而且，尽管使用python脚本来编写购物清单或编译租金数据的人都是按头编译的，但是如果发生这种情况，您使用脚本来解决例行任务，有时脚本会工作很长时间，那么这种想法就是使用惰性计算对于所有移动的东西，您都会喜欢。
在我来信的前几章中，我免费描述了evalcache库的操作。
链接： 惰性计算树的磁盘缓存
为了使您不必在阅读本文之前先学习该材料，请对最后一部分进行简要总结：
evalcache将数据，函数和方法包装在惰性对象中。 每个惰性对象都有一个特殊的哈希键，其特征在于其构造方法。 可以对惰性对象执行操作，从而导致生成新的惰性对象。 这些操作看起来与对普通数据的操作完全一样，但是实际上不执行任何计算；而是构建了相互引用的惰性对象树，并记住了它们的操作和参数。 如果必须获取数据，则执行操作以打开惰性对象，如果带有此键的对象是较早计算的，则该对象可以激活计算链，也可以从缓存中提取结果。
关于一些变化
自从写了上一篇文章以来，evalcache有了一些额外的机制。
非缓存执行机制
事实证明，懒惰对象的哈希是如此有用，以至于在无法缓存对象本身且不必要缓存对象的情况下，您想使用它。
为此引入了一种特殊的语法：
lazyhash = evalcache.LazyHash()
在此版本中，对象是在创建时立即计算的，但是无论如何都会返回一个惰性文件。 这使您可以构建计算树，而无需缓存某些对象。
隐式披露机制
隐式披露是回忆器的预期行为。 尽管evalcache最初不是为记忆而设计的，而是为与计算树一起使用而设计的，但可以实现基于evalcache算法的隐式公开。 onplace ，引入了两个新的onplace和onuse选项。 onplace会在创建后立即公开惰性对象，并在尝试用于惰性对象的某些操作中使用它时会导致onuse的使用。
import evalcache lazy = evalcache.Lazy(cache={}, onuse=True)
但是，我们并不是在谈论这种不必要的添加，其目的是使库与其他修饰符更加相似。 关于惰性文件：
懒文件
Evalcache包含一个加载项，用于简化生成文件的功能。 最初，应该将此功能用于简化屏幕截图的生成。 后来证明，使用惰性文件的机制，您可以做其他有趣的事情。
import evalcache import evalcache.lazyfile lazyfile = evalcache.lazyfile.LazyFile(cache = evalcache.DirCache(".evalfile")) @lazyfile(field="path") def foo(data, path): f = open(path, "w") f.write(data) f.close() foo("HelloWorld","data.dat")
如何运作...
通常，工作逻辑与所有懒惰对象相同。
foo("HelloWorld","data.dat")开始构造一个惰性对象，该对象的哈希键与传递给它的参数相关。 之后，应用隐式披露的机制，从而立即开始计算。
但是随后行动的方向发生了变化。
@lazyfile(field="path")惰性文件装饰器解析具有在字段中指定的名称的参数。 装饰者希望函数执行后，将沿着该路径创建文件。 evalcache会获取该文件，并在".evalfile"哈希目录中创建指向该文件的硬链接。 硬链接文件名对应于惰性对象的哈希键。 稍后，当具有该名称的文件位于高速缓存中时，evalcache在扩展对象而不是调用函数时，只需在所需位置中创建到高速缓存中现有文件的硬链接。
惰性文件是一个普通的惰性对象，可以使用其他惰性对象来生成它，这很有用。
import evalcache import evalcache.lazyfile lazy = evalcache.lazy.Lazy(cache = evalcache.DirCache(".evalcache")) lazyfile = evalcache.lazyfile.LazyFile(cache = evalcache.DirCache(".evalfile")) @lazyfile(field="path") def foo(data, path): f = open(path, "w") f.write(data) f.close() @lazy def datagenerator(): return "HelloWorld" foo(datagenerator(),"data.dat")
通过moviepy工具将放大率应用于视频编辑。
如您所知，任何任务都可以使用python脚本解决。 Python库非常庞大，以至于很难找到Python模块未涵盖的任务。
尤其是moviepy库和两个小时的学习文档为我们提供了一个简单实用的视频编辑器。 安装-请。 声音要强加-请。 特效-请。
但是，与往常一样，使用脚本有一个缺点。 每次运行脚本时，都会重新构建所有工件。 安装一小时的视频时，此类脚本的操作可能会持续很长时间。
使用evalcache库有助于对这种情况进行调整。
有什么
我们使用非缓存的执行机制，因为不需要或不需要处理对moviepy对象的缓存。 这样做，我们获得了懒惰对象的所有好处，可用于跟踪执行树中的更改。
在修饰符中包装库调用：
LazyVideoClip = lazyhash(VideoClip) VideoFileClip = lazyhash(VideoFileClip) AudioFileClip = lazyhash(AudioFileClip) CompositeVideoClip = lazyhash(CompositeVideoClip) concatenate_videoclips = lazyhash(concatenate_videoclips)
使用此构造，我们将生成文件：
@lazyfile("path") def lazy_write_videofile(path, clip): clip.write_videofile(path)
完成视频序列上的必要操作后，我们将剪辑的一部分写入单独的文件中。 有无音乐：
lazy_write_videofile("part0.mp4", part0) lazy_write_videofile("part1.mp4", part1) lazy_write_videofile("part2.mp4", part2) lazy_write_videofile("part0_mus.mp4", part0.set_audio(music.set_duration(part0.duration))) lazy_write_videofile("part1_mus.mp4", part1.set_audio(music.set_duration(part1.duration))) lazy_write_videofile("part2_mus.mp4", part2.set_audio(music.set_duration(part2.duration)))
仅当相应的执行分支发生更改时，才会重新编译这些文件。
结果完成后，使用“编译”选项将零件收集到一个大文件中：
if len(sys.argv) > 1 and sys.argv[1] == "compile": clip.lazy_write_videofile("clip.mp4", clip)
而不是结论：
本文显示了如何在evalcache库的帮助下简化假定生成文件的算法。
这种方法可以减少对专用软件的依赖，也可以避免编写选择性装配的复杂逻辑。
参考文献：
Github项目
Pypi项目