批处理打开文件或文件夹
问题：
安装了robotframework+selenium+Python3.7自动化测试框架后，由于是自带路径，所以在电脑中很难去找ride.py文件所在路径，所以使用批处理命令打开最为方便。
处理：
1、桌面新建python.txt文件，如图：

2、找到ride.py文件所在路径。（所需打开的文件所在路径），如图：

3、双击打开python.txt文件；
方法一：
Start “” “C:\Users\Administrator\AppData\Local\Programs\Python\Python37\Scripts\ride.py”

方法二：
C:
cd \Users\Administrator\AppData\Local\Programs\Python\Python37\Scripts
Start ride.py

4、保存时，更改后缀为.bat，后如图：

5、双击执行即可。

SPU = Standard Product Unit （标准产品单位）SPU是商品信息聚合的最小单位，是一组可复用、易检索的标准化信息的集合，该集合描述了一个产品的特性。通俗点讲，属性值、特性相同的商品就可以称为一个SPU。例如：iphone4就是一个SPU，与商家，与颜色、款式、套餐都无关。（可以理解成规格单位）

SKU=stock keeping unit(库存量单位)SKU即库存进出计量的单位， 可以是以件、盒、托盘等为单位。SKU是物理上不可分割的最小存货单元。在使用时要根据不同业态，不同管理模式来处理。在服装、鞋类商品中使用最多最普遍。例如：纺织品中一个SKU通常表示：规格、颜色、款式。（库存或销售单位）

什么是SPU?什么是SKU

SPU（Standard Product Unit） 标准产品单元，是一组可复用、易检索的标准化信息的集合。 该集合描述了一个产品的特性，通俗一点讲： 属性值、特性相同的商品就是一组SPU

(╯‵□′)╯︵┻━┻

SKU（Stock Keeping Unit） 库存保有单位，是对每一个产品的唯一标识符；比如说：比如说同一件产品：衣服, 衣服的颜色、尺码、款式就是一组SKU， 颜色、尺码也是一组SKU, 颜色、款式也是一组SKU.

他们两个之间的关系呢就是. 我们所说的商品是一个泛化的东西，比如说shoppingmode 苹果手机，他是有很多种的， shoppingmode iphone4, 5, 6等等， 我们可以将Iphone 看做是手机中的一个商品， 然后 shoppingmode iphone 5s， 确定一个产品，即SPU， 然后在从产品具体细化到， 颜色、尺码等具体的属性就是 一个SKU了，

即： SPU + 具体属性1 + 具体属性2 + 具体属性n = SKU，

一般来说，咱们库存，都是要按照具体属性来的（即，SKU为最小库存单位） 不然店里面缺货了，都不知道该补哪些哪些？ 我要一个shoppingmode 苹果手机？？？5s ？？？？ 嗯？那店长就会说，请问是什么颜色的呢？ 请问是xxxxx

闭嘴，我用SKU存库存了…

自从我开始探索 Python 中惊人的语言功能已经有一段时间了。一开始，我给自己一个挑战，目的是让我练习更多的 Python 语言功能，而不是使用其他编程语言的编程经验。这让事情变得越来越有趣！代码变得越来越简洁，代码看起来更加结构化和规范化。下面我将会介绍这些好处。

通常如下使用场景中会用到 for 循环：

• 在一个序列来提取一些信息。
• 从一个序列生成另一个序列。
• 写 for 已成习惯。

幸运的是，Python 已经有很多工具可以帮助你完成这些工作，你只需要转移你的思路，并以不同的角度来思考它。

通过避免编写 for 循环，你可以获得什么好处：

• 较少的代码量
• 更好的代码可读性
• 更少的缩进（对 Python 还是很有意义的）

我们来看一下下面的代码结构：

# 1
with ...:
    for ...:
        if ...:
            try:
            except:
        else:

在这个例子中，我们正在处理多层嵌套的代码，这很难阅读。这个例子使用了多层嵌套的代码。我在这段代码中发现它无差别使用缩进把管理逻辑（with, try-except）和业务逻辑（for, if）混在一起。如果你遵守只对管理逻辑使用缩进的规范，那么核心业务逻辑应该立刻脱离出来。

"扁平结构比嵌套结构更好" - The Zen of Python

可以使用的已有的工具来替换 for 循环

1. List Comprehension / Generator 表达式

我们来看一个简单的例子。如果你想将一个数组转换为另一个数组：

result = []
for item in item_list:
    new_item = do_something_with(item)
    result.append(item)

如果你喜欢 MapReduce，你也可以使用 map，或者 Python 中的 List Comprehension：

result = [do_something_with(item) for item in item_list]

同样，如果您只想迭代数组中的元素，也可以使用一样的代码 Generator Expression。

result = (do_something_with(item) for item in item_list)

2. 函数

如果您想要将一个数组映射成另外数组，只需调用 map 函数，就可以用一个更高级、更实用的编程方式解决这个问题。

doubled_list = map(lambda x: x * 2, old_list)

如果要将序列减少为单个，请使用 reduce

from functools import reduce
summation = reduce(lambda x, y: x + y, numbers)

另外，许多 Python 内置函数都会使用 iterables：

>>> a = list(range(10))
>>> a
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> all(a)
False
>>> any(a)
True
>>> max(a)
9
>>> min(a)
0
>>> list(filter(bool, a))
[1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> set(a)
{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
>>> dict(zip(a,a))
{0: 0, 1: 1, 2: 2, 3: 3, 4: 4, 5: 5, 6: 6, 7: 7, 8: 8, 9: 9}
>>> sorted(a, reverse=True)
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
>>> str(a)
'[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]'
>>> sum(a)
45

3. Extract Functions or Generators

上述两种方法是很好的处理更简单的逻辑。更复杂的逻辑怎么样？作为程序员，我们编写函数来抽离出复杂的业务。相同的想法适用于此。如果你是这样写的：

results = []
for item in item_list:
    # setups
    # condition
    # processing
    # calculation
    results.append(result)

显然你对一个代码块添加了太多的责任。相反，我建议你做：

def process_item(item):
    # setups
    # condition
    # processing
    # calculation
    return result

results = [process_item(item) for item in item_list]

如果换成嵌套函数会如何

results = []
for i in range(10):
    for j in range(i):
        results.append((i, j))

换成 List Comprehension 来实现是这样的：

results = [(i, j)
           for i in range(10)
           for j in range(i)]

如果你的代码块需要记录一些内部状态

# finding the max prior to the current item
a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8]
results = []
current_max = 0
for i in a:
    current_max = max(i, current_max)
    results.append(current_max)

# results = [3, 4, 6, 6, 6, 9, 9, 9, 9, 9]

我们使用 generator 来实现这一点：

def max_generator(numbers):
    current_max = 0
    for i in numbers:
        current_max = max(i, current_max)
        yield current_max

a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8]
results = list(max_generator(a))

读者可能要问 “等等！你在 generator 中用到 for 循环，作弊啊！别急，再看看下面的代码。

不要自己写。itertools 会帮你实现了

这个模块很简单。我相信这个模块在大多数场景中可以替换你原先的 for 循环。例如，最后一个例子可以重写为：

from itertools import accumulate
a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8]
resutls = list(accumulate(a, max))

另外，如果要迭代组合序列，则需要使用product()， permutations()， combinations()。

结论

• 在大多数情况下，您都不需要编写 for 循环。
• 你应该避免编写 for 循环，这样会有更好的代码可读性。