一、装饰器
1、无参装饰器的补充
def outter(func): def wrapper(*args, **kwargs): res = func(*args, **kwargs) # res=index(1,2) return res @outter # index=outter(index) def index(x,y): """这个是主页功能""" print(x,y)
看上去神不知鬼不觉得将index偷换成了wrapper，但是，如果你的用户有查看帮助信息的习惯，还是会露出原型：
Traceback (most recent call last): File "//practice/day18/practice_1.py", line 14, in <module> print(index.__name__) AttributeError: 'NoneType' object has no attribute '__name__'
那么应该怎么做，才能达到以假乱真的目的了。这里就要使用functools.wraps对wrapper进行装饰了
from functools import wraps def outter(func): @wraps(func) def wrapper(*args, **kwargs): res = func(*args, **kwargs) # res=index(1,2) return res return wrapper @outter # index=outter(index) def index(x, y): """这个是主页功能""" print(x, y) print(index.__name__) print(index.__doc__)
wraps会将func的属性给wrapper
#运行效果：
index
这个是主页功能
这就涉及到有参装饰器的使用了
2、有参装饰器
（1）知识储备
# 一：知识储备 # 由于语法糖@的限制，outter函数只能有一个参数，并且该才是只用来接收 # 被装饰对象的内存地址 # def outter(func): # # func = 函数的内存地址 # def wrapper(*args,**kwargs): # res=func(*args,**kwargs) # return res # return wrapper # # # @outter # index=outter(index) # index=>wrapper # @outter # outter(index) # def index(x,y): # print(x,y) # 偷梁换柱之后 # index的参数什么样子，wrapper的参数就应该什么样子 # index的返回值什么样子，wrapper的返回值就应该什么样子 # index的属性什么样子，wrapper的属性就应该什么样子==》from functools import wraps
那么，如果我们还有需求，需要往wrapper里面传参数，怎么办了？
wrapper的参数不能动（对应func的参数），outter的参数也不能动（因为要使用语法糖@outter）
这时候就要借助闭包函数的强大了
def auth(db_type): def deco(func): def wrapper(*args, **kwargs): name = input('your name>>>: ').strip() pwd = input('your password>>>: ').strip() if db_type == 'file': print('基于文件的验证') if name == 'egon' and pwd == '123': res = func(*args, **kwargs) # index(1,2) return res else: print('user or password error') elif db_type == 'mysql': print('基于mysql的验证') elif db_type == 'ldap': print('基于ldap的验证') else: print('不支持该db_type') return wrapper return deco @auth(db_type='file') # @deco # index=deco(index) # index=wrapper def index(x, y): print('index->>%s:%s' % (x, y)) @auth(db_type='mysql') # @deco # home=deco(home) # home=wrapper def home(name): print('home->>%s' % name) @auth(db_type='ldap') # 账号密码的来源是ldap def transfer(): print('transfer') # index(1, 2) # home('egon') # transfer()
在无参装饰器外面再包一层
# 有参装饰器模板 def 有参装饰器(x,y,z): def outter(func): def wrapper(*args, **kwargs): res = func(*args, **kwargs) return res return wrapper return outter @有参装饰器(1,y=2,z=3) def 被装饰对象(): pass
二、可迭代对象与迭代器
1、什么是迭代器
#迭代器指的是迭代取值的工具，迭代是一个重复的过程，每次重复都是基于上一次的结果而继续的，单纯的重复并不是迭代
2、为什么要有迭代器了
迭代器是用来迭代取值的工具，而涉及到把多个值循环取出来的类型，有：列表、字符串、元组、字典、集合、打开文件
l=['egon','liu','alex'] i=0 while i < len(l): print(l[i]) i+=1
上述迭代取值的方式只适用于有索引的数据类型：列表、字符串、元组，为了解决基于索引迭代器取值的局限性，python必须提供一种能够不依赖于索引的取值方式，这就是迭代器。
3、如何用迭代器
#可迭代对象：但凡内置有__iter__方法的都称之为可迭代的对象 #迭代器：但凡内置有__iter__方法和__next__的都称之为迭代器 常见的可迭代对象： 列表、元组、字典、集合、字符串 >>> lst = [1,2,3] >>> lst.__iter__() <list_iterator object at 0x000001624E039D30> >>> str_1 = 'hello' >>> str_1.__iter__() <str_iterator object at 0x000001624E05D5B0> >>> dict_1 = {'name':'egon'} >>> dict_1.__iter__() <dict_keyiterator object at 0x000001624E0DA180> >>> s = {1,3,5,6} >>> s.__iter__() <set_iterator object at 0x000001624DF3DC40> >>> t = (66,77,88) >>> t.__iter__() <tuple_iterator object at 0x000001624E00AE50> >>> 迭代器： 文件 >>> f = open('1.txt',mode='w',encoding='utf-8') >>> f.__iter__()
2、调用可迭代对象下的__iter__方法会将其转换成迭代器对象
d={'a':1,'b':2,'c':3}
d_iterator=d.__iter__()
# print(d_iterator)
# print(d_iterator.__next__())
# print(d_iterator.__next__())
# print(d_iterator.__next__())
# print(d_iterator.__next__()) # 抛出异常StopIteration
# while True:
# try:
# print(d_iterator.__next__())
# except StopIteration:
# break
#
# print('====>>>>>>') # 在一个迭代器取值取干净的情况下，再对其取值娶不到
# d_iterator=d.__iter__()
# while True:
# try:
# print(d_iterator.__next__())
# except StopIteration:
# break
# l=[1,2,3,4,5]
# l_iterator=l.__iter__()
#
# while True:
# try:
# print(l_iterator.__next__())
# except StopIteration:
# break
结论：
# 3、可迭代对象与迭代器对象详解 # 3.1 可迭代对象（"可以转换成迭代器的对象"）：内置有__iter__方法对象 # 可迭代对象.__iter__(): 得到迭代器对象 # 3.2 迭代器对象：内置有__next__方法并且内置有__iter__方法的对象 # 迭代器对象.__next__（）：得到迭代器的下一个值 # 迭代器对象.__iter__（）：得到迭代器的本身，说白了调了跟没调一个样子 # dic={'a':1,'b':2,'c':3} # # dic_iterator=dic.__iter__() # print(dic_iterator is dic_iterator.__iter__().__iter__().__iter__()) # # 4、可迭代对象：字符串、列表、元组、字典、集合、文件对象 # 迭代器对象：文件对象 # s1='' # s1.__iter__() # # l=[] # l.__iter__() # # t=(1,) # t.__iter__() # # # d={'a':1} # d.__iter__() # # set1={1,2,3} # set1.__iter__() # # # with open('a.txt',mode='w') as f: # f.__iter__() # f.__next__() # 5、for循环的工作原理：for循环可以称之为叫迭代器循环 d={'a':1,'b':2,'c':3} # 1、d.__iter__()得到一个迭代器对象 # 2、迭代器对象.__next__()拿到一个返回值，然后将该返回值赋值给k # 3、循环往复步骤2，直到抛出StopIteration异常for循环会捕捉异常然后结束循环 # for k in d: # print(k) # with open('a.txt',mode='rt',encoding='utf-8') as f: # for line in f: # f.__iter__() # print(line) # list('hello') #原理同for循环
迭代器的优缺点：
# 6、迭代器优缺点总结 # 6.1 优点： # I、为序列和非序列类型提供了一种统一的迭代取值方式。 # II、惰性计算：迭代器对象表示的是一个数据流，可以只在需要时才去调用next来计算出一个值，就迭代器本身来说，同一时刻在内存中只有一个值，因而可以存放无限大的数据流，而对于其他容器类型，如列表，需要把所有的元素都存放于内存中，受内存大小的限制，可以存放的值的个数是有限的。 # 6.2 缺点： # I、除非取尽，否则无法获取迭代器的长度 # # II、只能取下一个值，不能回到开始，更像是‘一次性的’，迭代器产生后的唯一目标就是重复执行next方法直到值取尽，否则就会停留在某个位置，等待下一次调用next；若是要再次迭代同个对象，你只能重新调用iter方法去创建一个新的迭代器对象，如果有两个或者多个循环使用同一个迭代器，必然只会有一个循环能取到值。
三、生成器
1、什么是生成器了
#生成器：就是自定义的迭代器
2、如何得到自定义的迭代器了
# 在函数内一旦存在yield关键字，调用函数并不会执行函数体代码 # 会返回一个生成器对象，生成器即自定义的迭代器 def func(): print('第一次') yield 1 print('第二次') yield 2 print('第三次') yield 3 print('第四次') # g=func() # print(g) # 生成器就是迭代器 # g.__iter__() # g.__next__() # 会触发函数体代码的运行，然后遇到yield停下来，将yield后的值 # 当做本次调用的结果返回 # res1=g.__next__() # print(res1) # # # res2=g.__next__() # print(res2) # # res3=g.__next__() # print(res3) # # res4=g.__next__()
# len('aaa') # 'aaa'.__len__()
# next(g) # g.__next__()
# iter(可迭代对象) # 可迭代对象.__iter__()
2、应用场景
def my_range(start,stop,step=1): # print('start...') while start < stop: yield start start+=step # print('end....') # g=my_range(1,5,2) # 1 3 # print(next(g)) # print(next(g)) # print(next(g)) for n in my_range(1,7,2): print(n)
小结：
# yield： # 有了yield关键字，我们就有了一种自定义迭代器的实现方式。yield可以用于返回值，但不同于return，函数一旦遇到return就结束了，而yield可以保存函数的运行状态挂起函数，用来返回多次值