当前位置:首页 > 文章列表 > 文章 > python教程 > Python使长对象repr自动换行方法

Python使长对象repr自动换行方法

2026-03-16 22:09:35 0浏览 收藏
Python 的 `repr()` 函数默认不换行,是为了确保输出可被 `eval()` 安全还原,牺牲了人类可读性;而 `pprint` 模块专为此类场景设计,能智能折行、缩进并控制宽度,是提升长对象(尤其是嵌套数据结构)可读性的首选方案——无论是调试日志、IDE 控制台还是自定义类的 `__repr__` 实现,正确使用 `pprint.pformat()` 都比手动字符串替换或盲目截断更可靠、更健壮。

Python 如何让 repr 显示时自动折行(长对象)

为什么 repr() 不折行?

Python 默认的 repr() 会把对象转成单行字符串,哪怕内容长达几千字符。这不是 bug,而是设计使然:它优先保证可逆性(即能被 eval() 安全解析),而非可读性。所以你看到 list(range(1000)) 的 repr() 是一整条密不透风的字符串,根本没法扫一眼看结构。

用 pprint 替代 repr 是最稳妥方案

pprint(pretty print)专为人类可读而生,支持自动缩进、按容器层级折行、控制宽度。它不改变原始对象,只影响显示逻辑:

import pprint
data = {'users': [{'id': i, 'name': f'user_{i}'} for i in range(5)], 'total': 5}
print(repr(data))  # 一行挤满
print(pprint.pformat(data, width=40, indent=2))  # 自动折行 + 缩进
  • width 控制每行最大字符数(默认 80),设小一点更容易触发折行
  • indent 设置嵌套缩进空格数(默认 1)
  • 对自定义类,需在 __repr__ 中显式调用 pprint.pformat(self.__dict__, ...),不能只靠继承
  • 注意:pprint.pprint() 直接打印,pprint.pformat() 返回字符串,后者更适合日志或调试器中拼接

重写 __repr__ 时别直接拼字符串

很多人想“手动加换行”,比如用 str(obj).replace(',', ',\n'),这极不可靠——嵌套括号、引号、转义符都会让替换出错。正确做法是复用 pprint 的底层逻辑:

import pprint
class Config:
    def __init__(self, **kw):
        self.__dict__.update(kw)
    def __repr__(self):
        return f"{self.__class__.__name__}(\n{pprint.pformat(self.__dict__, width=50, indent=4)}\n)"
  • 避免自己解析结构;pprint 能识别 dict/list/tuple/set/namedtuple 等原生容器的嵌套关系
  • 不要在 __repr__ 里调用 print() 或写文件,它必须返回字符串
  • 如果对象含不可序列化字段(如文件句柄、lambda),pprint 会显示 <...>,比崩溃强得多

reprlib.Repr 适合截断超长内容,但不解决折行

reprlib 是标准库里轻量级的 repr 工具,主打“安全截断”,比如限制字符串长度、列表项数。但它本身不折行,只是让超长输出变短:

import reprlib
r = reprlib.Repr()
r.maxstring = 20
r.maxlevel = 3
print(r.repr("hello world this is very long"))  # 'hello world this...' 
  • 适合日志中防止单条消息爆炸,但无法改善嵌套结构的可读性
  • 和 pprint 是互补关系:一个管“多长”,一个管“多深”
  • 如果你发现 pprint.pformat 输出仍太宽,先检查是否嵌套了未实现 __repr__ 的第三方类——它们可能返回超长单行字符串,拖垮整个格式化效果

实际调试时最容易忽略的是:某些 IDE(如 PyCharm)的变量面板或 debugger 的 repr 视图并不走你重写的 repr,而是用内部机制快速生成,这时得靠 pprint.pformat(obj) 手动粘贴到 console 里看。

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

Golang中map的key不能是任意类型,而value可以,主要是出于以下几点原因:1.哈希计算与比较需求map在Go中是一种基于哈希表实现的数据结构。为了快速查找和存储键值对,必须能够对key进行哈希计算和比较。Go的编译器只支持对一些特定类型(如整型、字符串、指针、数组等)进行哈希运算和比较。这些类型被称为“可哈希”(hashable)类型。如果key是一个复杂类型(如结构体、切片、函数等)Golang中map的key不能是任意类型,而value可以,主要是出于以下几点原因:1.哈希计算与比较需求map在Go中是一种基于哈希表实现的数据结构。为了快速查找和存储键值对,必须能够对key进行哈希计算和比较。Go的编译器只支持对一些特定类型(如整型、字符串、指针、数组等)进行哈希运算和比较。这些类型被称为“可哈希”(hashable)类型。如果key是一个复杂类型(如结构体、切片、函数等)
上一篇
Golang中map的key不能是任意类型,而value可以,主要是出于以下几点原因:1.哈希计算与比较需求map在Go中是一种基于哈希表实现的数据结构。为了快速查找和存储键值对,必须能够对key进行哈希计算和比较。Go的编译器只支持对一些特定类型(如整型、字符串、指针、数组等)进行哈希运算和比较。这些类型被称为“可哈希”(hashable)类型。如果key是一个复杂类型(如结构体、切片、函数等)
Go语言ErrGroup并发错误处理详解
下一篇
Go语言ErrGroup并发错误处理详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    328次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    386次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    379次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    346次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    172次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码