas de
  este documento.

* Una nueva función incorporada, "suma(iterable, start=0)", suma los
  elementos numéricos en el objeto iterable y retorna su suma.
  "suma()" sólo acepta números, lo que significa que no se puede
  utilizar para concatenar un montón de cadenas. (Contribución de Alex
  Martelli)

* "list.insert(pos, valor)" solía insertar *valor* al principio de la
  lista cuando *pos* era negativo.  El comportamiento ha sido cambiado
  para ser consistente con la indexación de las rebanadas, así que
  cuando *pos* es -1 el valor será insertado antes del último
  elemento, y así sucesivamente.

* "list.index(value)", que busca *valor* dentro de la lista y retorna
  su índice, ahora toma los argumentos opcionales *start* y *stop*
  para limitar la búsqueda sólo a una parte de la lista.

* Los diccionarios tienen un nuevo método, "pop(key[, *default*])",
  que retorna el valor correspondiente a *key* y elimina ese par
  clave/valor del diccionario.  Si la clave solicitada no está
  presente en el diccionario, se retorna *default* si está
  especificada y se lanza "KeyError" si no lo está:

     >>> d = {1:2}
     >>> d
     {1: 2}
     >>> d.pop(4)
     Traceback (most recent call last):
       File "stdin", line 1, in ?
     KeyError: 4
     >>> d.pop(1)
     2
     >>> d.pop(1)
     Traceback (most recent call last):
       File "stdin", line 1, in ?
     KeyError: 'pop(): dictionary is empty'
     >>> d
     {}
     >>>

  También hay un nuevo método de clase, "dict.fromkeys(iterable,
  value)", que crea un diccionario con claves tomadas del iterador
  *iterable* suministrado y todos los valores establecidos a *value*,
  por defecto a "None".

  (Parches aportados por Raymond Hettinger)

  Además, el constructor "dict()" ahora acepta argumentos de palabras
  clave para simplificar la creación de pequeños diccionarios:

     >>> dict(red=1, blue=2, green=3, black=4)
     {'blue': 2, 'black': 4, 'green': 3, 'red': 1}

  (Contribución de Just van Rossum.)

* La expresión "assert" ya no comprueba la bandera "debug__", por lo
  que ya no se pueden desactivar las aserciones asignando a
  "__debug__". Ejecutar Python con la opción "-O" seguirá generando
  código que no ejecute ninguna aserción.

* La mayoría de los objetos de tipo son ahora invocables, por lo que
  puedes usarlos para crear nuevos objetos como funciones, clases y
  módulos.  (Esto significa que el módulo "new" puede quedar obsoleto
  en una futura versión de Python, porque ahora puedes utilizar los
  objetos de tipo disponibles en el módulo "types") Por ejemplo, puede
  crear un nuevo objeto de módulo con el siguiente código:

     >>> import types
     >>> m = types.ModuleType('abc','docstring')
     >>> m
     <module 'abc' (built-in)>
     >>> m.__doc__
     'docstring'

* Se ha añadido una nueva advertencia, "PendingDeprecationWarning"
  para indicar las características que están en proceso de ser
  obsoletas.  La advertencia no se imprimirá por defecto.  Para
  comprobar el uso de funciones que quedarán obsoletas en el futuro,
  proporcione "-Walways::PendingDeprecationWarning::" en la línea de
  comandos o utilice "warnings.filterwarnings()".

* Ha comenzado el proceso de desaprobación de las excepciones basadas
  en cadenas, como en "lanzamiento de "Error ocurred”".  Al lanzar una
  cadena, ahora se activará "PendingDeprecationWarning".

* El uso de "None" como nombre de una variable ahora resultará en una
  advertencia "SyntaxWarning".  En una futura versión de Python,
  "None" podría convertirse en una palabra clave.

* El método "xreadlines()" de los objetos archivo, introducido en
  Python 2.1, ya no es necesario porque los archivos se comportan
  ahora como su propio iterador. "xreadlines()" se introdujo
  originalmente como una forma más rápida de recorrer todas las líneas
  de un archivo, pero ahora se puede escribir simplemente "for line in
  file_obj". Los objetos archivo también tienen un nuevo atributo
  "encoding" de sólo lectura que proporciona la codificación utilizada
  por el archivo; las cadenas Unicode escritas en el archivo se
  convertirán automáticamente a bytes utilizando la codificación dada.

* The method resolution order used by new-style classes has changed,
  though you'll only notice the difference if you have a really
  complicated inheritance hierarchy.  Classic classes are unaffected
  by this change.  Python 2.2 originally used a topological sort of a
  class's ancestors, but 2.3 now uses the C3 algorithm as described in
  the paper "A Monotonic Superclass Linearization for Dylan". To
  understand the motivation for this change,  read Michele Simionato's
  article "Python 2.3 Method Resolution Order", or read the thread on
  python-dev starting with the message at
  https://mail.python.org/pipermail/python-
  dev/2002-October/029035.html. Samuele Pedroni first pointed out the
  problem and also implemented the fix by coding the C3 algorithm.

* Python ejecuta programas multihilo cambiando entre hilos después de
  ejecutar N bytecodes.  El valor por defecto de N se ha incrementado
  de 10 a 100 bytecodes, acelerando las aplicaciones de un solo hilo
  al reducir la sobrecarga de cambio.  Algunas aplicaciones multihilo
  pueden sufrir un tiempo de respuesta más lento, pero eso se arregla
  fácilmente estableciendo el límite a un número menor usando
  "sys.setcheckinterval(N)". El límite puede recuperarse con la nueva
  función "sys.getcheckinterval()".

* Un cambio menor pero de gran alcance es que los nombres de los tipos
  de extensión definidos por los módulos incluidos con Python ahora
  contienen el módulo y un ".'" delante del nombre del tipo.  Por
  ejemplo, en Python 2.2, si creabas un socket e imprimías su
  "__class__", obtendrías esta salida:

     >>> s = socket.socket()
     >>> s.__class__
     <type 'socket'>

  En 2.3, se obtiene esto:

     >>> s.__class__
     <type '_socket.socket'>

* Se ha eliminado una de las incompatibilidades señaladas entre las
  clases de estilo antiguo y las de estilo nuevo: ahora se pueden
  asignar a los atributos "__name__" y "__bases__" de las clases de
  estilo nuevo.  Hay algunas restricciones sobre lo que se puede
  asignar a "__bases__" en la línea de las relacionadas con la
  asignación al atributo "__class__" de una instancia.


Cambios en las cadenas de texto
-------------------------------

* El operador "in" ahora funciona de forma diferente para las cadenas.
  Antes, cuando se evaluaba "X en Y" donde *X* y *Y* eran cadenas, *X*
  sólo podía ser un único carácter. Esto ha cambiado; *X* puede ser
  una cadena de cualquier longitud, y "X en Y" retornará "True" si *X*
  es una subcadena de *Y*.  Si *X* es una cadena vacía, el resultado
  es siempre "True".

     >>> 'ab' in 'abcd'
     True
     >>> 'ad' in 'abcd'
     False
     >>> '' in 'abcd'
     True

  Tenga en cuenta que esto no le dice dónde empieza la subcadena; si
  necesita esa información, utilice el método "find()" string.

* Los métodos de cadena "strip()", "lstrip()" y "rstrip()" tienen
  ahora un argumento opcional para especificar los caracteres a
  eliminar.  El valor por defecto sigue siendo eliminar todos los
  caracteres de espacio en blanco:

     >>> '   abc '.strip()
     'abc'
     >>> '><><abc<><><>'.strip('<>')
     'abc'
     >>> '><><abc<><><>\n'.strip('<>')
     'abc<><><>\n'
     >>> u'\u4000\u4001abc\u4000'.strip(u'\u4000')
     u'\u4001abc'
     >>>

  (Sugerido por Simon Brunning y aplicado por Walter Dörwald)

* Los métodos de cadena "startswith()" y "endswith()" ahora aceptan
  números negativos para los parámetros *start* y *end*.

* Otro nuevo método de cadena es "zfill()", originalmente una función
  del módulo "string". "zfill()" rellena una cadena numérica con ceros
  a la izquierda hasta que tenga el ancho especificado. Tenga en
  cuenta que el operador "%" sigue siendo más flexible y potente que
  "zfill()".

     >>> '45'.zfill(4)
     '0045'
     >>> '12345'.zfill(4)
     '12345'
     >>> 'goofy'.zfill(6)
     '0goofy'

  (Contribución de Walter Dörwald.)

* Se ha añadido un nuevo tipo de objeto, "basestring". Tanto las
  cadenas de 8 bits como las cadenas Unicode heredan de este tipo, por
  lo que "isinstance(obj, basestring)" retornará "True" para cualquier
  tipo de cadena.  Es un tipo completamente abstracto, por lo que no
  se pueden crear instancias de "basestring".

* Las cadenas internas ya no son inmortales y ahora serán recolectadas
  de la forma habitual cuando la única referencia a ellas sea desde el
  diccionario interno de cadenas internas.  (Implementado por Oren
  Tirosh)


Optimizaciones
--------------

* La creación de instancias de clases de estilo nuevo se ha hecho
  mucho más rápida; ¡ahora son más rápidas que las clases clásicas!

* El método "sort()" de los objetos de la lista ha sido ampliamente
  reescrito por Tim Peters, y la implementación es significativamente
  más rápida.

* La multiplicación de enteros largos es ahora mucho más rápida
  gracias a una implementación de la multiplicación Karatsuba, un
  algoritmo que escala mejor que el O(n*n) requerido para el algoritmo
  de multiplicación de la escuela primaria.  (Parche original de
  Christopher A. Craig, y reelaborado significativamente por Tim
  Peters)

* El opcode "SET_LINENO" ha desaparecido.  Esto puede proporcionar un
  pequeño aumento de velocidad, dependiendo de la idiosincrasia de su
  compilador. Vea la sección Otros cambios y correcciones para una
  explicación más larga. (Eliminado por Michael Hudson)

* Los objetos "xrange()" tienen ahora su propio iterador, haciendo que
  "for i in xrange(n)" sea ligeramente más rápido que "for i in
  range(n)".  (Parche de Raymond Hettinger)

* Se han realizado una serie de pequeños reajustes en varios puntos
  conflictivos para mejorar el rendimiento, como por ejemplo alinear
  una función o eliminar algo de código.  (Implementado principalmente
  por GvR, pero mucha gente ha contribuido con cambios individuales)

El resultado neto de las optimizaciones de la versión 2.3 es que
Python 2.3 ejecuta el benchmark pystone alrededor de un 25% f más
rápido que Python 2.2.


Módulos nuevos, mejorados y obsoletos
=====================================

Como es habitual, la biblioteca estándar de Python ha recibido una
serie de mejoras y correcciones de errores.  Aquí hay una lista
parcial de los cambios más notables, ordenados alfabéticamente por
nombre de módulo. Consulte el archivo "Misc/NEWS" en el árbol de
fuentes para obtener una lista más completa de los cambios, o busque
en los registros de CVS para obtener todos los detalles.

* El módulo "array" soporta ahora matrices de caracteres Unicode que
  utilizan el carácter de formato "'u".  Las matrices también soportan
  ahora el uso del operador de asignación "+=" para añadir el
  contenido de otra matriz, y el operador de asignación "*=" para
  repetir una matriz. (Contribución de Jason Orendorff)

* The "bsddb" module has been replaced by version 4.1.6 of the PyBSDDB
  package, providing a more complete interface to the transactional
  features of the BerkeleyDB library.

  La antigua versión del módulo ha sido renombrada como "bsddb185" y
  ya no se construye automáticamente; tendrás que editar
  "Modules/Setup" para activarlo.  Ten en cuenta que el nuevo paquete
  "bsddb" está pensado para ser compatible con el módulo antiguo, así
  que asegúrate de enviar errores si descubres alguna
  incompatibilidad. Al actualizar a Python 2.3, si el nuevo intérprete
  se compila con una nueva versión de la biblioteca BerkeleyDB
  subyacente, es casi seguro que tendrá que convertir sus archivos de
  base de datos a la nueva versión.  Puede hacerlo fácilmente con los
  nuevos scripts "db2pickle.py" y "pickle2db.py" que encontrará en el
  directorio "Tools/scripts" de la distribución.  Si ya ha estado
  utilizando el paquete PyBSDDB e importándolo como "bsddb3", tendrá
  que cambiar sus sentencias "import" para importarlo como "bsddb".

* El nuevo módulo "bz2" es una interfaz para la biblioteca de
  compresión de datos bz2. Los datos comprimidos con bz2 suelen ser
  más pequeños que los correspondientes datos comprimidos con "zlib".
  (Contribución de Gustavo Niemeyer)

* Se ha añadido un conjunto de tipos de fecha/hora estándar en el
  nuevo módulo "datetime".  Consulte la siguiente sección para obtener
  más detalles.

* La clase Distutils "Extension" soporta ahora un argumento
  constructor extra llamado *depends* para listar archivos fuente
  adicionales de los que depende una extensión.  Esto permite a
  Distutils recompilar el módulo si se modifica alguno de los archivos
  de dependencia.  Por ejemplo, si "sampmodule.c" incluye el fichero
  de cabecera "sample.h", se crearía el objeto "Extension" así:

     ext = Extension("samp",
                     sources=["sampmodule.c"],
                     depends=["sample.h"])

  La modificación de "sample.h" haría que el módulo se recompilara.
  (Contribución de Jeremy Hylton)

* Otros cambios menores en Distutils: ahora comprueba las variables de
  entorno "CC", "CFLAGS", "CPP", "LDFLAGS" y "CPPFLAGS", utilizándolas
  para anular los ajustes de la configuración de Python (contribución
  de Robert Weber).

* Anteriormente el módulo "doctest" sólo buscaba casos de prueba en
  los docstrings de los métodos y funciones públicos, pero ahora
  también examina los privados.  La función "DocTestSuite()" crea un
  objeto "unittest.TestSuite" a partir de un conjunto de pruebas
  "doctest".

* La nueva función "gc.get_referents(object)" retorna una lista de
  todos los objetos referenciados por *object*.

* El módulo "getopt" ha ganado una nueva función, "gnu_getopt()", que
  admite los mismos argumentos que la función "getopt()" existente,
  pero utiliza el modo de exploración al estilo GNU. La función
  "getopt()" existente deja de procesar las opciones tan pronto como
  se encuentra un argumento que no es una opción, pero en el modo GNU
  el procesamiento continúa, lo que significa que las opciones y los
  argumentos pueden mezclarse.  Por ejemplo:

     >>> getopt.getopt(['-f', 'filename', 'output', '-v'], 'f:v')
     ([('-f', 'filename')], ['output', '-v'])
     >>> getopt.gnu_getopt(['-f', 'filename', 'output', '-v'], 'f:v')
     ([('-f', 'filename'), ('-v', '')], ['output'])

  (Contribución de Peter Åstrand.)

* Los módulos "grp", "pwd" y "resource" retornan ahora tuplas
  mejoradas:

     >>> import grp
     >>> g = grp.getgrnam('amk')
     >>> g.gr_name, g.gr_gid
     ('amk', 500)

* El módulo "gzip" ahora puede manejar archivos de más de 2 GiB.

* El nuevo módulo "heapq" contiene una implementación de un algoritmo
  de colas de montón.  Un montón es una estructura de datos similar a
  un array que mantiene los elementos en un orden parcialmente
  ordenado de forma que, para cada índice *k*, "heap[k] <=
  heap[2*k+1]" y "heap[k] <= heap[2*k+2]".  Esto hace que sea rápido
  eliminar el elemento más pequeño, y la inserción de un nuevo
  elemento manteniendo la propiedad del montón es *O(lg n)*.  (Véase
  https://xlinux.nist.gov/dads//HTML/priorityque.html para más
  información sobre la estructura de datos de la cola de prioridad)

  El módulo "heapq" proporciona las funciones "heappush()" y
  "heappop()" para añadir y eliminar elementos manteniendo la
  propiedad del montón sobre algún otro tipo de secuencia mutable de
  Python.  Aquí hay un ejemplo que utiliza una lista de Python:

     >>> import heapq
     >>> heap = []
     >>> for item in [3, 7, 5, 11, 1]:
     ...    heapq.heappush(heap, item)
     ...
     >>> heap
     [1, 3, 5, 11, 7]
     >>> heapq.heappop(heap)
     1
     >>> heapq.heappop(heap)
     3
     >>> heap
     [5, 7, 11]

  (Contribución de Kevin O'Connor.)

* El entorno de desarrollo integrado IDLE ha sido actualizado
  utilizando el código del proyecto IDLEfork
  (http://idlefork.sourceforge.net).  La característica más notable es
  que el código que se está desarrollando se ejecuta ahora en un
  subproceso, lo que significa que ya no es necesario realizar
  operaciones manuales de "reload()". El código central de IDLE ha
  sido incorporado a la biblioteca estándar como el paquete "idlelib".

* El módulo "imaplib" ahora admite IMAP sobre SSL. (Contribuido por
  Piers Lauder y Tino Lange.)

* El "itertools" contiene una serie de funciones útiles para usar con
  iteradores, inspiradas en varias funciones proporcionadas por los
  lenguajes ML y Haskell. Por ejemplo, "itertools.ifilter(predicate,
  iterator)" devuelve todos los elementos del iterador para los que la
  función "predicate()" devuelve "True" y "itertools.repeat(obj, N)"
  devuelve "obj" *N* veces. Hay una serie de otras funciones en el
  módulo; consulte la documentación de referencia del paquete para
  obtener más detalles. (Contribuido por Raymond Hettinger.)

* Dos nuevas funciones en el módulo "math", "degrees(rads)" y
  "radians(degs)", convierten entre radianes y grados. Otras funciones
  del módulo "math", como "math.sin()" y "math.cos()", siempre han
  requerido valores de entrada medidos en radianes. Además, se agregó
  un argumento opcional *base* a "math.log()" para facilitar el
  cálculo de logaritmos para bases distintas de "e" y "10".
  (Contribuido por Raymond Hettinger.)

* Se agregaron varias funciones POSIX nuevas ("getpgid()", "killpg()",
  "lchown()", "loadavg()", "major()", "makedev()", "minor()" y
  "mknod()") al módulo "posix" que subyace al módulo "os".
  (Contribuido por Gustavo Niemeyer, Geert Jansen y Denis S.
  Otkidach.)

* En el módulo "os", la familia de funciones "*stat()" ahora puede
  informar fracciones de segundo en una marca de tiempo. Estas marcas
  de tiempo se representan como flotantes, similar al valor devuelto
  por "time.time()".

  Durante las pruebas, se descubrió que algunas aplicaciones se
  romperán si las marcas de tiempo son flotantes. Por compatibilidad,
  cuando se utiliza la interfaz de tupla de las marcas de tiempo
  "stat_result" se representarán como números enteros. Cuando se
  utilizan campos con nombre (una característica introducida por
  primera vez en Python 2.2), las marcas de tiempo todavía se
  representan como números enteros, a menos que se invoque
  "os.stat_float_times()" para habilitar los valores de retorno
  flotantes:

     >>> os.stat("/tmp").st_mtime
     1034791200
     >>> os.stat_float_times(True)
     >>> os.stat("/tmp").st_mtime
     1034791200.6335014

  En Python 2.4, el valor predeterminado cambiará para devolver
  siempre flotantes.

  Los desarrolladores de aplicaciones deben habilitar esta función
  solo si todas sus bibliotecas funcionan correctamente cuando se
  enfrentan a marcas de tiempo de punto flotante o si utilizan la API
  de tuplas. Si se usa, la función debe activarse a nivel de
  aplicación en lugar de intentar habilitarla por uso.

* El módulo "optparse" contiene un nuevo analizador para argumentos de
  línea de comandos que puede convertir valores de opción a un tipo de
  Python en particular y generará automáticamente un mensaje de uso.
  Consulte la siguiente sección para obtener más detalles.

* El módulo "linuxaudiodev" antiguo y nunca documentado ha quedado
  obsoleto y se ha agregado una nueva versión denominada
  "ossaudiodev". Se cambió el nombre del módulo porque los
  controladores de sonido OSS se pueden usar en plataformas distintas
  de Linux, y la interfaz también se ha arreglado y actualizado de
  varias maneras. (Contribuido por Greg Ward y Nicholas FitzRoy-Dale.)

* El nuevo módulo "platform" contiene una serie de funciones que
  intentan determinar varias propiedades de la plataforma en la que se
  está ejecutando. Hay funciones para obtener la arquitectura, el tipo
  de CPU, la versión del sistema operativo Windows e incluso la
  versión de distribución de Linux. (Contribución de Marc-André
  Lemburg.)

* Los objetos del analizador proporcionados por el módulo "pyexpat"
  ahora pueden almacenar opcionalmente datos de caracteres, lo que
  resulta en menos llamadas al controlador de datos de caracteres y,
  por lo tanto, un rendimiento más rápido. La configuración del
  atributo "buffer_text" del objeto del analizador en "True"
  habilitará el almacenamiento en búfer.

* La función "sample(population, k)" se agregó al módulo "random".
  *population* es una secuencia o un objeto "xrange" que contiene los
  elementos de la población, and "sample()" elije *k* elementos de la
  población sin reemplazar los elementos escogidos. *k* puede tener
  cualquier valor hasta "len(population)". Por ejemplo:

     >>> days = ['Mo', 'Tu', 'We', 'Th', 'Fr', 'St', 'Sn']
     >>> random.sample(days, 3)      # Choose 3 elements
     ['St', 'Sn', 'Th']
     >>> random.sample(days, 7)      # Choose 7 elements
     ['Tu', 'Th', 'Mo', 'We', 'St', 'Fr', 'Sn']
     >>> random.sample(days, 7)      # Choose 7 again
     ['We', 'Mo', 'Sn', 'Fr', 'Tu', 'St', 'Th']
     >>> random.sample(days, 8)      # Can't choose eight
     Traceback (most recent call last):
       File "<stdin>", line 1, in ?
       File "random.py", line 414, in sample
           raise ValueError, "sample larger than population"
     ValueError: sample larger than population
     >>> random.sample(xrange(1,10000,2), 10)   # Choose ten odd nos. under 10000
     [3407, 3805, 1505, 7023, 2401, 2267, 9733, 3151, 8083, 9195]

  El módulo "random" ahora usa un nuevo algoritmo, el Mersenne
  Twister, implementado en C. Es más rápido y más estudiado que el
  algoritmo anterior.

  (Parches aportados por Raymond Hettinger)

* El módulo "readline" también obtuvo varias funciones nuevas:
  "get_history_item()", "get_current_history_length()" y
  "redisplay()".

* Los módulos "rexec" y "Bastion" se han declarado muertos y los
  intentos de importarlos fallarán con un "RuntimeError". Las clases
  de nuevo estilo brindan nuevas formas de salir del entorno de
  ejecución restringido proporcionado por "rexec", y nadie tiene
  interés en arreglarlas o el tiempo para hacerlo. Si tiene
  aplicaciones que usan "rexec", vuelva a escribirlas para usar otra
  cosa.

  (Seguir con Python 2.2 o 2.1 no hará que sus aplicaciones sean más
  seguras porque hay errores conocidos en el módulo "rexec" en esas
  versiones. Para repetir: si está usando "rexec", deje de usarlo
  inmediatamente).

* El módulo "rotor" ha quedado obsoleto porque no se cree que el
  algoritmo que utiliza para el cifrado sea seguro. Si necesita
  cifrado, use uno de los varios módulos AES Python que están
  disponibles por separado.

* El módulo "shutil" obtuvo una función "move(src, dest)" que mueve
  recursivamente un archivo o directorio a una nueva ubicación.

* Se agregó soporte para un manejo de señal POSIX más avanzado al
  "signal", pero luego se eliminó nuevamente, ya que resultó imposible
  hacerlo funcionar de manera confiable en todas las plataformas.

* El módulo "socket" ahora admite tiempos de espera. Puede llamar al
  método "settimeout(t)" en un objeto de socket para establecer un
  tiempo de espera de *t* seconds. Subsequent socket operations that
  take longer than *t* segundos para completar, abortará y lanzará una
  excepción "socket.timeout".

  La implementación del tiempo de espera original fue realizada por
  Tim O'Malley. Michael Gilfix lo integró en el módulo Python "socket"
  y lo guió a través de una extensa revisión. Después de que se
  registró el código, Guido van Rossum reescribió partes del mismo.
  (Este es un buen ejemplo de un proceso de desarrollo colaborativo en
  acción).

* En Windows, el módulo "socket" ahora se envía con compatibilidad con
  Secure Sockets Layer (SSL).

* El valor de la macro C "PYTHON_API_VERSION" ahora se expone en el
  nivel de Python como "sys.api_version". La excepción actual se puede
  borrar llamando a la nueva función "sys.exc_clear()".

* El nuevo módulo "tarfile" permite leer y escribir en: programa:
  *tar* -format archivos de almacenamiento. (Contribución de Lars
  Gustäbel.)

* El nuevo módulo "textwrap" contiene funciones para envolver cadenas
  que contienen párrafos de texto. La función "wrap(text, width)" toma
  una cadena y devuelve una lista que contiene el texto dividido en
  líneas de no más del ancho elegido. La función "fill(text, width)"
  devuelve una sola cadena, reformateada para que quepa en líneas que
  no superen el ancho elegido. (Como puede adivinar, "fill()" está
  construido sobre "wrap()". Por ejemplo:

     >>> import textwrap
     >>> paragraph = "Not a whit, we defy augury: ... more text ..."
     >>> textwrap.wrap(paragraph, 60)
     ["Not a whit, we defy augury: there's a special providence in",
      "the fall of a sparrow. If it be now, 'tis not to come; if it",
      ...]
     >>> print textwrap.fill(paragraph, 35)
     Not a whit, we defy augury: there's
     a special providence in the fall of
     a sparrow. If it be now, 'tis not
     to come; if it be not to come, it
     will be now; if it be not now, yet
     it will come: the readiness is all.
     >>>

  El módulo también contiene una clase "TextWrapper" que realmente
  implementa la estrategia de envoltura de texto. Tanto la clase
  "TextWrapper" como las funciones "wrap()" y "fill()" admiten varios
  argumentos de palabras clave adicionales para ajustar el formato;
  consulte la documentación del módulo para obtener más detalles.
  (Contribuido por Greg Ward.)

* Los módulos "thread" y "threading" ahora tienen módulos
  complementarios, "dummy_thread" y "dummy_threading", que
  proporcionan una implementación sin acción de la interfaz del módulo
  "thread" para plataformas donde no se admiten subprocesos. La
  intención es simplificar los módulos compatibles con subprocesos
  (aquellos en los que *don't* depende de los subprocesos para
  ejecutarse) colocando el siguiente código en la parte superior:

     try:
         import threading as _threading
     except ImportError:
         import dummy_threading as _threading

  En este ejemplo, "_threading" se usa como el nombre del módulo para
  dejar en claro que el módulo que se está usando no es necesariamente
  el módulo "threading". El código puede llamar funciones y usar
  clases en "_threading", ya sea que se admitan subprocesos o no,
  evitando una declaración "if" y haciendo que el código sea un poco
  más claro. Este módulo no hará mágicamente que el código
  multiproceso se ejecute sin subprocesos; el código que espera a que
  vuelva otro hilo o que haga algo simplemente se colgará para
  siempre.

* La función "strptime()" del módulo "time" ha sido durante mucho
  tiempo una molestia porque utiliza la implementación "strptime()" de
  la biblioteca de la plataforma C, y las diferentes plataformas a
  veces tienen errores extraños. Brett Cannon contribuyó con una
  implementación portátil que está escrita en Python puro y debería
  comportarse de manera idéntica en todas las plataformas.

* El nuevo módulo "timeit" ayuda a medir cuánto tardan en ejecutarse
  los fragmentos de código Python. El archivo "timeit.py" se puede
  ejecutar directamente desde la línea de comando, o la clase "Timer"
  del módulo se puede importar y usar directamente. Aquí hay un breve
  ejemplo que determina si es más rápido convertir una cadena de 8
  bits a Unicode agregando una cadena Unicode vacía o usando la
  función "unicode()":

     import timeit

     timer1 = timeit.Timer('unicode("abc")')
     timer2 = timeit.Timer('"abc" + u""')

     # Run three trials
     print timer1.repeat(repeat=3, number=100000)
     print timer2.repeat(repeat=3, number=100000)

     # On my laptop this outputs:
     # [0.36831796169281006, 0.37441694736480713, 0.35304892063140869]
     # [0.17574405670166016, 0.18193507194519043, 0.17565798759460449]

* El módulo "Tix" ha recibido varias correcciones de errores y
  actualizaciones para la versión actual del paquete Tix.

* El módulo "Tkinter" ahora funciona con una versión de Tcl habilitada
  para subprocesos. El modelo de subprocesos de Tcl requiere que solo
  se acceda a los widgets desde el subproceso en el que se crearon;
  los accesos desde otro hilo pueden hacer que Tcl entre en pánico.
  Para ciertas interfaces Tcl, "Tkinter" ahora evitará esto
  automáticamente cuando se acceda a un widget desde un subproceso
  diferente al ordenar un comando, pasarlo al subproceso correcto y
  esperar los resultados. Otras interfaces no se pueden manejar
  automáticamente, pero "Tkinter" ahora lanzará una excepción en dicho
  acceso para que al menos pueda averiguar sobre el problema. Consulte
  https://mail.python.org/pipermail/python-
  dev/2002-December/031107.html para obtener una explicación más
  detallada de este cambio. (Implementado por Martin von Löwis.)

* Llamar a métodos Tcl a través del objeto "_tkinter" ya no retorna
  solo cadena de caracteres.En vez, si Tcl retorna otros objetos esos
  objetos son convertidos a su equivalente en Python,si uno existe, o
  envueltos en una clase "_tkinter. Tcl_Obj" si no existe un
  equivalente de Python. Este comportamiento se puede controlar
  mediante el método "wantobjects()" de objetos "tkapp".

  Cuando se usa "_tkinter" a través del módulo "Tkinter" (como lo
  harán la mayoría de las aplicaciones de Tkinter), esta función
  siempre está activada. No debería causar problemas de
  compatibilidad, ya que Tkinter siempre convertiría los resultados de
  cadenas a tipos de Python cuando fuera posible.

  Si se encuentran incompatibilidades, se puede restaurar el
  comportamiento anterior estableciendo la variable "wantobjects" en
  el módulo "Tkinter" en falso antes de crear el primer objeto
  "tkapp".

     import Tkinter
     Tkinter.wantobjects = 0

  Cualquier rotura causada por este cambio debe notificarse como un
  error.

* El módulo "UserDict" tiene una nueva clase "DictMixin" que define
  todos los métodos de diccionario para las clases que ya tienen una
  interfaz de mapeo mínima. Esto simplifica enormemente las clases de
  escritura que deben ser sustituibles por diccionarios, como las
  clases del módulo "shelve".

  Agregar la combinación como una superclase proporciona la interfaz
  de diccionario completa siempre que la clase define "__getitem__()",
  "__setitem__()", "__delitem__()" y "keys()". Por ejemplo:

     >>> import UserDict
     >>> class SeqDict(UserDict.DictMixin):
     ...     """Dictionary lookalike implemented with lists."""
     ...     def __init__(self):
     ...         self.keylist = []
     ...         self.valuelist = []
     ...     def __getitem__(self, key):
     ...         try:
     ...             i = self.keylist.index(key)
     ...         except ValueError:
     ...             raise KeyError
     ...         return self.valuelist[i]
     ...     def __setitem__(self, key, value):
     ...         try:
     ...             i = self.keylist.index(key)
     ...             self.valuelist[i] = value
     ...         except ValueError:
     ...             self.keylist.append(key)
     ...             self.valuelist.append(value)
     ...     def __delitem__(self, key):
     ...         try:
     ...             i = self.keylist.index(key)
     ...         except ValueError:
     ...             raise KeyError
     ...         self.keylist.pop(i)
     ...         self.valuelist.pop(i)
     ...     def keys(self):
     ...         return list(self.keylist)
     ...
     >>> s = SeqDict()
     >>> dir(s)      # See that other dictionary methods are implemented
     ['__cmp__', '__contains__', '__delitem__', '__doc__', '__getitem__',
      '__init__', '__iter__', '__len__', '__module__', '__repr__',
      '__setitem__', 'clear', 'get', 'has_key', 'items', 'iteritems',
      'iterkeys', 'itervalues', 'keylist', 'keys', 'pop', 'popitem',
      'setdefault', 'update', 'valuelist', 'values']

  (Parches aportados por Raymond Hettinger)

* La implementación DOM en "xml.dom.minidom" ahora puede generar
  salida XML en una codificación particular proporcionando un
  argumento de codificación opcional a los métodos "toxml()" y
  "toprettyxml()" de los nodos DOM.

* El módulo "xmlrpclib" ahora admite una extensión XML-RPC para
  manejar valores de datos nulos como "None" de Python. Los valores
  nulos siempre se admiten al desagrupar una respuesta XML-RPC. Para
  generar solicitudes que contengan "None", debe proporcionar un valor
  verdadero para el parámetro *allow_none* al crear una instancia
  "Marshaller".

* El nuevo módulo "DocXMLRPCServer" permite escribir servidores XML-
  RPC autodocumentados. Ejecútelo en modo de demostración (como un
  programa) para verlo en acción. Al apuntar el navegador web al
  servidor RPC se produce una documentación de estilo pydoc; apuntar
  xmlrpclib al servidor permite invocar los métodos reales.
  (Contribuido por Brian Quinlan.)

* Se ha agregado soporte para nombres de dominio internacionalizados
  (RFCs 3454, 3490, 3491 y 3492). La codificación "idna" se puede
  utilizar para convertir entre un nombre de dominio Unicode y la
  codificación compatible con ASCII (ACE) de ese nombre.

     >{}>{}> u"www.Alliancefrançaise.nu".encode("idna")
     'www.xn--alliancefranaise-npb.nu'

  El módulo "socket" también se ha ampliado para convertir de forma
  transparente los nombres de host Unicode a la versión ACE antes de
  pasarlos a la biblioteca C. Los módulos que tratan con nombres de
  host como "httplib" y "ftplib") también admiten nombres de host
  Unicode; "httplib" también envía encabezados HTTP "Host" utilizando
  la versión ACE del nombre de dominio. "urllib" admite URL Unicode
  con nombres de host que no sean ASCII siempre que la parte "path" de
  la URL sea solo ASCII.

  Para implementar este cambio, se han agregado el módulo
  "stringprep", la herramienta "mkstringprep" y la codificación
  "punycode".


Tipo de fecha / hora
--------------------

Se agregaron tipos de fecha y hora adecuados para expresar marcas de
tiempo como módulo "datetime". Los tipos no admiten diferentes
calendarios ni muchas funciones sofisticadas, y solo se ciñen a los
conceptos básicos de la representación del tiempo.

Los tres tipos principales son: "date", que representa un día, mes y
año; "time", que consta de hora, minuto y segundo; y "datetime", que
contiene todos los atributos de "date" y "time". También hay una clase
"timedelta" que representa las diferencias entre dos puntos en el
tiempo, y la lógica de la zona horaria se implementa mediante clases
que heredan de la clase "tzinfo" abstracta.

Puede crear instancias de "date" y "time" proporcionando argumentos de
palabras clave al constructor apropiado, p. Ej.
"datetime.date(year=1972, month=10, day=15)", o utilizando uno de
varios métodos de clase. Por ejemplo, el método de clase
"date.today()" devuelve la fecha local actual.

Una vez creadas, las instancias de las clases de fecha / hora son
inmutables. Hay varios métodos para producir cadenas formateadas a
partir de objetos:

   >>> import datetime
   >>> now = datetime.datetime.now()
   >>> now.isoformat()
   '2002-12-30T21:27:03.994956'
   >>> now.ctime()  # Only available on date, datetime
   'Mon Dec 30 21:27:03 2002'
   >>> now.strftime('%Y %d %b')
   '2002 30 Dec'

El método "replace()" permite modificar uno o más campos de una
instancia "date" o "datetime", devolviendo una nueva instancia:

   >>> d = datetime.datetime.now()
   >>> d
   datetime.datetime(2002, 12, 30, 22, 15, 38, 827738)
   >>> d.replace(year=2001, hour = 12)
   datetime.datetime(2001, 12, 30, 12, 15, 38, 827738)
   >>>

Las instancias se pueden comparar, aplicar hash y convertir en cadenas
(el resultado es el mismo que el de "isoformat()"). Las instancias de
"date" y "datetime" se pueden restar entre sí y agregarse a las
instancias de "timedelta". La mayor característica que falta es que no
hay soporte de biblioteca estándar para analizar cadenas y recuperar
un "date" o "datetime".

Para obtener más información, consulte la documentación de referencia
del módulo. (Contribuido por Tim Peters.)


El módulo optparse
------------------

El módulo "getopt" proporciona un análisis sencillo de los argumentos
de la línea de comandos. El nuevo módulo "optparse" (originalmente
llamado Optik) proporciona un análisis de línea de comandos más
elaborado que sigue las convenciones de Unix, crea automáticamente la
salida para "--help" y puede realizar diferentes acciones para
diferentes opciones.

Empiece creando una instancia de "OptionParser" y diciéndole cuáles
son las opciones de su programa.

   import sys
   from optparse import OptionParser

   op = OptionParser()
   op.add_option('-i', '--input',
                 action='store', type='string', dest='input',
                 help='set input filename')
   op.add_option('-l', '--length',
                 action='store', type='int', dest='length',
                 help='set maximum length of output')

Luego, el análisis de una línea de comando se realiza llamando al
método "parse_args()".

   options, args = op.parse_args(sys.argv[1:])
   print options
   print args

Esto devuelve un objeto que contiene todos los valores de las opciones
y una lista de cadenas que contienen los argumentos restantes.

Invocar el script con los distintos argumentos ahora funciona como era
de esperar. Tenga en cuenta que el argumento de longitud se convierte
automáticamente en un número entero.

   $ ./python opt.py -i data arg1
   <Values at 0x400cad4c: {'input': 'data', 'length': None}>
   ['arg1']
   $ ./python opt.py --input=data --length=4
   <Values at 0x400cad2c: {'input': 'data', 'length': 4}>
   []
   $

El mensaje de ayuda se genera automáticamente para usted:

   $ ./python opt.py --help
   usage: opt.py [options]

   options:
     -h, --help            show this help message and exit
     -iINPUT, --input=INPUT
                           set input filename
     -lLENGTH, --length=LENGTH
                           set maximum length of output
   $

Consulte la documentación del módulo para obtener más detalles.

Optik fue escrito por Greg Ward, con sugerencias de los lectores de
Getopt SIG.


Pymalloc: un asignador de objetos especializado
===============================================

Pymalloc, un asignador de objetos especializado escrito por Vladimir
Marangozov, fue una característica agregada a Python 2.1. Pymalloc
está diseñado para ser más rápido que el sistema "malloc()" y tener
menos sobrecarga de memoria para los patrones de asignación típicos de
los programas Python. El asignador utiliza la función "malloc()" de C
para obtener grandes grupos de memoria y luego satisface las
solicitudes de memoria más pequeñas de estos grupos.

En 2.1 y 2.2, pymalloc era una función experimental y no estaba
habilitada de forma predeterminada; tenía que habilitarlo
explícitamente al compilar Python proporcionando la opción "--with-
pymalloc" al script: program: *configure*. En 2.3, pymalloc ha tenido
más mejoras y ahora está habilitado de forma predeterminada; tendrá
que suministrar "--without-pymalloc" para deshabilitarlo.

Este cambio es transparente para el código escrito en Python; sin
embargo, pymalloc puede exponer errores en las extensiones C. Los
autores de los módulos de extensión C deben probar su código con
pymalloc habilitado, ya que algunos códigos incorrectos pueden causar
volcados de núcleo en tiempo de ejecución.

Hay un error particularmente común que causa problemas. Hay una serie
de funciones de asignación de memoria en la API C de Python que
anteriormente solo eran alias para "malloc()" y "free()" de la
biblioteca C, lo que significa que si llama accidentalmente a
funciones que no coinciden, el error no se notará. Cuando el asignador
de objetos está habilitado, estas funciones ya no son alias de
"malloc()" y "free()", y llamar a la función incorrecta para liberar
memoria puede generar un volcado de memoria. Por ejemplo, si la
memoria se asignó utilizando "PyObject_Malloc()", debe liberarse
utilizando "PyObject_Free()", no "free()". Algunos módulos incluidos
con Python entraron en conflicto con esto y tuvieron que ser
reparados; sin duda hay más módulos de terceros que tendrán el mismo
problema.

Como parte de este cambio, las confusas interfaces múltiples para
asignar memoria se han consolidado en dos familias de API. La memoria
asignada a una familia no debe manipularse con funciones de la otra
familia. Hay una familia para asignar fragmentos de memoria y otra
familia de funciones específicamente para asignar objetos Python.

* Para asignar y liberar una porción de memoria no distinguida, use la
  familia de "memoria sin procesar": "PyMem_Malloc()",
  "PyMem_Realloc()" y "PyMem_Free()".

* La familia de "memoria de objetos" es la interfaz para la
  instalación de pymalloc descrita anteriormente y está sesgada hacia
  un gran número de asignaciones "pequeñas": "PyObject_Malloc()",
  "PyObject_Realloc()" y "PyObject_Free()".

* Para asignar y liberar objetos de Python, utilice la familia de
  "objetos" "PyObject_New()", "PyObject_NewVar()" y "PyObject_Del()".

Gracias al gran trabajo de Tim Peters, pymalloc en 2.3 también
proporciona funciones de depuración para detectar sobrescrituras de
memoria y liberaciones duplicadas en ambos módulos de extensión y en
el propio intérprete. Para habilitar este soporte, compile una versión
de depuración del intérprete de Python ejecutando: programa:
*configure* con "--with-pydebug".

Para ayudar a los escritores de extensiones, se distribuye un archivo
de encabezado "Misc/pymemcompat.h" con la fuente a Python 2.3 que
permite que las extensiones de Python usen las interfaces 2.3 para la
asignación de memoria mientras se compila con cualquier versión de
Python desde la 1.5.2. Debería copiar el archivo de la distribución
fuente de Python y empaquetarlo con la fuente de su extensión.

Ver también:

  https://hg.python.org/cpython/file/default/Objects/obmalloc.c
     Para obtener todos los detalles de la implementación de pymalloc,
     consulte los comentarios en la parte superior del archivo
     "Objects/obmalloc.c" en el código fuente de Python. El enlace
     anterior apunta al archivo dentro del navegador SVN de
     python.org.


Cambios en la API de Build y C
==============================

Los cambios en el proceso de compilación de Python y en la API de C
incluyen:

* La implementación de detección de ciclos utilizada por la
  recolección de basura ha demostrado ser estable, por lo que ahora se
  ha hecho obligatoria. Ya no puede compilar Python sin él, y el
  cambio "--with-cycle-gc" a: program: *configure* ha sido eliminado.

* Python ahora se puede construir opcionalmente como una biblioteca
  compartida ("libpython2.3.so") proporcionando "--enable-shared"
  cuando se ejecuta el script Python: program: *configure*.
  (Contribuido por Ondrej Palkovsky.)

* Las macros "DL_EXPORT" y "DL_IMPORT" ahora están en desuso. Las
  funciones de inicialización para los módulos de extensión de Python
  ahora deben declararse usando la nueva macro "PyMODINIT_FUNC",
  mientras que el núcleo de Python generalmente usará las macros
  "PyAPI_FUNC" y "PyAPI_DATA".

* El intérprete se puede compilar sin ninguna cadena de documentación
  para las funciones y módulos incorporados proporcionando "--without-
  doc-strings" al script: program: *configure*. Esto hace que el
  ejecutable de Python sea un 10% más pequeño, pero también significa
  que no puede obtener ayuda para las funciones integradas de Python.
  (Contribución de Gustavo Niemeyer.)

* La macro "PyArg_NoArgs()" ahora está en desuso y el código que la
  usa debe cambiarse. Para Python 2.2 y versiones posteriores, la
  tabla de definición de métodos puede especificar la marca
  "METH_NOARGS", lo que indica que no hay argumentos, y luego se puede
  eliminar la verificación de argumentos. Si la compatibilidad con las
  versiones anteriores a la 2.2 de Python es importante, el código
  podría usar "PyArg_ParseTuple(args, "")" en su lugar, pero esto será
  más lento que usar "METH_NOARGS".

* "PyArg_ParseTuple()" accepts new format characters for various sizes
  of unsigned integers: "B" for "unsigned char", "H" for "unsigned
  short int",  "I" for "unsigned int",  and "K" for "unsigned long
  long".

* Se agregó una nueva función, "PyObject_DelItemString(mapping, char
  *key)", como abreviatura de "PyObject_DelItem(mapping,
  PyString_New(key))".

* Los objetos de archivo ahora administran su búfer de cadena interno
  de manera diferente, incrementándolo exponencialmente cuando es
  necesario. Esto da como resultado que las pruebas de referencia en
  "Lib/test/test_bufio.py" se aceleren considerablemente (de 57
  segundos a 1,7 segundos, según una medición).

* Ahora es posible definir métodos estáticos y de clase para un tipo
  de extensión C configurando los indicadores "METH_CLASS" o
  "METH_STATIC" en la estructura "PyMethodDef" de un método.

* Python ahora incluye una copia del código fuente del analizador XML
  de Expat, eliminando cualquier dependencia de una versión del
  sistema o instalación local de Expat.

* Si asigna dinámicamente objetos de tipo en su extensión, debe tener
  en cuenta un cambio en las reglas relacionadas con los atributos
  "__module__" y "__name__". En resumen, querrá asegurarse de que el
  diccionario del tipo contenga una clave "'__module__'"; hacer que el
  nombre del módulo sea la parte del nombre del tipo que conduce al
  período final ya no tendrá el efecto deseado. Para obtener más
  detalles, lea la documentación de referencia de la API o la fuente.


Cambios específicos del puerto
------------------------------

El soporte para un puerto para OS / 2 de IBM utilizando el entorno de
ejecución EMX se fusionó en el árbol de fuentes principal de Python.
EMX es una capa de emulación POSIX sobre las API del sistema OS / 2.
El puerto de Python para EMX intenta admitir toda la capacidad similar
a POSIX expuesta por el tiempo de ejecución de EMX y, en su mayoría,
tiene éxito; "fork()" y "fcntl()" están restringidos por las
limitaciones de la capa de emulación subyacente. El puerto estándar OS
/ 2, que utiliza el compilador Visual Age de IBM, también obtuvo
soporte para la semántica de importación que distingue entre
mayúsculas y minúsculas como parte de la integración del puerto EMX en
CVS. (Contribuido por Andrew MacIntyre.)

En MacOS, la mayoría de los módulos de la caja de herramientas tienen
vínculos débiles para mejorar la compatibilidad con versiones
anteriores. Esto significa que los módulos ya no dejarán de cargarse
si falta una rutina en la versión actual del sistema operativo. En su
lugar, llamar a la rutina que falta lanzará una excepción.
(Contribuido por Jack Jansen.)

Los archivos de especificaciones de RPM, que se encuentran en el
directorio "Misc/RPM/" en la distribución fuente de Python, se
actualizaron para la versión 2.3. (Contribución de Sean
Reifschneider.)

Otras plataformas nuevas ahora compatibles con Python incluyen AtheOS
(http://www.atheos.cx/), GNU / Hurd y OpenVMS.


Otros cambios y correcciones
============================

Como de costumbre, hubo un montón de otras mejoras y correcciones de
errores esparcidas por todo el árbol de fuentes. Una búsqueda en los
registros de cambios de CVS encuentra que se aplicaron 523 parches y
se corrigieron 514 errores entre Python 2.2 y 2.3. Es probable que
ambas cifras estén subestimadas.

Algunos de los cambios más notables son:

* Si se establece la variable de entorno "PYTHONINSPECT", el
  intérprete de Python ingresará al indicador interactivo después de
  ejecutar un programa de Python, como si Python hubiera sido invocado
  con la opción "-i". La variable de entorno se puede configurar antes
  de ejecutar el intérprete de Python, o el programa Python puede
  configurarla como parte de su ejecución.

* El script "regrtest.py" ahora proporciona una forma de permitir
  "todos los recursos excepto *foo*". Un nombre de recurso pasado a la
  opción "-u" ahora se puede prefijar con un guión ("'-'") para
  significar "eliminar este recurso". Por ejemplo, la opción
  '"-uall,-bsddb"' podría usarse para habilitar el uso de todos los
  recursos excepto "bsddb".

* Las herramientas utilizadas para crear la documentación ahora
  funcionan tanto en Cygwin como en Unix.

* Se ha eliminado el código de operación "SET_LINENO". En la noche de
  los tiempos, este código de operación era necesario para producir
  números de línea en rastreos y admitir funciones de rastreo (para,
  por ejemplo, "pdb"). Desde Python 1.5, los números de línea en los
  rastreos se han calculado utilizando un mecanismo diferente que
  funciona con "python -O". Para Python 2.3, Michael Hudson implementó
  un esquema similar para determinar cuándo llamar a la función de
  seguimiento, eliminando por completo la necesidad de "SET_LINENO".

  Sería difícil detectar cualquier diferencia resultante del código
  Python, aparte de una ligera aceleración cuando Python se ejecuta
  sin "-O".

  Las extensiones C que acceden al campo "f_lineno" de objetos de
  marco deben llamar a "PyCode_Addr2Line(f->f_code, f->f_lasti)". Esto
  tendrá el efecto adicional de hacer que el código funcione como se
  desea en "python -O" en versiones anteriores de Python.

  Una característica nueva e ingeniosa es que las funciones de
  seguimiento ahora se pueden asignar al atributo "f_lineno" de los
  objetos de marco, cambiando la línea que se ejecutará a
  continuación. Se ha agregado un comando "jump" al depurador "pdb"
  aprovechando esta nueva característica. (Implementado por Richie
  Hindle.)


Portar a Python 2.3
===================

Esta sección enumera los cambios descritos anteriormente que pueden
requerir cambios en su código:

* "yield" ahora es siempre una palabra clave; si se usa como nombre de
  variable en su código, se debe elegir un nombre diferente.

* Para cadenas, *X* and *Y*, ASDF00 now works if *X* tiene más de un
  carácter.

* El constructor de tipo "int()" ahora retornará un entero largo en
  lugar de lanzar un "OverflowError" cuando una cadena o un número de
  punto flotante es demasiado grande para caber en un entero.  Esto
  puede llevar al resultado paradójico de que
  "isinstance(int(expresión), int)" sea falso, pero parece poco
  probable que cause problemas en la práctica.

* Si tiene cadenas Unicode que contienen caracteres de 8 bits, debe
  declarar la codificación del archivo (UTF-8, Latin-1 o lo que sea)
  agregando un comentario en la parte superior del archivo. Consulte
  la sección PEP 263: Codificación del código fuente para obtener más
  información.

* Llamar a métodos Tcl a través del objeto "_tkinter" ya no retornan
  solo cadenas de caracteres.En vez, si Tcl retorna otros objetos esos
  objetos son convertidos a su equivalente en Python, si uno existe, o
  está envuelto con un "_tkinter.Tcl_Obj" si no existe un equivalente
  de Python.

* Grandes literales octales y hexadecimales como "0xffffffff" ahora
  activan un "FutureWarning". Actualmente se almacenan como números de
  32 bits y dan como resultado un valor negativo, pero en Python 2.4
  se convertirán en enteros largos positivos.

  Hay varias formas de corregir esta advertencia. Si realmente
  necesita un número positivo, simplemente agregue un "L" al final del
  literal. Si está tratando de obtener un entero de 32 bits con bits
  bajos establecidos y ha usado previamente una expresión como "~(1 <<
  31)", probablemente sea más claro comenzar con todos los bits
  establecidos y borrar los bits superiores deseados. Por ejemplo,
  para borrar solo el bit superior (bit 31), puede escribir
  "0xffffffffL &~(1L<<31)".

* Ya no puede deshabilitar las aserciones asignando a "__debug__".

* La función Distutils "setup()" ha ganado varios argumentos de
  palabras clave nuevas, como *depends*. Las versiones antiguas de
  Distutils se abortarán si se pasan palabras clave desconocidas. Una
  solución es verificar la presencia de la nueva función
  "get_distutil_options()" en su "setup.py" y solo usa las nuevas
  palabras clave con una versión de Distutils que las admita:

     from distutils import core

     kw = {'sources': 'foo.c', ...}
     if hasattr(core, 'get_distutil_options'):
         kw['depends'] = ['foo.h']
     ext = Extension(**kw)

* El uso de "None" como nombre de una variable ahora resultará en una
  advertencia "SyntaxWarning".  En una futura versión de Python,
  "None" podría convertirse en una palabra clave.

* Los nombres de los tipos de extensión definidos por los módulos
  incluidos con Python ahora contienen el módulo y un "'.'" delante
  del nombre del tipo.


Agradecimientos
===============

El autor desea agradecer a las siguientes personas por ofrecer
sugerencias, correcciones y ayuda con varios borradores de este
artículo: Jeff Bauer, Simon Brunning, Brett Cannon, Michael Chermside,
Andrew Dalke, Scott David Daniels, Fred L. Drake, Jr., David Fraser,
Kelly Gerber, Raymond Hettinger, Michael Hudson, Chris Lambert, Detlef
Lannert, Martin von Löwis, Andrew MacIntyre, Lalo Martins, Chad
Netzer, Gustavo Niemeyer, Neal Norwitz, Hans Nowak, Chris Reedy,
Francesco Ricciardi, Vinay Sajip, Neil Schemenauer, Roman Suzi, Jason
Tishler, Just van Rossum.
