摸鱼时用Python写了个小工具，却由于一个模块坑爹特性浪费了3小时？本文带你精准避开这些坑！

作为一名Python开发者，你必定经历过这样的时刻：代码看起来完美无缺，却由于某个模块的“特性”而行为异常。下面这7个常用模块的坑，90%的新手都踩过！

1. datetime：时间处理的隐形陷阱

# 错误示例：忽略时区信息
from datetime import datetime

now = datetime.now()
print(f"当前时间: {now}")
# 输出: 2023-10-01 12:00:00（但这是什么时区？）

# 正确做法：明确时区
from datetime import datetime, timezone
import pytz  # 需要安装pytz模块

# 明确指定时区
now_utc = datetime.now(timezone.utc)
print(f"UTC时间: {now_utc}")

# 或者使用第三方库
now_shanghai = datetime.now(pytz.timezone('Asia/Shanghai'))
print(f"上海时间: {now_shanghai}")

避坑指南：永远不要使用幼稚时间（naive time），总是明确时区信息！

2. json：小数点与精度丢失

# 错误示例：直接处理浮点数
import json

data = {"price": 19.95, "quantity": 2}
json_str = json.dumps(data)
decoded = json.loads(json_str)
print(f"原始: {data}")        # {'price': 19.95, 'quantity': 2}
print(f"解码后: {decoded}")    # {'price': 19.95, 'quantity': 2}

# 看起来没问题？试试这个：
data = {"value": 0.1 + 0.2}
json_str = json.dumps(data)
decoded = json.loads(json_str)
print(f"0.1 + 0.2 = {decoded['value']}")  # 0.30000000000000004

# 正确做法：使用decimal处理金融数据
from decimal import Decimal

data = {"value": float(Decimal('0.1') + Decimal('0.2'))}
json_str = json.dumps(data)
decoded = json.loads(json_str)
print(f"准确计算: {decoded['value']}")  # 0.3

避坑指南：金融计算永远不要用float，用Decimal并在序列化时小心处理！

3. os.path：路径拼接的坑

# 错误示例：手动拼接路径
import os

base_dir = "/home/user"
file_path = base_dir + "/data/file.txt"  # 这种写法在Windows上会失败
print(f"文件路径: {file_path}")

# 正确做法：使用os.path.join
file_path = os.path.join(base_dir, "data", "file.txt")
print(f"跨平台路径: {file_path}")  # 在Linux和Windows上都能正常工作

# 更好的做法：使用pathlib（Python 3.4+）
from pathlib import Path

base_path = Path("/home/user")
file_path = base_path / "data" / "file.txt"
print(f"现代路径: {file_path}")

避坑指南：永远不要手动拼接路径字符串，使用os.path或pathlib！

4. random：随机数种子误区

# 错误示例：在循环内设置种子
import random

def generate_numbers():
    numbers = []
    for _ in range(3):
        random.seed(42)  # 每次循环重置种子
        numbers.append(random.randint(1, 100))
    return numbers

print(f"错误生成: {generate_numbers()}")  # [82, 82, 82]

# 正确做法：只设置一次种子
def generate_numbers_correct():
    random.seed(42)  # 只设置一次
    return [random.randint(1, 100) for _ in range(3)]

print(f"正确生成: {generate_numbers_correct()}")  # [82, 15, 4]

避坑指南：随机数种子只需设置一次，一般在程序开始时！

5. re：正则表达式缓存问题

# 错误示例：在循环中重复编译正则
import re

def extract_emails(texts):
    emails = []
    for text in texts:
        # 每次循环都编译一次正则，效率低下
        pattern = re.compile(r'[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+.[A-Z|a-z]{2,}')
        emails.extend(pattern.findall(text))
    return emails

# 正确做法：预先编译正则
def extract_emails_correct(texts):
    emails = []
    email_pattern = re.compile(r'[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+.[A-Z|a-z]{2,}')
    for text in texts:
        emails.extend(email_pattern.findall(text))
    return emails

避坑指南：频繁使用的正则表达式必定要预先编译！

6. math：浮点数精度问题

# 错误示例：直接比较浮点数
import math

a = 0.1 + 0.2
b = 0.3

print(f"a = {a}, b = {b}")
print(f"a == b: {a == b}")  # False

# 正确做法：使用math.isclose
print(f"math.isclose(a, b): {math.isclose(a, b)}")  # True

# 或者指定精度比较
def float_equal(x, y, tolerance=1e-9):
    return abs(x - y) < tolerance

print(f"自定义比较: {float_equal(a, b)}")  # True

避坑指南：永远不要直接比较浮点数是否相等，使用math.isclose或指定精度！

7. requests：超时设置遗漏

# 错误示例：不设置超时
import requests

# 如果服务器不响应，程序可能会永远挂起
try:
    response = requests.get("https://httpbin.org/delay/10")
    print(response.json())
except Exception as e:
    print(f"请求失败: {e}")

# 正确做法：总是设置超时
try:
    # 设置连接超时和读取超时
    response = requests.get("https://httpbin.org/delay/10", timeout=(3.05, 5))
    print(response.json())
except requests.exceptions.Timeout:
    print("请求超时，进行异常处理")
except requests.exceptions.RequestException as e:
    print(f"请求失败: {e}")

避坑指南：所有网络请求都必须设置合理的超时时间！

总结

Python的这些模块看似简单，实则暗藏玄机。记住这些避坑指南，能为你节省大量调试时间：

1. datetime：明确时区信息
2. json：小心浮点数精度
3. os.path：使用路径拼接函数
4. random：只在开始时设置种子
5. re：预先编译正则表达式
6. math：不用直接比较浮点数
7. requests：总是设置超时

实战提议：将这些避坑技巧保存下来，下次遇到类似问题时翻出来看看，能帮你快速定位问题！

你还在Python开发中遇到过哪些坑？欢迎在评论区分享你的经历！