关于装饰器的更多信息可以参考http://egon09.blog.51cto.com/9161406/1836763
1.装饰器Decorator
装饰器：本质上是函数，（装饰其他函数），就是为其他函数添加附加功能
原则：不能修改被装饰函数的源代码；不能修改被装饰函数的调用方式
#实现装饰器的知识储备：
1.函数即变量
2.高阶函数，有两种方式:
(1)把一个函数名当做实参传递给另一个函数(在不修改被装饰函数源代码的情况下为其添加功能)
(2)返回值中包含函数名(不修改函数调用的方式)
3.嵌套函数
高阶函数+嵌套函数==》装饰器import time #计算一个函数的运行时间的装饰器 def timer(func): def wrapper(*kargs,**kwargs): start_time=time.time() func() end_time=time.time() print("the func runtime is %s"%(end_time-start_time)) return wrapper @timer def test1(): time.sleep(3) print("in the test1....") test1()
#嵌套函数 #局部作用域和全局作用域的访问顺序 x=0 def grandpa(): x=1 print("grandpa:",x) def dad(): x=2 print("dad:",x) def son(): x=3 print("son:",x) son() dad() grandpa()
#匿名函数：没有定义函数名字的函数 calc=lambda x,y:x+y print(calc(13,15))import time def timer(func): def deco(*kargs,**kwargs): start_time=time.time() func(*kargs,**kwargs) end_time=time.time() print(" the func runtime is %s"%(end_time-start_time)) return deco @timer # test1=timer(test1) def test1(): time.sleep(2) print("in the test1.....") # test1=timer(test1) test1() @timer def test2(name,age): time.sleep(3) print("in the test2:",name,age) test2("Jean_V",20)
2.列表生成式#装饰器进阶版 #对各个页面添加用户认证 username,password="admin","123" def auth(auth_type): print("auth_type:",auth_type) def out_wrapper(func): def wrapper(*args,**kwargs): if auth_type=="local": uname=input("请输入用户名：").strip() passwd=input("请输入密码：").strip() if uname==username and passwd==password: print(" 33[32;1m User has passed authentication 33[0m") res=func(*args,**kwargs) print("************after authentication") print(res) else: exit(" 33[31;1m Invalid username or password 33[0m") elif auth_type=="LADP": print("我不会LADP认证，咋办？。。。") return wrapper return out_wrapper def index(): print("index page......") @auth(auth_type="local")#home 页采用本地验证 def home(): print("home page.....") return "from home page....." @auth(auth_type="LADP")#bbs 页采用LADP验证 def bbs(): print("bbs page....") index() print(home()) home() bbs()
#列表生成式:一句代码更加简洁 a=[i*2 for i in range(10)] print(a) b=[i*i for i in range(20)] print(b) #上面的列表生成式等同于 res=[] for i in range(10): res.append(i*2) print(res) #列表生成式的更加高级的用法： #[funv(i) for i in range(10)] def fun(n):#定义一个求阶乘的函数 if n>1: return n*fun(n-1) else: return 1 #利用函数生成10以内的阶乘 c=[fun(i) for i in range(10)] print(c)
3.迭代器与生成器
参考信息：http://www.cnblogs.com/alex3714/articles/5765046.html
生成器：按照某种算法可以进行推算，不必创建完整的List，节省大量空间，在迭代过程中一边循环一边计算的机制，称之为生成器generator
创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
针对generator可以使用for循环输出；因为generator也是可迭代对象
for j in g:
print(j)
如果要一个一个打印出来，可以通过__next__()函数获得generator的下一个返回值：
著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
#斐波那契数列 #输出斐波那契数列的前m个数 def fibnacci(m): n,a,b=0,0,1 while n<m: print(b) a,b=b,a+b #这一句相当于：t=(b,a+b) a=t[0] b=t[1] n+=1 return 'done' fibnacci(10)
上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
#斐波那契数列 #输出斐波那契数列的前m个数 def fibnacci(m): n,a,b=0,0,1 while n<m: yield b #这一句很关键 a,b=b,a+b #这一句相当于：t=(b,a+b) a=t[0] b=t[1] n+=1 return ' well done'#异常的时候显示的信息 f=fibnacci(10) for i in f: print(i) g=fibnacci(6) #捕获异常并处理 while True: try: x=next(g) print("g:",x) except StopIteration as e: print("Generator return value :",e.value) break
在上面fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。
同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：
但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：
还可通过yield实现在单线程的情况下实现并发运算的效果
生产者消费者问题 （通过生成器实现协程并行运算）
#生产者消费者问题 import time def consumer(name): print("%s,准备好吃汉堡包了"%name) while True: hamburg=yield print("第[%s]个汉堡包来了，被[%s]吃了"%(hamburg+1,name)) def producer(name): c1=consumer('Alice') c2=consumer('Bob') #生产者生产的时候需要通知消费者前来吃 c1.__next__() c2.__next__() print("%s,开始做汉堡包了"%name) for i in range(10): time.sleep(1.5) print("做好了1个汉堡包，可以吃了") c1.send(i) c2.send(i) producer("Jean")
迭代器
可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str、bytes等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
可以使用isinstance()判断一个对象是否是Iterable对象：
而生成器不但可以作用于for循环，还可以被__next__()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
*可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可以使用isinstance()判断一个对象是否是Iterator对象：
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数：
#迭代器 range(10)表示一个可迭代对象,不是迭代器 from collections import Iterable from collections import Iterator a=range(10) print(a) print(type(a)) print(isinstance(a,Iterable)) print(isinstance(range(20),Iterator)) for x in a: print(x) #for循环其实就是__next__函数不断迭代出来的
Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator
小结：
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
4.python 内置函数
参考python官方信息：https://docs.python.org/3/library/functions.html
#内置函数 #all（Iterable）,当所有的元素都是为true，则返回true；0为false，非零为true print(all([1,2]))#True print(all([0,1,2]))#false print(any([0,1,2]))#True print(ascii([1,2,"hello","你好世界"]))#[1, 2, 'hello', 'u4f60u597du4e16u754c'] print(bin(128))#十进制转二进制#0b10000000 #字符串不能修改，只是生成一个新的字符串；二进制的字符串更不可以修改 a=bytes("abcde",encoding="utf8")#二进制类型 print(a) print(a.capitalize()) b=bytearray("abcde",encoding="utf-8") print(b[0])#97 b[2]=54#在bytearry 中可以修改 print(b) print(chr(97))#'a' print(ord('a'))#97 print(divmod(5,2))#返回商和余数 #filter过滤器 #编写过滤器，把奇数过滤掉，打印剩下剩下偶数 res=filter(lambda n:n%2==0,range(100)) for x in res: print(x) #map函数,映射函数 res2=map(lambda n:n*n,range(10)) for x in res2: print(x) import functools #reduce 函数，求累加 res3=functools.reduce(lambda x,y:x+y,range(10)) print(res3) #利用reduce求阶乘 res4=functools.reduce(lambda x,y:x*y,range(1,10)) print(res4) #打印当前页面中的变量利用《key，values》的字典样式 print(globals())#全局变量 print(locals())#局部变量 #hex()转成十六进制，oct转八进制 print(hex(361)) print(oct(361)) #python中一切皆对象，python是一门面向对象的解释性语言 print(pow(2,8))#2的八次方 print(round(3.555412,2))#四舍五入法，3.56 a={5:12,3:14,-51:25,45:98,100:23,56:78} print(sorted(a.items()))#将字典进行排序,默认采用key进行排序 print(sorted(a.items(),key=lambda x:x[1]))#将字典进行排序,使用的value进行排序 print(a) #zip()将两个对象的元素对应起来 A=[1,2,3,4] B=['a','b','c','d','e','f'] for i in zip(A,B): print(i)
#内置函数中的compile()方法 #把fibnacci函数进行编译并执行 code='''#输出斐波那契数列的前m个数 def fibnacci(m): n,a,b=0,0,1 while n<m: yield b #这一句很关键，yield返回当前状态，保存当前状态 a,b=b,a+b #这一句相当于：t=(b,a+b) a=t[0] b=t[1] n+=1 return ' well done'#异常的时候显示的信息 f=fibnacci(10) for i in f: print(i) ''' # py_obj=compile(code,"err.log","exec") # exec(py_obj) exec(code)
5.序列化与反序列化
把变量从内存中变成可存储或传输的过程称之为序列化，在Python中可以利用
json
或则
pickle
序列化之后，就可以把序列化后的内容写入磁盘，或者通过网络传输到别的机器上。
反过来，把变量内容从序列化的对象重新读到内存里称之为反序列化
更多信息可以参考：http://www.cnblogs.com/MnCu8261/p/5539254.html
#json 序列化 #pickle序列化：与接送序列化相似，只是更高级而已 #将信息写入到硬盘上 import json import pickle def sayhi(name): print("name",name) info={ 'name':'Jean_V', 'age':22, 'time':'2017-10-11', 'func':sayhi } #f=open("json_test.txt",'b') f=open("json_test.txt",'wb')#使用pickle时要使用二进制编码格式，wb，rb等 # f.write(json.dumps(info)) f.write(pickle.dumps(info)) # f.write(str(info))也是ok f.close()
#json反序列化 #pickle反序列化：与json序列化相似，支持更高级的 #从硬盘上把信息加载到内存中 import json import pickle def sayhi(name): print("name",name) print("name2:",name) f=open("json_test.txt","rb") # f=open("json_test.txt",'r') #print(eval(f.read())['age'])也可以ok # data=json.loads(f.read()) data=pickle.loads(f.read()) print(data) print(data['age']) print(data['func']) print(data['func']("Jean_Name"))
#pickle 序列化 #dump多次，只是复制了新的版本，原来的版本信息还在，因此： #建议dump一次，load一次，保持最新的 import pickle info={ 'name':"Jean_V", 'age':22, 'hello':'hello friends' } f=open("json_test2.txt",'wb') pickle.dump(info,f) f.close()
#pickle反序列化 import pickle f=open("json_test2.txt","rb") data=pickle.load(f)#等同于data=pickele.loads(f.read()) print(data['name']) f.close()
6.作业