一、默认存哪：~ 不会自动展开

想存到「下载」文件夹，最直觉的写法是 '~/Downloads'。但 Python 不认这个 ~。 演示第一段验证了：expanduser('~') 给出 C:\Users\admin， 而直接 open('~/a.txt') 会在当前目录建一个名字就叫 ~ 的文件夹。 这不是报错，是悄悄建错地方。 等你回头找文件才发现。

正确写法是 os.path.expanduser('~/Downloads')。它把 ~ 换成当前用户的主目录。 还有个 os.path.expandvars('$HOME')，展开的是环境变量。

注意最后一行：Linux 上目录名会跟着系统语言变。 中文桌面下可能是「下载」。 所以「拼 ~/Downloads」是一条简化路，够用但不严谨。 真正稳的做法是问系统「你的下载目录在哪」，但那要引入额外的库，本书不展开。 知道自己用的是哪一档，比盲目相信重要。

二、选项列表里有重复

用户可能把同一个格式说两遍：mp4、mp3、mp4、webm、mp3、mp4。菜单上不能重复显示。 去重有两条路。 演示里都跑了：list 去重得到 ['mp4', 'mp3', 'webm']（保序）， set 去重得到 ['mp3', 'mp4', 'webm']（顺序变了）。 list 去重的写法是「见过没有？没见过就加」——一个循环，一个个比。 set 去重一行 list(set(x)) 就完了。

代价是 set 不保序。 演示里那个顺序还是按哈希排出来的，同一台机器同一个进程里固定， 换台机器可能就变。 所以选择标准很清楚：要固定顺序（菜单、下拉框、报告列）用 list 去重；只是判断「有没有」用 set。 顺带说：Python 3.7 以后字典保序，所以「用 dict 去重又保序」也是一条路：list(dict.fromkeys(x))。 这写法比手写循环短，也保序。

三、set 的三种运算

「哪些下过、哪些还差」这类问题，用集合一句话就完了，不用写两层循环。

演示里已下载 ['a.mp4','b.mp4','c.mp4']、待下载 ['c.mp4','d.mp4']，交集是 c.mp4（下过了， 跳过），差集是 d.mp4（还差这个）。 这就是断点续传的全部逻辑。 不用写双层循环一个个比，一个减号搞定。 注意差集有方向：a - b 是「在 a 里不在 b 里」，b - a 是反过来。 写反了结论正好相反，这是集合运算最容易出错的地方。

四、判断「在不在」，set 快多少

演示第四段测了一组：两万个元素，查 200 次。list 花 62.1 毫秒，set 花 0.019 毫秒。 3200 倍。 原因在数据结构：list 是一个个比过去，平均要翻一半元素； set 是先算哈希，直接跳到那个格子，元素多少都差不多。 但这个数字要说清楚定语。 set 这一次已经快到计时器的分辨率边缘了，单次 0.1 微秒这个数只能看个量级，不比它更准。

该记的是「差三个数量级」这件事，不是具体多少微秒。 你换台机器跑，可能是 2000 倍也可能是 5000 倍，但量级不会变。 set 有代价：占内存更多、元素必须能算哈希（列表就放不进去）、顺序不保留。 所以不是「一律用 set」，是「判断存在性用 set，要顺序用 list」。

五、用户没给的参数怎么补

一个下载器有几个参数：格式、输出目录、画质。用户可能一个都不给，也可能给一半。 演示第五段跑的是「什么都没给」：format 落回 mp4、outdir 落回下载目录、quality 落回 best。 这一层叫默认值兜底，是程序规划的必备动作。 写法上有讲究。 演示里用 if not getattr(a, 'format', None)，但注释里点出了一个问题： not x 会把「没给」和「给了空字符串」当成一回事。

'' 是假值，None 也是假值，not 一判两个都进去了。 可这两个意思完全不同：前者是「用户没填」，后者可能是「用户故意留空」。 严格点应该判 is None：if a.format is None: a.format = 'mp4'。 这样空字符串会被当作有效值保留下来。 这条规矩可以推到所有默认值逻辑：「没给」和「给了空」是两件事，别用一个 not 混过去。

六、动手 Demo：默认存哪、哪些选项重复了

先看 ~ 到底展不展开，三个系统的下载目录各长什么样。 再比 list 和 set 两种去重，看顺序差在哪。 然后用集合运算算「哪些下过、哪些还差」。 最后实测一下判断存在性差多少。

import os, platform, time

print('① 各系统的「下载」目录')
print('| 系统 | 下载目录写法 | 说明 |')
print('|---|---|---|')
print('| Windows | ~/Downloads | 本机实测就是 %s |' % os.path.expanduser('~/Downloads'))
print('| macOS | ~/Downloads | 通用写法，本机没法实测 |')
print('| Linux | ~/Downloads 或 ~/下载 | 取决于桌面环境的语言设置 |')
print()
print('    expanduser(\'~\') =', repr(os.path.expanduser('~')))
print('    expandvars(\'$HOME\') =', repr(os.path.expandvars('$HOME')))
print('  本机平台：', platform.system())

print('② 选项列表里有重复')
raw = ['mp4', 'mp3', 'mp4', 'webm', 'mp3', 'mp4']
seen, uniq = set(), []
for x in raw:
    if x not in seen:
        seen.add(x)
        uniq.append(x)
print('  原始列表', raw)
print('  用 list 去重（保序）', uniq)
print('  用 set 去重       ', list(set(raw)))

print('③ set 的三种运算')
done = {'a.mp4', 'b.mp4', 'c.mp4'}
todo = {'c.mp4', 'd.mp4'}
print('  已下载', sorted(done))
print('  待下载', sorted(todo))
print('  交集（已下过，跳过）  ', sorted(done & todo))
print('  并集（全部）          ', sorted(done | todo))
print('  差集（还差哪些）      ', sorted(todo - done))

print('④ 判断「在不在」，set 快多少')
big = ['f%06d.mp4' % i for i in range(20000)]
bset = set(big)
probe = ['f%06d.mp4' % (i * 97 % 20000) for i in range(200)]
t0 = time.perf_counter()
for q in probe:
    q in big
t_list = time.perf_counter() - t0
t0 = time.perf_counter()
for q in probe:
    q in bset
t_set = time.perf_counter() - t0
print('| 容器 | 元素数 | 查 200 次总耗时 | 单次 |')
print('|---|---:|---:|---:|')
print('| list | 20000 | %.1f 毫秒 | %.1f 微秒 |' % (t_list * 1000, t_list * 1e6 / 200))
print('| set | 20000 | %.3f 毫秒 | %.2f 微秒 |' % (t_set * 1000, t_set * 1e6 / 200))
print('  这次的差距是 %.0f 倍。' % (t_list / t_set))

print('⑤ 用户没给的参数怎么补')
class Args:
    format = None
    outdir = None
    quality = None
a = Args()
a.format = a.format or 'mp4'
a.outdir = a.outdir or os.path.expanduser('~/Downloads')
a.quality = a.quality or 'best'
print('  用户什么都没给：')
for k in ('format', 'outdir', 'quality'):
    print('    %-8s= %s' % (k, getattr(a, k)))
print('  if not getattr(...) 会把「没给」和「给了空字符串」当成一回事。')
print('  严格点应该判断 is None，因为空字符串有时是用户故意给的。')

实跑输出：

--------------------------------------------------------------------
默认存哪、哪些选项重复了
--------------------------------------------------------------------

  ① 各系统的「下载」目录
  --------------------------------------------------------------------

| 系统 | 下载目录写法 | 说明 |
|---|---|---|
| Windows | ~/Downloads | 本机实测就是 C:\Users\admin\Downloads |
| macOS | ~/Downloads | 通用写法，本机没法实测 |
| Linux | ~/Downloads 或 ~/下载 | 取决于桌面环境的语言设置 |

    expanduser('~') = C:\Users\admin
    expandvars('$HOME') = C:\Users\admin
  ~ 在 Python 里不会自动展开，得调 expanduser。
  直接写 open('~/a.txt') 会在当前目录建一个名字就叫 ~ 的文件夹。
  更稳的做法是拿系统认定的下载目录，各平台给的答案才一致。
  本书用的是「拼 ~/Downloads」这条简化路，够用但不算严谨。

  ② 选项列表里有重复
  --------------------------------------------------------------------
    原始列表 ['mp4', 'mp3', 'mp4', 'webm', 'mp3', 'mp4']
    用 list 去重（保序）['mp4', 'mp3', 'webm']
    用 set 去重        ['mp3', 'mp4', 'webm']
  list 去重保序但要一个个比，set 一行搞定但顺序没了。
  菜单这种要固定顺序的地方用 list，只是判断「有没有」的地方用 set。

  ③ set 的三种运算
  --------------------------------------------------------------------
    已下载 ['a.mp4', 'b.mp4', 'c.mp4']
    待下载 ['c.mp4', 'd.mp4']
    交集（已下过，跳过）  ['c.mp4']
    并集（全部）          ['a.mp4', 'b.mp4', 'c.mp4', 'd.mp4']
    差集（还差哪些）      ['d.mp4']
  「哪些下过、哪些还差」这类问题，用集合一句话就完了，不用写两层循环。这就是 set 值得学的地方。

  ④ 判断「在不在」，set 快多少
  --------------------------------------------------------------------

| 容器 | 元素数 | 查 200 次总耗时 | 单次 |
|---|---:|---:|---:|
| list | 20000 | 62.1 毫秒 | 310.4 微秒 |
| set | 20000 | 0.019 毫秒 | 0.10 微秒 |

  list 是一个个比过去，平均要翻一半元素；set 是先算哈希直接跳到那个格子，元素多少都差不多。
  这次的差距是 3200 倍。
  set 这一次快到计时器的分辨率边缘了，单次 0.1 微秒这个数只能看个量级，不比它更准。
  比的是「差三个数量级」这件事，不是具体多少微秒。
  但 set 有代价：占内存更多，元素必须能算哈希（列表就不能放进去），顺序也不保留。

  ⑤ 用户没给的参数怎么补
  --------------------------------------------------------------------
    用户什么都没给：
      format  = mp4
      outdir  = C:\Users\admin\Downloads
      quality = best
  if not getattr(...) 会把「没给」和「给了空字符串」当成一回事。
  严格点应该判断 is None，因为空字符串有时是用户故意给的。

第一段那个 expanduser 是本篇第一个实用技巧。 ~ 不会被自动展开，直接写 open('~/a.txt') 会在当前目录建一个名叫 ~ 的文件夹，不报错，只是建错地方。 第二段两种去重的顺序不一样：list 去重保住原来的先后，set 去重按哈希排。 菜单要用前者，判断存在性用后者。 第三段那个差集就是断点续传的全部逻辑：待下载减去已下载，剩下的才是要下的。 注意差集有方向，写反了结论正好相反。 第四段那个倍数是数出来的，但要加定语：set 已经快到计时器边缘，单次那个微秒数只能看量级。 该记的是「差三个数量级」。 第五段末尾说的是一个通用毛病：not 会把 None 和空字符串一起当成假。 「没给」和「给了空」意思不同，得分开判。

30 秒实验

1. 把演示第一段的 expanduser('~/Downloads') 换成 '~/Downloads'，然后真的 open 一下， 看文件建到哪去了——建完记得删。
2. 把演示第三段的 todo - done 改成 done - todo，看结果变成什么。
3. 把演示第四段的 big 长度从 20000 改成 200，再跑一次，看倍数怎么变（提示：元素少了， list 的平均查找次数也少了）。

常见误区

1. 「'~/Downloads' 会自动展开成用户目录。」不会。 要写 os.path.expanduser()。 不写的话会在当前目录建一个叫 ~ 的文件夹，不报错， 只是建错地方。
2. 「set 去重比 list 好，一行就够。」它不保序。 菜单、下拉框这种要固定顺序的地方必须用 list 去重。
3. 「if not x 就是判断「没给值」。」它把 None、''、0、[] 全算成没给。 「没给」和「给了空」是两件事，该用 is None。

下一篇收尾：按什么排序、出了错怎么接、怎么叫外部程序干活。

• ☐ （本篇完，下一篇 5.3 排序、try except 与调用 FFmpeg）

相关笔记

• pip、Codec 与下载模块
• 排序、try except 与调用 FFmpeg
• 编程原理 · 索引
• 🐍 超图解 Python 程序设计入门 · 索引