本章主要介绍了一些与Python运行时相关的模块。

1、atexit模块
在真个Python解释器退出时，可以绑定若干钩子函数，通过atexit完成。

>>> def fun1():
...     print "hh"
...
>>> import atexit
>>> atexit.register(fun1)
<function fun1 at 0xb7707614>
>>>
#按Ctrl 和 D退出，会调用fun1
hh

2、copy模块，可用于浅拷贝和深拷贝（copy.deepcopy）
deepcopy(x [,visit])，其中visit用于递归深度，以防造成死循环。
对象必须自己实现了__copy__(self_)和__deepcopy__(self,visit)才可以被浅、深拷贝。

3、gc模块：用于垃圾回收，这个应该很熟悉了。
Python的垃圾回收分Generation，0，1和2。当在第0个Gen存活了x个周期（而没有到达refcount为0），则被放入1，以此类推到2。按照检查频率，0，1，2递减。以此来最大化平衡效率和回收效率。
一些gc模块的函数：
collect([generation])：全部执行一遍垃圾回收。
get_count(object)：获取某对象object的引用计数。
disable()：禁用gc
garbage：一个list，存了一些不再使用，但存在循环引用的对象。
set_threshold(threshold0,[threshold1,threshold2])：设置每隔多少个执行指令检查一次gc（引来一个gc周期）。

4、inspect模块，用于Python的属性、函数、字符串、文档、源代码等对应的Python的对象表示。
几个术语：
frame：代码+环境+stack。。。
几个函数：
isbuiltin(object)：是否是内置函数。
ismethod(object)：是否是对象。
trace([context])：返回stack等信息。

5、marshal模块，一个基础的对象序列化模块，很快但是功能单一，对数据类型支持也不太好。一般只支持基本类型。
dump(value,file)：把序列化写到file-object对象file中。
dumps(value[,version])：对象序列化，并返回字符串。
load(file)：从file反序列化。
loads(string)：从字符串中饭序列化。

marshal在性能上很好，但是只支持数字、字符串、tuple、list、dictionary。而这几种支持的容器类型必须包含基本类型。也就是说不支持自定义object啦！

6、pickle，推荐使用的序列化方法，基本类型都支持了！
dump、dumps、load、loads和marshal一样。
如果要序列化多个对象，多次调用dump/dumps即可。
有的对象不适合序列化，因为对内部状态没有标识，如file-object，network的socket等。

7、Pickler和Unpickler，是对pickle的对象化封装，需要的话可以翻翻文档。

8、sys模块：变量、解释器相关的函数。
常用的属性：
argv：cmd传入的参数，不用解释了吧～
byteorder：返回机器的CPU的大小端'little'或者'big'，这个很实用，呵呵……
copyright：返回版权信息？Python的。。
maxsize：本机器上C语言integer支持的最大size（我的32位机器为2147483647）
ps1，ps2：设置Python解释器的>>>和...
winver，返回注册表的版本，windows可用。

常用的函数：
_clear_type_cache()：Python会Cache对象（和他们所在的模块），一般是1024个最近的。这个函数可以清空这个Cache。
_current_frame()：当前所处的frame。

#在python解释器中执行
>>> sys._current_frames()
{-1216022848: <frame object at 0x845458c>}

sys.exit([n])：引起一个SystemExit异常，然后退出，如果不需要引起异常，可以执行os._exit(n)。
sys.getdefaultencoding()：获取当前默认字符编码。

#貌似默认是ascii
>>> import sys
>>> sys.getdefaultencoding()
'ascii'

sys.setprofile()：设置这么一个profile，类似~/.bashrc只不过类型很随意，这么解释靠谱儿么？
sys.getprofile()：获取楼上设置的profile。

9、traceback模块：用于处理异常时候的，很管用。
最常用的其实就是两个：
traceback.print_exec()，直接把sys.exec（上次异常信息）格式化，并打印到stdout。
traceback.format_exc()，和楼上类似，只不过是返回一个字符串。

#!/usr/bin/python

import traceback

def fun1():
	try:
		1/0
	except:
		traceback.print_exec()
                #print traceback.format_exc()
		pass

if __name__ == "__main__":
	fun1()

10、types模块：就是Python对象的各种对应类型。

11、warnings模块：会”弹出“，但不会抛出异常，也不会阻碍程序继续运行。
warning是可以过滤的，两种方法：
（1）代码方式

warnings.filterwarnings(action="ignore",message=".*xxx.*",category=xxxx)

其中，action可以是ignore等。
message是对哪些消息过滤，支持正则。
category支持如下类型：
Warning
UserWarning
DeprecationWarning
SyntaxWarning
RuntimeWarning
FutureWarning
（2）解释器的启动参数：

python -Wignore:the \ regex:DeprecationWarning

resetwarnings()：重置所有filter

12、weakref，弱引用模块。
可以加一个引用，但不增加原对象的引用计数。
有时候（比如观察着模式），可以防止循环引用而导致gc无法回收！
创建弱引用：wref = weakref.ref(obj)
通过弱引用来方位原对象：wref()，如果有则返回原对象，如果已经被删除，则返回None。

>>> class A:pass
...
>>> a= A()
>>> import weakref
>>> ar = weakref.ref(a)
>>> print ar
<weakref at 0xb76e4694; to 'instance' at 0xb76e3cac>
>>> print a
<__main__.A instance at 0xb76e3cac>
>>> del a
>>> print ar
<weakref at 0xb76e4694; dead>

一个例子，这个Cache基本没用，因为在foocache中，使用的是弱引用，每次cache后，都留下一个弱引用，而原始对象马上被销毁，因此实际每次都要计算，cache是废的。

#!/usr/python

import weakref

class A:
	def __init__(self,x):
		self.val = x

	def __str__(self):
		return str(self.val)

def foo(x):
	print "foo(%s)" % (str(x))
	return A(x)

_resultcache = {}
def foocache(x):
	if _resultcache.has_key(x):
		r = _resultcache[x]()
		if r is not None:return r
	r = foo(x)
	_resultcache[x] = weakref.ref(r)
	return r

if __name__ == "__main__":
	for i in xrange(10):
		foocache(i)
		#print foocache(i)

	print "start..."

	for i in xrange(10):
		#print foocache(i)
		foocache(i)
		pass