Python【基础第四篇】

一、迭代器(iterator)

迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退，不过这也没什么，因为人们很少在迭代途中往后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件

特点：

• 访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容
• 不能随机访问集合中的某个值 ，只能从头到尾依次访问
• 访问到一半时不能往回退
• 便于循环比较大的数据集合，节省内存

#iter()

s = '民主在哪里'   #s是一个iterable对象，它有__getitem__()方法

it = iter(s)             #it是一个iterator对象，它有 __next__()和__iter__()方法

print(s)
print(it.__next__())
print(it.__next__())
print(it.__next__())
print(it.__next__())
输出结果：
民主在哪里
民
主
在
哪

生成器(generator)

定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器

def cash_money(a):

    while a >0:

        a -= 100

        yield '取走100'                   

        print('又来拿钱了！')

atm = cash_money(500)

print(atm.__next__())

print('我是败家子，全部花掉')

print(atm.__next__())

print('花掉一分不剩')

print(atm.__next__())

• 作用：

这个yield的主要效果呢，就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以再重新调用这个函数，从上次yield的下一句开始执行。

另外，还可通过yield实现在单线程的情况下实现并发运算的效果

import time

def consumer(name):

    print("%s 准备吃包子啦!" %name)

    while True:

       baozi = yield

 

       print("包子[%s]来了,被[%s]吃了!" %(baozi,name))

 

def producer(name):

    c = consumer('A')

    c2 = consumer('B')

    c.__next__()

    c2.__next__()

    print("老子开始准备做包子啦!")

    for i in range(3):

        time.sleep(1)

        print("做了2个包子!")

        c.send(i)　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　#send方法是传送yield值

        c2.send(i)　　　　　　　　　　　　　　　　　　　　　　　　　　

 

producer('xigang')

二、装饰器

def login(func):

    def inner(arg):

        print('验证')

        return func(arg)

    return inner

@login                                                        #相当于： tv = login(tv)

def tv(arg1):

    print('welcom to tv page')

 

def movie():

    print('movie')

 

movie()

tv(1)

结果：

结果：

movie
验证
welcom to tv page

带参数装饰器

#!/usr/bin/env/ python



def Before(request,kargs):

    print('before')



def After(request,kargs):

    print('after')



def Filter(before_func,after_func):

    def outer(main_func):

        def wrapper(request,kargs):

            before_result = before_func(request,kargs)

            if(before_result != None):

                return before_result

            main_result = main_func(request,kargs)

            if(main_result != None):

                return main_result

            after_result = after_func(request,kargs)

            if(after_result != None):

                return after_result

        return wrapper

    return outer



@Filter(Before, After)

def Index(request,kargs):

    print('index')



Index(1,2)

三、递归

特点

递归算法是一种直接或者间接地调用自身算法的过程。在计算机编写程序中，递归算法对解决一大类问题是十分有效的，它往往使算法的描述简洁而且易于理解。

递归算法解决问题的特点：

• 递归就是在过程或函数里调用自身。

• 在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。

• 递归算法解题通常显得很简洁，但递归算法解题的运行效率较低。所以一般不提倡用递归算法设计程序。

• 在递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成栈溢出等。所以一般不提倡用递归算法设计程序。

要求

递归算法所体现的“重复”一般有三个要求：

• 一是每次调用在规模上都有所缩小(通常是减半)；

• 二是相邻两次重复之间有紧密的联系，前一次要为后一次做准备(通常前一次的输出就作为后一次的输入)；

• 三是在问题的规模极小时必须用直接给出解答而不再进行递归调用，因而每次递归调用都是有条件的(以规模未达到直接解答的大小为条件)，无条件递归调用将会成为死循环而不能正常结束。

当在上千万元素列表中查找一个元素，遍历列表会非常慢，一个一个遍历寻找，用递归方法可以迅速找到，如下：

def binary_search(data_source,find_n):

    mid = int(len(data_source)/2)

    if len(data_source)>1:

        if data_source[mid] >find_n:

            print('data in left of %s' % data_source[mid])

            binary_search(data_source[:mid],find_n)

        elif data_source[mid] <find_n:

            print('data in right of %s' % data_source[mid])

            binary_search(data_source[mid:],find_n)

        else:

            print('found find_s,',data_source[mid])

    else:

        print('cannot find ........')

 

if __name__ == '__main__':

    data = list(range(1,7000000))

    binary_search(data,655350)

四、算法

要求：生成一个4*4的2维数组并将其顺时针旋转90度

array=[[col for col in range(5)] for row in range(5)] #初始化一个4*4数组

#array=[[col for col in 'abcde'] for row in range(5)]

  

for row in array: #旋转前先看看数组长啥样

    print(row)

  

print('-------------')

for i,row in enumerate(array):

  

    for index in range(i,len(row)):

        tmp = array[index][i] #get each rows' data by column's index

        array[index][i] = array[i][index] #

        print tmp,array[i][index]  #= tmp

        array[i][index] = tmp

    for r in array:print r

  

    print('--one big loop --')

五、正则表达式

匹配格式

模式 描述
^ 匹配字符串的开头
$ 匹配字符串的末尾。
. 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...] 用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...] 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re* 匹配0个或多个的表达式。
re+ 匹配1个或多个的表达式。
re? 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}
re{ n,} 精确匹配n个前面表达式。
re{ n, m} 匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b 匹配a或b
(re) G匹配括号内的表达式，也表示一个组
(?imx) 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx) 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re) 类似 (...), 但是不表示一个组
(?imx: re) 在括号中使用i, m, 或 x 可选标志
(?-imx: re) 在括号中不使用i, m, 或 x 可选标志
(?#...) 注释.
(?= re) 前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re) 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re) 匹配的独立模式，省去回溯。
w 匹配字母数字
W 匹配非字母数字
s 匹配任意空白字符，等价于 [ f].
S 匹配任意非空字符
d 匹配任意数字，等价于 [0-9].
D 匹配任意非数字
A 匹配字符串开始
 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。c
z 匹配字符串结束
G 匹配最后匹配完成的位置。
 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
B 匹配非单词边界。'erB' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
, , 等. 匹配一个换行符。匹配一个制表符。等
1...9 匹配第n个分组的子表达式。
10 匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。

正则表达式常用5种操作

• 1、re.match(pattern, string)　　　　 # 从头匹配

• 2、re.search(pattern, string)　　　　# 匹配整个字符串，直到找到一个匹配

• 3、re.split()　　　　　　　　　　　　# 将匹配到的格式当做分割点对字符串分割成列表

>>>m = re.split("[0-9]", "alex1rain2jack3helen rachel8")

>>>print(m)

输出：　['alex', 'rain', 'jack', 'helen rachel', '']

• 4、re.findall()　　　　　　　　　　# 找到所有要匹配的字符并返回列表格式

>>>m = re.findall("[0-9]", "alex1rain2jack3helen rachel8")

>>>print(m)<br>

输出：['1', '2', '3', '8']

• 5、re.sub(pattern, repl, string, count,flag) 　　　# 替换匹配到的字符

m=re.sub("[0-9]","|", "alex1rain2jack3helen rachel8",count=2 )

print(m)

输出：alex|rain|jack3helen rachel8

• re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。