11. Tur Singkat Pustaka Standar --- Bagian II
*********************************************

Tur kedua ini mencakup modul lanjutan yang mendukung kebutuhan
pemrograman profesional. Modul-modul ini jarang terjadi dalam skrip
kecil.


11.1. Pemformatan Output
========================

Modul "reprlib" menyediakan versi "repr()" yang disesuaikan untuk
tampilan yang disingkat dari wadah *containers* yang besar atau sangat
bersarang

   >>> import reprlib
   >>> reprlib.repr(set('supercalifragilisticexpialidocious'))
   "{'a', 'c', 'd', 'e', 'f', 'g', ...}"

Modul "pprint" menawarkan kontrol yang lebih canggih atas pencetakan
objek bawaan dan yang ditentukan pengguna dengan cara yang dapat
dibaca oleh *interpreter*. Ketika hasilnya lebih dari satu baris,
"pretty printer" menambahkan jeda baris dan indentasi untuk lebih
jelas mengungkapkan struktur data:

   >>> import pprint
   >>> t = [[[['black', 'cyan'], 'white', ['green', 'red']], [['magenta',
   ...     'yellow'], 'blue']]]
   ...
   >>> pprint.pprint(t, width=30)
   [[[['black', 'cyan'],
      'white',
      ['green', 'red']],
     [['magenta', 'yellow'],
      'blue']]]

Modul "textwrap" memformat paragraf teks agar sesuai dengan lebar
layar yang diberikan:

   >>> import textwrap
   >>> doc = """The wrap() method is just like fill() except that it returns
   ... a list of strings instead of one big string with newlines to separate
   ... the wrapped lines."""
   ...
   >>> print(textwrap.fill(doc, width=40))
   The wrap() method is just like fill()
   except that it returns a list of strings
   instead of one big string with newlines
   to separate the wrapped lines.

Modul "locale" mengakses basis data format data kultur khusus. Atribut
pengelompokan fungsi format lokal *locale* menyediakan cara langsung
memformat angka dengan pemisah grup:

   >>> import locale
   >>> locale.setlocale(locale.LC_ALL, 'English_United States.1252')
   'English_United States.1252'
   >>> conv = locale.localeconv()          # get a mapping of conventions
   >>> x = 1234567.8
   >>> locale.format("%d", x, grouping=True)
   '1,234,567'
   >>> locale.format_string("%s%.*f", (conv['currency_symbol'],
   ...                      conv['frac_digits'], x), grouping=True)
   '$1,234,567.80'


11.2. *Templating*
==================

Modul "string" menyertakan kelas serbaguna "Template" dengan sintaks
yang disederhanakan yang cocok untuk diedit oleh pengguna. Ini
memungkinkan pengguna untuk menyesuaikan aplikasi mereka tanpa harus
mengubah aplikasi.

Format ini menggunakan nama penampung yang dibentuk oleh "$" dengan
pengidentifikasi Python yang valid (karakter alfanumerik dan garis
bawah). Mengitari *placeholder* dengan kurung kurawal memungkinkannya
diikuti oleh lebih banyak huruf alfanumerik tanpa spasi. Menulis "$$"
menciptakan satu yang terpisah "$"

   >>> from string import Template
   >>> t = Template('${village}folk send $$10 to $cause.')
   >>> t.substitute(village='Nottingham', cause='the ditch fund')
   'Nottinghamfolk send $10 to the ditch fund.'

Metode "substitute()" memunculkan "KeyError" saat *placeholder* tidak
disertakan dalam *dictionary* atau argumen kata kunci *keyword
argument*. Untuk aplikasi gaya gabungan-surat *mail-merge*, data yang
diberikan pengguna mungkin tidak lengkap dan metode
"safe_substitute()" mungkin lebih tepat --- itu akan membuat
*placeholder* tidak berubah jika data hilang

   >>> t = Template('Return the $item to $owner.')
   >>> d = dict(item='unladen swallow')
   >>> t.substitute(d)
   Traceback (most recent call last):
     ...
   KeyError: 'owner'
   >>> t.safe_substitute(d)
   'Return the unladen swallow to $owner.'

Subkelas templat dapat menentukan pembatas khusus. Misalnya, utilitas
penggantian nama setumpuk *batch* untuk *browser* foto dapat memilih
untuk menggunakan tanda persen untuk penampung seperti tanggal saat
ini, nomor urut gambar, atau format berkas:

   >>> import time, os.path
   >>> photofiles = ['img_1074.jpg', 'img_1076.jpg', 'img_1077.jpg']
   >>> class BatchRename(Template):
   ...     delimiter = '%'
   >>> fmt = input('Enter rename style (%d-date %n-seqnum %f-format):  ')
   Enter rename style (%d-date %n-seqnum %f-format):  Ashley_%n%f

   >>> t = BatchRename(fmt)
   >>> date = time.strftime('%d%b%y')
   >>> for i, filename in enumerate(photofiles):
   ...     base, ext = os.path.splitext(filename)
   ...     newname = t.substitute(d=date, n=i, f=ext)
   ...     print('{0} --> {1}'.format(filename, newname))

   img_1074.jpg --> Ashley_0.jpg
   img_1076.jpg --> Ashley_1.jpg
   img_1077.jpg --> Ashley_2.jpg

Aplikasi lain untuk *templating* adalah memisahkan logika program dari
detail berbagai format output. Ini memungkinkan untuk mengganti
templat khusus untuk file XML, laporan teks biasa, dan laporan web
HTML.


11.3. Bekerja dengan Tata Letak Rekam Data Biner
================================================

Modul "struct" menyediakan "pack()" dan "unpack()" berfungsi untuk
bekerja dengan format rekaman biner yang memiliki panjang variabel.
Contoh berikut menunjukkan bagaimana cara loop tajuk *header*
informasi dalam berkas ZIP tanpa menggunakan modul "zipfile". Kode
paket ""H"" dan ""I"" masing-masing mewakili dua dan empat byte angka
yang tidak bertanda *unsigned*. ""<"" Menunjukkan bahwa mereka adalah
ukuran standar dan dalam urutan byte *little-endian*:

   import struct

   with open('myfile.zip', 'rb') as f:
       data = f.read()

   start = 0
   for i in range(3):                      # show the first 3 file headers
       start += 14
       fields = struct.unpack('<IIIHH', data[start:start+16])
       crc32, comp_size, uncomp_size, filenamesize, extra_size = fields

       start += 16
       filename = data[start:start+filenamesize]
       start += filenamesize
       extra = data[start:start+extra_size]
       print(filename, hex(crc32), comp_size, uncomp_size)

       start += extra_size + comp_size     # skip to the next header


11.4. *Multi-threading*
=======================

Threading adalah teknik untuk memisahkan tugas yang tidak tergantung
secara berurutan. Utas *threads* dapat digunakan untuk meningkatkan
responsif aplikasi yang menerima masukan pengguna saat tugas lain
beroperasi di latar belakang. Kasus penggunaan terkait menjalankan I/O
secara paralel dengan perhitungan di utas *thread* lainnya.

Kode berikut menunjukkan bagaimana tingkat tinggi
modul:mod:*threading* dapat menjalankan tugas di latar belakang
sementara program utama terus beroperasi:

   import threading, zipfile

   class AsyncZip(threading.Thread):
       def __init__(self, infile, outfile):
           threading.Thread.__init__(self)
           self.infile = infile
           self.outfile = outfile

       def run(self):
           f = zipfile.ZipFile(self.outfile, 'w', zipfile.ZIP_DEFLATED)
           f.write(self.infile)
           f.close()
           print('Finished background zip of:', self.infile)

   background = AsyncZip('mydata.txt', 'myarchive.zip')
   background.start()
   print('The main program continues to run in foreground.')

   background.join()    # Wait for the background task to finish
   print('Main program waited until background was done.')

Tantangan utama aplikasi multi-utas *multi-threaded* adalah
mengoordinasikan utas *thread* yang berbagi data atau sumber daya
lainnya. Untuk itu, modul *threading* menyediakan sejumlah primitif
sinkronisasi termasuk kunci *locks*, peristiwa *events*, variabel
kondisi, dan semafor.

Sementara alat-alat itu berdaya, kesalahan desain kecil dapat
menyebabkan masalah yang sulit untuk direproduksi. Jadi, pendekatan
yang lebih disukai untuk koordinasi tugas adalah untuk memusatkan
semua akses ke sumber daya dalam satu utas *thread* dan kemudian
menggunakan modul "queue" untuk menyuapi utas *thread* tersebut dengan
permintaan dari utas lainnya. Aplikasi yang menggunakan objek "Queue"
untuk komunikasi dan koordinasi antar-utas *inter-thread* lebih mudah
untuk dirancang, lebih mudah dibaca, dan lebih dapat diandalkan.


11.5. Pencatatan
================

Modul "logging" menawarkan sistem pencatatan *logging* yang lengkap
dan fleksibel. Paling sederhana, catatan *log* pesan dikirim ke berkas
atau ke "sys.stderr":

   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')

Ini menghasilkan keluaran berikut:

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

Secara bawaan, pesan informasi dan *debugging* ditutupi *suppressed*
dan keluaran dikirim ke standar kesalahan. Opsi keluaran lainnya
termasuk merutekan pesan melalui email, datagram, soket, atau ke
Server HTTP. Filter baru dapat memilih rute berbeda berdasarkan
prioritas pesan: "DEBUG", "INFO", "WARNING", "ERROR", dan "CRITICAL".

Sistem pencatatan dapat dikonfigurasikan secara langsung dari Python
atau dapat dimuat dari berkas konfigurasi yang dapat diedit pengguna
untuk pencatatan yang disesuaikan tanpa mengubah aplikasi.


11.6. Referensi yang Lemah
==========================

Python melakukan manajemen memori otomatis (penghitungan referensi
untuk sebagian besar objek dan "garbage collection" untuk
menghilangkan siklus). Memori dibebaskan tidak lama setelah referensi
terakhir untuk itu telah dihilangkan.

Pendekatan ini berfungsi dengan baik untuk sebagian besar aplikasi
tetapi kadang-kadang ada kebutuhan untuk melacak objek hanya selama
mereka digunakan oleh sesuatu yang lain. Sayangnya, hanya melacak
mereka membuat referensi yang membuatnya permanen. Modul "weakref"
menyediakan alat untuk melacak objek tanpa membuat referensi. Ketika
objek tidak lagi diperlukan, itu secara otomatis dihapus dari tabel
*weakref* dan panggilan balik *callback* dipicu untuk *weakref*.
Aplikasi yang umum termasuk *caching* objek yang mahal untuk dibuat:

   >>> import weakref, gc
   >>> class A:
   ...     def __init__(self, value):
   ...         self.value = value
   ...     def __repr__(self):
   ...         return str(self.value)
   ...
   >>> a = A(10)                   # create a reference
   >>> d = weakref.WeakValueDictionary()
   >>> d['primary'] = a            # does not create a reference
   >>> d['primary']                # fetch the object if it is still alive
   10
   >>> del a                       # remove the one reference
   >>> gc.collect()                # run garbage collection right away
   0
   >>> d['primary']                # entry was automatically removed
   Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
       d['primary']                # entry was automatically removed
     File "C:/python39/lib/weakref.py", line 46, in __getitem__
       o = self.data[key]()
   KeyError: 'primary'


11.7. Alat untuk Bekerja dengan Daftar *Lists*
==============================================

Banyak kebutuhan struktur data dapat dipenuhi dengan tipe daftar
*list* bawaan. Namun, kadang-kadang ada kebutuhan untuk implementasi
alternatif dengan mengorbankan kinerja yang menurun.

Modul "array" menyediakan objek "array()" yang seperti daftar *list*
dimana hanya menyimpan data homogen dan menyimpannya dengan lebih
kompak. Contoh berikut menunjukkan array angka yang disimpan sebagai
dua byte angka biner yang tidak ditandai (kode tipe ""H"") daripada 16
byte per entri biasa untuk daftar *list* reguler objek int Python:

   >>> from array import array
   >>> a = array('H', [4000, 10, 700, 22222])
   >>> sum(a)
   26932
   >>> a[1:3]
   array('H', [10, 700])

Modul "collections" menyediakan objek "deque()" yang seperti daftar
*list* dengan tambahan yang lebih cepat dan muncul dari sisi kiri
tetapi pencarian yang lebih lambat di tengah. Objek-objek ini sangat
cocok untuk mengimplementasikan antrian dan pencarian pohon pertama
yang luas *breadth first tree searches*:

   >>> from collections import deque
   >>> d = deque(["task1", "task2", "task3"])
   >>> d.append("task4")
   >>> print("Handling", d.popleft())
   Handling task1

   unsearched = deque([starting_node])
   def breadth_first_search(unsearched):
       node = unsearched.popleft()
       for m in gen_moves(node):
           if is_goal(m):
               return m
           unsearched.append(m)

Selain implementasi daftar *list* alternatif, di pustaka juga
menawarkan alat-alat lain seperti modul "bisect" dengan fungsi untuk
memanipulasi daftar *list* yang diurutkan:

   >>> import bisect
   >>> scores = [(100, 'perl'), (200, 'tcl'), (400, 'lua'), (500, 'python')]
   >>> bisect.insort(scores, (300, 'ruby'))
   >>> scores
   [(100, 'perl'), (200, 'tcl'), (300, 'ruby'), (400, 'lua'), (500, 'python')]

Modul "heapq" menyediakan fungsi untuk mengimplementasikan *heaps*
berdasarkan daftar *list* reguler. Entri dengan nilai terendah selalu
disimpan di posisi nol. Ini berguna untuk aplikasi yang berulang kali
mengakses elemen terkecil tetapi tidak ingin mengoperasikan daftar
pengurutan *list* secara penuh:

   >>> from heapq import heapify, heappop, heappush
   >>> data = [1, 3, 5, 7, 9, 2, 4, 6, 8, 0]
   >>> heapify(data)                      # rearrange the list into heap order
   >>> heappush(data, -5)                 # add a new entry
   >>> [heappop(data) for i in range(3)]  # fetch the three smallest entries
   [-5, 0, 1]


11.8. Aritmatika Pecahan *Floating Point* Desimal
=================================================

Modul "decimal" menawarkan "Decimal" tipe data untuk aritmatika
pecahan desimal. Dibandingkan dengan implementasi bawaan "float" dari
pecahan *floating point* biner, kelas ini sangat membantu

* aplikasi keuangan dan penggunaan lainnya yang membutuhkan
  representasi desimal yang tepat,

* kontrol atas presisi,

* kontrol atas pembulatan untuk memenuhi persyaratan sah *legal* atau
  peraturan,

* pelacakan tempat desimal yang signifikan, atau

* aplikasi tempat pengguna mengharapkan hasil agar sesuai dengan
  perhitungan yang dilakukan dengan tangan.

Misalnya, menghitung pajak 5% pada biaya telepon 70 sen memberikan
hasil berbeda dalam pecahan *floating point* desimal dan pecahan
*floating point* biner. Perbedaannya menjadi signifikan jika hasilnya
dibulatkan ke sen terdekat:

   >>> from decimal import *
   >>> round(Decimal('0.70') * Decimal('1.05'), 2)
   Decimal('0.74')
   >>> round(.70 * 1.05, 2)
   0.73

Hasil "Decimal" menjaga akhiran *trailing* nol, secara otomatis
menyimpulkan empat tempat signifikansi dari *multiplicands* dengan dua
tempat signifikansi. Desimal mereproduksi matematika seperti yang
dilakukan dengan tangan dan menghindari masalah yang dapat muncul
ketika pecahan *floating point* biner tidak dapat secara tepat
mewakili jumlah desimal.

Representasi yang tepat memungkinkan kelas "Decimal" untuk melakukan
perhitungan modulo dan tes persamaan yang tidak cocok untuk angka
pecahan *floating point* biner:

   >>> Decimal('1.00') % Decimal('.10')
   Decimal('0.00')
   >>> 1.00 % 0.10
   0.09999999999999995

   >>> sum([Decimal('0.1')]*10) == Decimal('1.0')
   True
   >>> sum([0.1]*10) == 1.0
   False

Modul "decimal" menyediakan aritmatika dengan ketelitian sebanyak yang
dibutuhkan:

   >>> getcontext().prec = 36
   >>> Decimal(1) / Decimal(7)
   Decimal('0.142857142857142857142857142857142857')
