8 个真正能减少重复代码的 Python 标准库！

一个两百行的数据导入脚本，光路径拼接、参数校验、日志打印、文件关闭就占了七八十行。

这种代码功能没多复杂，维护起来却特别烦。改一次目录，漏两个反斜杠；加个字段，初始化逻辑散在三个地方；异常分支一多，close() 到底有没有执行都得靠猜。

我现在写这类脚本，第一件事不是装第三方包，而是先翻 Python 标准库。下面这 8 个，确实能把重复代码砍掉不少。

1. pathlib：别再手拼文件路径

这种写法我看到就头疼：

report_file = base_dir + "/" + day + "/failed/" + batch_no + ".json"

Linux 上可能没事，换到 Windows、目录末尾多一个斜杠，马上开始别扭。

pathlib 直接按路径对象处理：

from pathlib import Path
work_dir = Path("/data/import") / "2026-07-22"
failed_file = work_dir / "failed" / "batch_1042.json"
failed_file.parent.mkdir(parents=True, exist_ok=True)
failed_file.write_text('{"status": "failed"}', encoding="utf-8")

创建目录、判断文件、读取内容、改后缀，全在一个对象上。脚本里只要出现三次路径拼接，我一般就换掉。

2. dataclasses：少写一堆初始化代码

导入数据时，经常要定义一个临时对象。手写 __init__、__repr__，字段一改，几个地方跟着动。

from dataclasses import dataclass, field
@dataclass(slots=True)
class ImportRow:
    order_no: str
    amount: int
    source: str = "manual"
    errors: list[str] = field(default_factory=list)
    @property
    def valid(self) -> bool:
        return not self.errors

这里的 default_factory 要注意，别直接写 errors=[]。共享可变对象这个坑，代码短的时候反而更隐蔽。

3. defaultdict：别到处判断 key 存不存在

按门店归类失败订单，最笨的写法是：

if shop_code not in failed_orders:
    failed_orders[shop_code] = []
failed_orders[shop_code].append(order_no)

换成 defaultdict：

from collections import defaultdict
failed_orders = defaultdict(list)
for row in import_rows:
    if row.errors:
        failed_orders[row.source].append(row.order_no)

不是少两行的问题。分支没了，后面加统计逻辑时不容易把初始化写漏。

同一个模块里的 Counter 也很好用。统计错误类型，不用自己维护累加器：

from collections import Counter
error_count = Counter(
    error
    for row in import_rows
    for error in row.errors
)

4. itertools：批量处理别重复切片

批量写数据库时，很多代码都在重复造“分批函数”。

for start in range(0, len(records), 500):
    batch = records[start:start + 500]
    save_batch(batch)

Python 3.12 可以直接用 itertools.batched：

from itertools import batched
for batch in batched(records, 500):
    save_batch(batch)

这里我会多看一眼 Python 版本。线上还是旧版本，就别为了少几行偷偷复制一个同名实现，后面的人会以为它真是标准库。

5. functools：缓存和函数适配别自己造轮子

配置查询、规则加载这类函数，参数相同，结果也相同，却在一批数据里反复执行。

from functools import lru_cache
@lru_cache(maxsize=256)
def load_shop_rule(shop_code: str) -> dict:
    return query_rule_from_db(shop_code)

这种缓存适合稳定的小结果。返回几十兆数据、内容又经常变化，还往上套 lru_cache，那不是优化，是给内存埋雷。

partial 也能处理重复参数：

from functools import partial
write_audit = partial(
    save_event,
    event_type="order_import",
    operator="scheduler"
)
write_audit(order_no="A1024", result="success")

6. contextlib：资源释放别靠 finally 撑着

临时切换目录、打开资源、加锁，很多人会写一层又一层 try/finally。

自定义上下文后，调用处会干净很多：

from contextlib import contextmanager
from time import perf_counter
@contextmanager
def trace_cost(task_name: str):
    started = perf_counter()
    try:
        yield
    finally:
        cost = perf_counter() - started
        print(f"{task_name} cost={cost:.3f}s")
with trace_cost("validate-import-file"):
    validate_file("/data/inbox/orders.csv")

我比较喜欢把计时、锁释放、临时文件清理放这里。业务代码里少一层缩进，排查异常时舒服不少。

7. argparse：命令行参数不要手撸 sys.argv

定时脚本一开始通常只有一个参数，后来会增加日期、批次、是否重跑。继续按数组下标取值，很快就会出现这种东西：

retry = sys.argv[3] == "1"

换成 argparse，校验和帮助信息一起解决：

import argparse
parser = argparse.ArgumentParser()
parser.add_argument("--day", required=True)
parser.add_argument("--batch-size", type=int, default=500)
parser.add_argument("--retry-failed", action="store_true")
args = parser.parse_args()

参数写错时直接报清楚，不用自己维护十几个 if。

8. logging：别再复制 print 模板

脚本刚写时用 print 没问题。等它进了定时任务，还在打印“执行成功”，出问题时基本查不到批次、订单号和异常栈。

import logging
logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s %(levelname)s %(message)s"
)
logger = logging.getLogger("order_import")
try:
    imported = run_import(args.day, args.batch_size)
    logger.info("import finished day=%s rows=%d", args.day, imported)
except Exception:
    logger.exception("import failed day=%s", args.day)
    raise

日志参数别提前拼成 f-string。日志级别被关闭时，字符串照样会先计算。量小看不出来，循环里打印几万次就不是一回事了。

这 8 个库不新，也不炫。真正有用的地方，是把路径、对象初始化、分组、分批、缓存、资源释放、参数解析和日志这些边角代码收回去。

业务代码只剩业务判断，脚本才不容易越改越厚。

以上就是“8 个真正能减少重复代码的 Python 标准库！”的详细内容，想要了解更多Python教程欢迎持续关注编程学习网。