FAQ sobre design e histórico
****************************


Por que o Python usa indentação para agrupamento de instruções?
===============================================================

Guido van Rossum acredita que usar indentação para agrupamento é
extremamente elegante e contribui muito para a clareza de programa
Python mediano. Muitas pessoas aprendem a amar esta ferramenta depois
de um tempo.

Uma vez que não há colchetes de início / fim, não pode haver um
desacordo entre o agrupamento percebido pelo analisador sintático e
pelo leitor humano. Ocasionalmente, programadores C irão encontrar um
fragmento de código como este:

   if (x <= y)
           x++;
           y--;
   z++;

Only the "x++" statement is executed if the condition is true, but the
indentation leads you to believe otherwise.  Even experienced C
programmers will sometimes stare at it a long time wondering why "y"
is being decremented even for "x > y".

Because there are no begin/end brackets, Python is much less prone to
coding-style conflicts.  In C there are many different ways to place
the braces. If you're used to reading and writing code that uses one
style, you will feel at least slightly uneasy when reading (or being
required to write) another style.

Muitos estilos de codificação colocam chaves de início / fim em uma
linha sozinhos. Isto torna os programas consideravelmente mais longos
e desperdiça espaço valioso na tela, dificultando a obtenção de uma
boa visão geral de um programa. Idealmente, uma função deve caber em
uma tela (digamos, 20 a 30 linhas). 20 linhas de Python podem fazer
muito mais trabalho do que 20 linhas de C. Isso não se deve apenas à
falta de colchetes de início/fim -- a falta de declarações e os tipos
de dados de alto nível também são responsáveis -- mas a sintaxe
baseada em indentação certamente ajuda.


Por que eu estou recebendo resultados estranhos com simples operações aritméticas?
==================================================================================

Veja a próxima questão.


Por que o cálculo de pontos flutuantes são tão imprecisos?
==========================================================

Usuários são frequentemente surpreendidos por resultados como este:

   >>> 1.2 - 1.0
   0.19999999999999996

e pensam que isto é um bug do Python. Não é não. Isto tem pouco a ver
com o Python, e muito mais a ver com como a estrutura da plataforma
lida com números em ponto flutuante.

O tipo "float" no CPython usa um "double" do C para armazenamento. O
valor de um objeto "float" é armazenado em ponto flutuante binário com
uma precisão fixa (normalmente 53 bits) e Python usa operações C, que
por sua vez dependem da implementação de hardware no processador, para
realizar operações de ponto flutuante. Isso significa que, no que diz
respeito às operações de ponto flutuante, Python se comporta como
muitas linguagens populares, incluindo C e Java.

Muitos números podem ser escritos facilmente em notação decimal, mas
não podem ser expressados exatamente em ponto flutuante binário. Por
exemplo, após:

   >>> x = 1.2

o valor armazenado para "x" é uma (ótima) aproximação para o valor
decimal "1.2", mas não é exatamente igual. Em uma máquina típica, o
valor real armazenado é:

   1.0011001100110011001100110011001100110011001100110011 (binary)

que é exatamente:

   1.1999999999999999555910790149937383830547332763671875 (decimal)

A precisão típica de 53 bits fornece floats do Python com precisão de
15 a 16 dígitos decimais.

Para uma explicação mais completa, consulte o capítulo de aritmética
de ponto flutuante no tutorial Python.


Por que strings do Python são imutáveis?
========================================

Existem várias vantagens.

Uma delas é o desempenho: saber que uma string é imutável significa
que podemos alocar espaço para ela no momento da criação, e os
requisitos de armazenamento são fixos e imutáveis. Esta é também uma
das razões para a distinção entre tuplas e listas.

Outra vantagem é que strings em Python são consideradas tão
“elementares” quanto números. Nenhuma atividade alterará o valor 8
para qualquer outra coisa e, em Python, nenhuma atividade alterará a
string “oito” para qualquer outra coisa.


Por que o 'self' deve ser usado explicitamente em definições de método e chamadas?
==================================================================================

A ideia foi emprestada do Modula-3. Acontece dela ser muito útil, por
vários motivos.

Primeiro, é mais óbvio que você está usando um método ou atributo de
instância em vez de uma variável local. Ler "self.x" ou "self.meth()"
deixa absolutamente claro que uma variável de instância ou método é
usado mesmo se você não souber a definição da classe de cor. Em C++,
você pode perceber pela falta de uma declaração de variável local
(presumindo que globais são raras ou facilmente reconhecíveis) -- mas
no Python não há declarações de variáveis locais, então você teria que
procurar a definição de classe para tenha certeza. Alguns padrões de
codificação C++ e Java exigem que atributos de instância tenham um
prefixo "m_", portanto, essa explicitação ainda é útil nessas
linguagens também.

Second, it means that no special syntax is necessary if you want to
explicitly reference or call the method from a particular class.  In
C++, if you want to use a method from a base class which is overridden
in a derived class, you have to use the "::" operator -- in Python you
can write "baseclass.methodname(self, <argument list>)".  This is
particularly useful for "__init__()" methods, and in general in cases
where a derived class method wants to extend the base class method of
the same name and thus has to call the base class method somehow.

Finalmente, por exemplo, variáveis, ele resolve um problema sintático
com atribuição: uma vez que variáveis locais em Python são (por
definição!) aquelas variáveis às quais um valor é atribuído em um
corpo de função (e que não são explicitamente declaradas globais), é
necessário deve haver alguma forma de dizer ao interpretador que uma
atribuição deveria ser atribuída a uma variável de instância em vez de
a uma variável local, e deve ser preferencialmente sintática (por
razões de eficiência). C++ faz isso através de declarações, mas Python
não possui declarações e seria uma pena ter que introduzi-las apenas
para esse fim. Usar o "self.var" explícito resolve isso muito bem. Da
mesma forma, para usar variáveis de instância, ter que escrever
"self.var" significa que referências a nomes não qualificados dentro
de um método não precisam pesquisar nos diretórios da instância. Em
outras palavras, variáveis locais e variáveis de instância residem em
dois espaço de nomes diferentes, e você precisa informar ao Python
qual espaço de nomes usar.


Por que não posso usar uma atribuição em uma expressão?
=======================================================

A partir do Python 3.8, você pode!

Expressões de atribuição usando o operador morsa *:=* atribuem uma
variável em uma expressão:

   while chunk := fp.read(200):
      print(chunk)

Veja **PEP 572** para mais informações.


Por que o Python usa métodos para algumas funcionalidades (ex: lista.index()) mas funções para outras (ex: len(lista))?
=======================================================================================================================

Como Guido disse:

   (a) Para algumas operações, a notação de prefixo é melhor lida do
   que as operações de prefixo (e infixo!) têm uma longa tradição em
   matemática que gosta de notações onde os recursos visuais ajudam o
   matemático a pensar sobre um problema. Compare a facilidade com que
   reescrevemos uma fórmula como x*(a+b) em x*a + x*b com a falta de
   jeito de fazer a mesma coisa usando uma notação OO bruta.

   (b) Quando leio o código que diz len(x) eu *sei* que ele está
   perguntando o comprimento de alguma coisa. Isso me diz duas coisas:
   o resultado é um número inteiro e o argumento é algum tipo de
   contêiner. Pelo contrário, quando leio x.len(), já devo saber que x
   é algum tipo de contêiner implementando uma interface ou herdando
   de uma classe que possui um len() padrão. Veja a confusão que
   ocasionalmente temos quando uma classe que não está implementando
   um mapeamento tem um método get() ou keys(), ou algo que não é um
   arquivo tem um método write().

   -- https://mail.python.org/pipermail/python-3000/2006-November/004
   643.html


Por que o join() é um método de string em vez de ser um método de lista ou tupla?
=================================================================================

Strings se tornaram muito parecidas com outros tipos padrão a partir
do Python 1.6, quando métodos que dão a mesma funcionalidade que
sempre esteve disponível utilizando as funções do módulo de string
foram adicionados. A maior parte desses novos métodos foram amplamente
aceitos, mas o que parece deixar alguns programadores desconfortáveis
é:

   ", ".join(['1', '2', '4', '8', '16'])

que dá o resultado:

   "1, 2, 4, 8, 16"

Existem dois argumentos comuns contra esse uso.

O primeiro segue as linhas de: "Parece muito feio usar um método de
uma string literal (constante de string)", para o qual a resposta é
que pode, mas uma string literal é apenas um valor fixo. Se os métodos
devem ser permitidos em nomes vinculados a strings, não há razão
lógica para torná-los indisponíveis em literais.

A segunda objeção é normalmente formulada como: "Na verdade, estou
dizendo a uma sequência para unir seus membros com uma constante de
string". Infelizmente, você não está. Por alguma razão parece haver
muito menos dificuldade em ter "split()" como um método string, já que
nesse caso é fácil ver que

   "1, 2, 4, 8, 16".split(", ")

é uma instrução para uma string literal para retornar as substrings
delimitadas pelo separador fornecido (ou, por padrão, execuções
arbitrárias de espaço em branco).

"join()" é um método de string porque ao usá-lo você está dizendo à
string separadora para iterar sobre uma sequência de strings e se
inserir entre elementos adjacentes. Este método pode ser usado com
qualquer argumento que obedeça às regras para objetos sequência,
incluindo quaisquer novas classes que você mesmo possa definir.
Existem métodos semelhantes para bytes e objetos bytearray.


Quão rápidas são as exceções?
=============================

Um bloco de try/except é extremamente eficiente se nenhuma exceção for
levantada. Na verdade, capturar uma exceção custa caro. Em versões do
Python anteriores a 2.0 era comum utilizar esse idioma:

   try:
       value = mydict[key]
   except KeyError:
       mydict[key] = getvalue(key)
       value = mydict[key]

Isso somente fazia sentido quando você esperava que o dicionário
tivesse uma chave quase que toda vez. Se esse não fosse o caso, você
escrevia desta maneira:

   if key in mydict:
       value = mydict[key]
   else:
       value = mydict[key] = getvalue(key)

Para este caso específico, você também pode usar "value =
dict.setdefault(key, getvalue(key))", mas apenas se a chamada
"getvalue()" tiver pouco custosa o suficiente porque é avaliada em
todos os casos.


Por que não existe uma instrução de switch ou case no Python?
=============================================================

You can do this easily enough with a sequence of "if... elif...
elif... else". There have been some proposals for switch statement
syntax, but there is no consensus (yet) on whether and how to do range
tests.  See **PEP 275** for complete details and the current status.

Para casos em que você precisa escolher entre um grande número de
possibilidades, você pode criar um dicionário mapeando valores de caso
para funções a serem chamadas. Por exemplo:

   def function_1(...):
       ...

   functions = {'a': function_1,
                'b': function_2,
                'c': self.method_1, ...}

   func = functions[value]
   func()

Para chamar métodos em objetos, você pode simplificar ainda mais
usando olá função embutida "getattr()" para recuperar métodos com um
nome específico:

   def visit_a(self, ...):
       ...
   ...

   def dispatch(self, value):
       method_name = 'visit_' + str(value)
       method = getattr(self, method_name)
       method()

É sugerido que você use um prefixo para os nomes dos métodos, como
"visit_" neste exemplo. Sem esse prefixo, se os valores vierem de uma
fonte não confiável, um invasor poderá chamar qualquer método no seu
objeto.


Você não pode emular threads no interpretador em vez de confiar em uma implementação de thread específica do sistema operacional?
=================================================================================================================================

Resposta 1: Infelizmente, o interpretador envia pelo menos um quadro
de pilha C para cada quadro de pilha Python. Além disso, as extensões
podem retornar ao Python em momentos quase aleatórios. Portanto, uma
implementação completa de threads requer suporte de thread para C.

Resposta 2: Felizmente, existe o Stackless Python, que tem um laço de
interpretador completamente redesenhado que evita a pilha C.


Por que expressões lambda não podem conter instruções?
======================================================

Expressões lambda no Python não podem conter instruções porque o
framework sintático do Python não consegue manipular instruções
aninhadas dentro de expressões. No entanto, no Python, isso não é um
problema sério. Diferentemente das formas de lambda em outras
linguagens, onde elas adicionam funcionalidade, lambdas de Python são
apenas notações simplificadas se você tiver muita preguiça de definir
uma função.

Funções já são objetos de primeira classe em Python, e podem ser
declaradas em um escopo local. Portanto a única vantagem de usar um
lambda em vez de uma função definida localmente é que você não precisa
inventar um nome para a função -- mas esta só é uma variável local
para a qual o objeto da função (que é exatamente do mesmo tipo de um
objeto que uma expressão lambda carrega) é atribuído!


O Python pode ser compilado para linguagem de máquina, C ou alguma outra linguagem?
===================================================================================

Cython compiles a modified version of Python with optional annotations
into C extensions.  Nuitka is an up-and-coming compiler of Python into
C++ code, aiming to support the full Python language. For compiling to
Java you can consider VOC.


Como o Python gerencia memória?
===============================

Os detalhes do gerenciamento de memória Python dependem da
implementação. A implementação padrão do Python, *CPython*, usa
contagem de referências para detectar objetos inacessíveis, e outro
mecanismo para coletar ciclos de referência, executando periodicamente
um algoritmo de detecção de ciclo que procura por ciclos inacessíveis
e exclui os objetos envolvidos. O módulo "gc" fornece funções para
realizar uma coleta de lixo, obter estatísticas de depuração e ajustar
os parâmetros do coletor.

Other implementations (such as Jython or PyPy), however, can rely on a
different mechanism such as a full-blown garbage collector.  This
difference can cause some subtle porting problems if your Python code
depends on the behavior of the reference counting implementation.

Em algumas implementações do Python, o código a seguir (que funciona
bem no CPython) provavelmente ficará sem descritores de arquivo:

   for file in very_long_list_of_files:
       f = open(file)
       c = f.read(1)

Indeed, using CPython's reference counting and destructor scheme, each
new assignment to *f* closes the previous file.  With a traditional
GC, however, those file objects will only get collected (and closed)
at varying and possibly long intervals.

Se você quiser escrever um código que funcione com qualquer
implementação Python, você deve fechar explicitamente o arquivo ou
usar a instrução "with"; isso funcionará independentemente do esquema
de gerenciamento de memória:

   for file in very_long_list_of_files:
       with open(file) as f:
           c = f.read(1)


Por que o CPython não usa uma forma mais tradicional de esquema de coleta de lixo?
==================================================================================

Por um lado, este não é um recurso padrão C e, portanto, não é
portátil. (Sim, sabemos sobre a biblioteca Boehm GC. Ela possui
pedaços de código assembler para a *maioria* das plataformas comuns,
não para todas elas, e embora seja em sua maioria transparente, não é
completamente transparente; são necessários patches para obter Python
para trabalhar com isso.)

Traditional GC also becomes a problem when Python is embedded into
other applications.  While in a standalone Python it's fine to replace
the standard malloc() and free() with versions provided by the GC
library, an application embedding Python may want to have its *own*
substitute for malloc() and free(), and may not want Python's.  Right
now, CPython works with anything that implements malloc() and free()
properly.


Por que toda memória não é liberada quando o CPython fecha?
===========================================================

Os objetos referenciados nos espaço de nomes globais dos módulos
Python nem sempre são desalocados quando o Python é encerrado. Isso
pode acontecer se houver referências circulares. Existem também certos
bits de memória alocados pela biblioteca C que são impossíveis de
liberar (por exemplo, uma ferramenta como o Purify reclamará disso).
Python é, no entanto, agressivo quanto à limpeza de memória na saída e
tenta destruir todos os objetos.

Se você quiser forçar o Python a excluir certas coisas na desalocação,
use o módulo "atexit" para executar uma função que forçará essas
exclusões.


Por que existem tipos de dados separados para tuplas e listas?
==============================================================

Lists and tuples, while similar in many respects, are generally used
in fundamentally different ways.  Tuples can be thought of as being
similar to Pascal records or C structs; they're small collections of
related data which may be of different types which are operated on as
a group.  For example, a Cartesian coordinate is appropriately
represented as a tuple of two or three numbers.

Lists, on the other hand, are more like arrays in other languages.
They tend to hold a varying number of objects all of which have the
same type and which are operated on one-by-one.  For example,
"os.listdir('.')" returns a list of strings representing the files in
the current directory.  Functions which operate on this output would
generally not break if you added another file or two to the directory.

As tuplas são imutáveis, o que significa que, uma vez criada uma
tupla, você não pode substituir nenhum de seus elementos por um novo
valor. As listas são mutáveis, o que significa que você sempre pode
alterar os elementos de uma lista. Somente elementos imutáveis podem
ser usados como chaves de dicionário e, portanto, apenas tuplas e não
listas podem ser usadas como chaves.


Como as listas são implementadas no CPython?
============================================

As listas do CPython são, na verdade, vetores de comprimento variável,
listas vinculadas não no estilo Lisp. A implementação usa um vetor
contíguo de referências a outros objetos e mantém um ponteiro para
esse vetor e o comprimento de vetor em uma estrutura de cabeçalho de
lista.

Isso torna a indexação de uma lista "a[i]" uma operação cujo custo é
independente do tamanho da lista ou do valor do índice.

Quando itens são anexados ou inseridos, o vetor de referências é
redimensionado. Alguma inteligência é aplicada para melhorar o
desempenho de anexar itens repetidamente; quando o vetor precisa ser
aumentado, algum espaço extra é alocado para que as próximas vezes não
exijam um redimensionamento real.


Como são os dicionários implementados no CPython?
=================================================

Os dicionários do CPython são implementados como tabelas hash
redimensionáveis. Em comparação com árvores B, isso oferece melhor
desempenho para pesquisa (de longe a operação mais comum) na maioria
das circunstâncias, e a implementação é mais simples.

Dictionaries work by computing a hash code for each key stored in the
dictionary using the "hash()" built-in function.  The hash code varies
widely depending on the key and a per-process seed; for example,
"Python" could hash to -539294296 while "python", a string that
differs by a single bit, could hash to 1142331976.  The hash code is
then used to calculate a location in an internal array where the value
will be stored.  Assuming that you're storing keys that all have
different hash values, this means that dictionaries take constant time
-- O(1), in Big-O notation -- to retrieve a key.


Por que chaves de dicionário devem ser imutáveis?
=================================================

A implementação da tabela hash de dicionários usa um valor hash
calculado a partir do valor da chave para encontrar a chave. Se a
chave fosse um objeto mutável, seu valor poderia mudar e, portanto,
seu hash também poderia mudar. Mas como quem altera o objeto-chave não
pode saber que ele estava sendo usado como chave de dicionário, ele
não pode mover a entrada no dicionário. Então, quando você tentar
procurar o mesmo objeto no dicionário, ele não será encontrado porque
seu valor de hash é diferente. Se você tentasse procurar o valor
antigo, ele também não seria encontrado, porque o valor do objeto
encontrado naquele hash seria diferente.

Se você deseja que um dicionário seja indexado com uma lista,
simplesmente converta primeiro a lista em uma tupla; a função
"tuple(L)" cria uma tupla com as mesmas entradas da lista "L". As
tuplas são imutáveis e, portanto, podem ser usadas como chaves de
dicionário.

Algumas soluções inaceitáveis que foram propostas:

* Listas de hash por endereço (ID do objeto). Isto não funciona porque
  se você construir uma nova lista com o mesmo valor ela não será
  encontrada; por exemplo.:

     mydict = {[1, 2]: '12'}
     print(mydict[[1, 2]])

  levantaria uma exceção "KeyError" porque o id do "[1, 2]" usado na
  segunda linha difere daquele da primeira linha. Em outras palavras,
  as chaves de dicionário devem ser comparadas usando "==", não usando
  "is".

* Fazer uma cópia ao usar uma lista como chave. Isso não funciona
  porque a lista, sendo um objeto mutável, poderia conter uma
  referência a si mesma e então o código copiado entraria em um laço
  infinito.

* Permitir listas como chaves, mas dizer ao usuário para não
  modificá-las. Isso permitiria uma classe de bugs difíceis de
  rastrear em programas quando você esquecesse ou modificasse uma
  lista por acidente. Também invalida uma importante invariante dos
  dicionários: todo valor em "d.keys()" pode ser usado como chave do
  dicionário.

* Marcar listas como somente leitura quando forem usadas como chave de
  dicionário. O problema é que não é apenas o objeto de nível superior
  que pode alterar seu valor; você poderia usar uma tupla contendo uma
  lista como chave. Inserir qualquer coisa como chave em um dicionário
  exigiria marcar todos os objetos acessíveis a partir daí como
  somente leitura -- e, novamente, objetos autorreferenciais poderiam
  causar um laço infinito.

There is a trick to get around this if you need to, but use it at your
own risk: You can wrap a mutable structure inside a class instance
which has both a "__eq__()" and a "__hash__()" method.  You must then
make sure that the hash value for all such wrapper objects that reside
in a dictionary (or other hash based structure), remain fixed while
the object is in the dictionary (or other structure).

   class ListWrapper:
       def __init__(self, the_list):
           self.the_list = the_list

       def __eq__(self, other):
           return self.the_list == other.the_list

       def __hash__(self):
           l = self.the_list
           result = 98767 - len(l)*555
           for i, el in enumerate(l):
               try:
                   result = result + (hash(el) % 9999999) * 1001 + i
               except Exception:
                   result = (result % 7777777) + i * 333
           return result

Observe que o cálculo do hash é complicado pela possibilidade de que
alguns membros da lista possam ser não não-hasheável e também pela
possibilidade de estouro aritmético.

Além disso, deve ser sempre o caso que se "o1 == o2" (ou seja,
"o1.__eq__(o2) is True") então "hash(o1) == hash(o2)" (ou seja,
"o1.__hash__() == o2.__hash__()"), independentemente de o objeto estar
em um dicionário ou não. Se você não cumprir essas restrições, os
dicionários e outras estruturas baseadas em hash se comportarão mal.

In the case of ListWrapper, whenever the wrapper object is in a
dictionary the wrapped list must not change to avoid anomalies.  Don't
do this unless you are prepared to think hard about the requirements
and the consequences of not meeting them correctly.  Consider yourself
warned.


Por que lista.sort() não retorna a lista ordenada?
==================================================

Em situações nas quais desempenho importa, fazer uma cópia da lista só
para ordenar seria desperdício. Portanto, "lista.sort()" ordena a
lista. De forma a lembrá-lo desse fato, isso não retorna a lista
ordenada. Desta forma, você não vai ser confundido a acidentalmente
sobrescrever uma lista quando você precisar de uma cópia ordenada mas
também precisar manter a versão não ordenada.

Se você quiser retornar uma nova lista, use a função embutida
"sorted()" ao invés. Essa função cria uma nova lista a partir de um
iterável provido, o ordena e retorna. Por exemplo, aqui é como se
itera em cima das chaves de um dicionário de maneira ordenada:

   for key in sorted(mydict):
       ...  # do whatever with mydict[key]...


Como você especifica e aplica uma especificação de interface no Python?
=======================================================================

Uma especificação de interface para um módulo fornecida por linguagens
como C++ e Java descreve os protótipos para os métodos e funções do
módulo. Muitos acham que a aplicação de especificações de interface em
tempo de compilação ajuda na construção de programas grandes.

Python 2.6 adiciona um módulo "abc" que permite definir Classes Base
Abstratas (ABCs). Você pode então usar "isinstance()" e "issubclass()"
para verificar se uma instância ou classe implementa um ABC
específico. O módulo "collections.abc" define um conjunto de ABCs
úteis como "Iterable", "Container" e "MutableMapping"

Para Python, muitas das vantagens das especificações de interface
podem ser obtidas por uma disciplina de teste apropriada para
componentes.

Um bom conjunto de testes para um módulo pode fornecer um teste de
regressão e servir como uma especificação de interface do módulo e um
conjunto de exemplos. Muitos módulos Python podem ser executados como
um script para fornecer um simples "autoteste". Mesmo módulos que usam
interfaces externas complexas muitas vezes podem ser testados
isoladamente usando emulações triviais da interface externa. Os
módulos "doctest" e "unittest" ou estruturas de teste de terceiros
podem ser usados para construir conjuntos de testes exaustivos que
exercitam cada linha de código em um módulo.

An appropriate testing discipline can help build large complex
applications in Python as well as having interface specifications
would.  In fact, it can be better because an interface specification
cannot test certain properties of a program.  For example, the
"append()" method is expected to add new elements to the end of some
internal list; an interface specification cannot test that your
"append()" implementation will actually do this correctly, but it's
trivial to check this property in a test suite.

Writing test suites is very helpful, and you might want to design your
code with an eye to making it easily tested.  One increasingly popular
technique, test-directed development, calls for writing parts of the
test suite first, before you write any of the actual code.  Of course
Python allows you to be sloppy and not write test cases at all.


Por que não há goto?
====================

In the 1970s people realized that unrestricted goto could lead to
messy "spaghetti" code that was hard to understand and revise. In a
high-level language, it is also unneeded as long as there are ways to
branch (in Python, with "if" statements and "or", "and", and "if-else"
expressions) and loop (with "while" and "for" statements, possibly
containing "continue" and "break").

One can also use exceptions to provide a "structured goto" that works
even across function calls.  Many feel that exceptions can
conveniently emulate all reasonable uses of the "go" or "goto"
constructs of C, Fortran, and other languages.  For example:

   class label(Exception): pass  # declare a label

   try:
       ...
       if condition: raise label()  # goto label
       ...
   except label:  # where to goto
       pass
   ...

This doesn't allow you to jump into the middle of a loop, but that's
usually considered an abuse of goto anyway.  Use sparingly.


Por que strings brutas (r-strings) não podem terminar com uma contrabarra?
==========================================================================

Mais precisamente, eles não podem terminar com um número ímpar de
contrabarras: a contrabarra não pareada no final escapa do caractere
de aspa de fechamento, deixando uma string não terminada.

Strings brutas foram projetadas para facilitar a criação de entrada
para processadores (principalmente mecanismos de expressão regular)
que desejam fazer seu próprio processamento de escape de contrabarra.
De qualquer forma, esses processadores consideram uma contrabarra
incomparável como um erro, portanto, as strings brutas não permitem
isso. Em troca, eles permitem que você transmita o caractere de aspas
da string escapando dele com uma contrabarra. Essas regras funcionam
bem quando r-strings são usadas para a finalidade pretendida.

Se você estiver tentando criar nomes de caminho do Windows, observe
que todas as chamadas do sistema do Windows também aceitam barras:

   f = open("/mydir/file.txt")  # works fine!

Se você estiver tentando construir um nome de caminho para um comando
DOS, tente, por exemplo, algum desses

   dir = r"\this\is\my\dos\dir" "\\"
   dir = r"\this\is\my\dos\dir\ "[:-1]
   dir = "\\this\\is\\my\\dos\\dir\\"


Por que o Python não tem uma instrução "with" para atribuição de atributos?
===========================================================================

Python has a 'with' statement that wraps the execution of a block,
calling code on the entrance and exit from the block.  Some language
have a construct that looks like this:

   with obj:
       a = 1               # equivalent to obj.a = 1
       total = total + 1   # obj.total = obj.total + 1

Em Python, tal construção seria ambígua.

Outras linguagens, como Object Pascal, Delphi, e C++, usam tipos
estáticos, então é possível saber, de maneira não ambígua, que membro
está sendo atribuído. Esse é o principal ponto da tipagem estática --
o compilador *sempre* sabe o escopo de toda variável em tempo de
compilação.

O Python usa tipos dinâmicos. É impossível saber com antecedência que
atributo vai ser referenciado em tempo de execução. Atributos membro
podem ser adicionados ou removidos de objetos dinamicamente. Isso
torna impossível saber, de uma leitura simples, que atributo está
sendo referenciado: um atributo local, um atributo global ou um
atributo membro?

Por exemplo, pegue o seguinte trecho incompleto:

   def foo(a):
       with a:
           print(x)

The snippet assumes that "a" must have a member attribute called "x".
However, there is nothing in Python that tells the interpreter this.
What should happen if "a" is, let us say, an integer?  If there is a
global variable named "x", will it be used inside the with block?  As
you see, the dynamic nature of Python makes such choices much harder.

O benefício primário do "with" e funcionalidades similares da
linguagem (redução de volume de código) pode, entretanto, ser
facilmente alcançado no Python por atribuição. Em vez de:

   function(args).mydict[index][index].a = 21
   function(args).mydict[index][index].b = 42
   function(args).mydict[index][index].c = 63

escreva isso:

   ref = function(args).mydict[index][index]
   ref.a = 21
   ref.b = 42
   ref.c = 63

Isso também tem o efeito colateral de aumentar a velocidade de
execução porque as ligações de nome são resolvidas a tempo de execução
em Python, e a segunda versão só precisa performar a resolução uma
vez.


Por que dois pontos são necessários para as instruções de if/while/def/class?
=============================================================================

Os dois pontos são obrigatórios primeiramente para melhorar a leitura
(um dos resultados da linguagem experimental ABC). Considere isso:

   if a == b
       print(a)

versus

   if a == b:
       print(a)

Note como a segunda é ligeiramente mais fácil de ler. Note com mais
atenção como os dois pontos iniciam o exemplo nessa resposta de FAQ; é
um uso padrão em inglês.

Outro motivo menor é que os dois pontos deixam mais fácil para os
editores com realce de sintaxe; eles podem procurar por dois pontos
para decidir quando a recuo precisa ser aumentada em vez de precisarem
fazer uma análise mais elaborada do texto do programa.


Por que o Python permite vírgulas ao final de listas e tuplas?
==============================================================

O Python deixa você adicionar uma vírgula ao final de listas, tuplas e
dicionários:

   [1, 2, 3,]
   ('a', 'b', 'c',)
   d = {
       "A": [1, 5],
       "B": [6, 7],  # last trailing comma is optional but good style
   }

Existem várias razões para permitir isso.

Quando você possui um valor literal para uma lista, tupla, ou
dicionário disposta através de múltiplas linhas, é mais fácil
adicionar mais elementos porque você não precisa lembrar de adicionar
uma vírgula na linha anterior. As linhas também podem ser reordenadas
sem criar um erro de sintaxe.

Acidentalmente omitir a vírgula pode levar a erros que são difíceis de
diagnosticar. Por exemplo:

   x = [
     "fee",
     "fie"
     "foo",
     "fum"
   ]

Essa lista parece ter quatro elementos, mas na verdade contém três:
"fee", "fiefoo" e "fum". Sempre adicionar a vírgula evita essa fonte
de erro.

Permitir a vírgula no final também pode deixar a geração de código
programático mais fácil.
