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