python学习笔记 第九章 回顾补充2

Python学习笔记 第九章 回顾补充2

1.模块

什么是模块：本质就是py文件，封装语句的最小单位

自定义模块：时机上就是定义.py可以包含：变量定义，可执行语句，for循环，函数定义等等，统称为模块的成员

为什么要有模块：

• 拿来主义，提高开发效率
• 便于管理维护
• 什么是脚本
  • 脚本就是py文件，长期保存代码的文件

模块的分类

• 内置模块，大约有200种，python解释器自带的模块，如time, os, sys, hashlib
• 第三方模块6000多种，一些大牛写的，非常好用，pip install安装， 如request , django, flask
• 自定义模块，自己写一个py文件

1.1模块的导入

模块的运行方式：直接用解释器运行，或者pycharm

模块方式：被其他的模块带入，为导入他的模块提供资源（变量，函数定义，类定义）

第一次import导入模块执行三件事情，会将这个模块里面的所有代码加载到内存当中，只要你的程序没有结束，接下来你在用多少次，他会优先在内存中寻找有没有此模块，如果已经加载到内存，就不需要重复加载

• 在内存中创建一个以模块名命名的名称空间
• 执行此名称空间所有的可执行代码（p y文件中所有的变量与值的对应关系加载到这个名称空间）
• 通过模块名. 的方法。调用此模块的内容（变量、函数名、类名）

被导入模块有独立的名称空间

#a.py
name = 'aaa'
def func():
  global name
  name = 'ccc'

#b.py
import a
name = 'bbb'
a.func()      #引用a.py中的func函数，会自动创建一个命名空间，是模块独有的
print(name)   #bbb  本文件中的name
print(a.name) #ccc  a.py中的name

注意：

#a.py
def func():   #<function 1111>
  print(555)

#b.py
from a import func
def func():  #<function 1111>
  print(666)

func()  #555  <function 1111>  执行的是模块里面的函数
#再定义一个相同的函数，不是在本文件中创建一个新的函数，而是创建一个变量func，但是func指向还是a.py中的func的内存地址
#因为模块中有，便会一直引用

#a.py
def func():
  global name
  name = 'aaa'
  
#b.py
from a import func
name = 'bbb'
print(name) #bbb
func()      # name = 'aaa'
print(name) #bbb

from a import func
print(name)  #aaa 此时将b.py中的name覆盖掉

#python提供一种方法，检查是否是当前运行的脚本__name__
#判断该模块是属于开发阶段，还是使用阶段
#在脚本方式运行的时候，__name__是固定的字符串__main__
#在以模块方式被导入的时候，__name__就是本模块的名字
if __name__ == '__main__':
  run()

import sys
print(sys.path) #查看

#添加路径
sys.path.append(r'D:app') #绝对路径

#相对路径
#__file__ 当前文件所在的绝对路径
import os
#使用os模块获取父路径
ret = os.path.dirname(__file__)

sys.path.append(ret + '/app')

系统导入模块的路径：

• 内存中，如果之前成功导入过某个模块，直接使用已经存在的模块
• 内置路径中：安装路径下：lib
• python path : import 时寻找模块的路径
• sys.path 是一个路径的列表 （动态修改sys.path不会影响到python的其他模块）

如果上面都找不到，就会报错

导入模块的多种方式：

• import xxx:导入一个模块的所有成员

• import aaa, bbb：一次性导入多个模块，不推荐这种写法，分开写

• from xxx import a: 从某个模块导入某个成员

• from xxx import a, b, c:从某个模块中导入多个成员

• from xxx import *:从模块中导入所有成员

  #__all__可以控制被导入成员
  
  #my_module.py
  __all__ = ['a', 'b']    #控制成员被外界使用
  
  a = 1
  b = 2
  c = 3
  
  #run.py
  from my_module import *
  #此时只能导入__all__中的成员， __all__只针对这种方式的导入生效，其他方式都不生效
  
  #使用如下方式可以绕过__all__的限制
  import my_module
  
  

注意：import xxx和from xxx import *的区别

• 第一种方式在使用其中成员时，必须使用模块名作为前缀，不容易产生命名冲突
• 第二种方式在使用成员时，不用使用模块名作为前缀，直接使用成员名即可，容易产生命名冲突，在后定义的成员生效（覆盖）

解决名称冲突的方式：

• 该用import xxx这种方式导入

• 自己避免使用同名

• 使用别名解决冲突

  #给成员起别名，避免名称冲突  as  --> alias
  from xxx imoprt age as a
  #给模块取名，目的简化书写
  import my_module as m
  

#一般情况下把项目的父路径加入到sys.path中即可
import os, sys
sys.path.append(os.path.dirname(__file__))

相对路径：包含了点号的一个相对路径

.表示的是当前的路径

..表示的是父路径

...表示的是父路径的父路径

1.2常用模块

1.2.1random

此模块提供了随机数获取的方法：

• random.random获取[0.0, 1.0]范围内的浮点数
• random.randint(a, b) 获取[a, b]范围内的整数
• random.uniform(a, b)获取[a, b]范围内的浮点数
• random.shuffle(x)：将参数指定的数据元素打乱，参数必须是可变的数据类型，如列表
• random.sample(x, k)：从x中随机抽取k个数据，组成一个列表返回

1.2.2time和datetime

import time
#获取时间戳:从1970 1 1 00:00:00 到现在经过的秒数
print(time.time())
#时间对象转换成时间戳
print(time.mktime(time.localtime()))

#获取格式化时间对象，由9个字段组成
print(time.gmtime())  #GMT
#time.struct_time(tm_year=2021, tm_mon=3, tm_mday=20, tm_hour=6, tm_min=47, tm_sec=58, tm_wday=5, tm_yday=79, tm_isdst=0)

print(time.localtime()) #当地之间

#格式化时间对象和字符串之间的转化
s = time.strftime('%Y %m %d %H:%M:%S')
print(s)

#把时间字符串转换成时间对象
time_obj = time.strptime('2020', '%Y')  #没有设置的会根据字段的默认值进行设置，如月份和日期会设置为1

#暂停当前程序
time.sleep(5)  #睡眠5秒

import datetime

#date类
d = datetime.date(2010, 10, 10) #2010-10-10
#获取date对象的各个属性
print(d.year, d.month, d.day)

#time类
t = datetime.time(10, 30, 30) #10:30:30
print(t.hour, t.minute, t,second)

#datetime
dt = datetime.datetime(2020, 10, 10, 10, 10, 10)
print(dt.year, dt.month, dt.day, dt.hour, dt.minite, dt.second)
print(dt) #2020-10-10 10:10:10

#timedelta 时间的变化量
#datetime.timedelta(days=0, seconds=0, microseconds=0, milliseconds=0, minutes=0, hours=0, weeks=0)
td = datetime.timedelta(days=1)
#参与数学运算
#创建时间对象
d = datetime.date(2020, 10, 10)
res = d + td
print(res) #2020-10-11

#时间的计算量计算是否会产生进位
t = datetime.datetime(2020, 10, 10, 10, 10, 59)
td = datetime.timedelta(seconds = 3)
res = t + td
print(res) #2020-10-10 10:11:02  #type(res):datetime.datetime
#和时间段进行运算的结果，类型和另一个操作数保持一致

1.2.3os

#文件操作的相关
import os 
os.remove('a.txt')

os.rename('a.txt', 'b.txt')

#删除目录，必须是空目录
os.removedirs('aa')

#shutil可以删除带内容的目录
import shutil
shutil.rmtree('aa')

#和路径相关的操作，被封装到另一个字模块中：os.path
os.path.dirname(r'd:/aaa/bbb/ccc/a.txt') # d:/aaa/bbb/ccc/ 不判断路径是否存在 

#获取文件名：
os.path.basename(r'd:/aaa/bbb/ccc/a.txt')  # a.txt

#将路径中的路径名和文件名切分开，返回类型是元组
os.path.split(r'd:/aaa/bbb/ccc/a.txt') # ('d:/aaa/bbb/ccc', 'a.txt')  前面的是路径，后面是文件名

#拼接路径
os.path.join('d:\', 'aaa', 'bbb', 'ccc')

#绝对路径
os.path.abspath(r'/aaa/bbb/ccc') #D:aaabbccc  以/开头的路径，默认在当前盘符下
os.path.abspath(r'bbb/ccc')  #D:aaabbccc
os.path.isabs('a.txt') #False 不是以盘符为开头，不是绝对路径

os.path.isdir('d:/a.txt') #是否是目录
os.path.isfile('d:/a.txt') #是否是文件
os.path.islink('d:/a.txt') #是否是快捷方式

1.2.4sys

#获取命令行方式运行的脚本后面的参数
import sys
print('脚本名', sys.argv[0])
print('第一个参数', sys.argv[1])
print('第二个参数', sys.argv[2])
print(type(sys.argv[1]))  #str

#解释器寻找模块的路径
sys.path
#已经加载的模块
sys.modules

1.2.5json

已经成为一种简单的数据交换格式

磁盘是一个线性数据，数据之间没有引用关系

结构化数据----》拆分（序列化过程）serialization -----> ..... ------>组装（反序列化过程）deserialization --->结构化数据

序列化：将内存中的数据，转换成字符串，用以保存在文件或者通过网络传输

反序列化：从文件中，网络中获取的数据，转换成内存中原来的数据类型

json：将数据转换成字符串，用于存储或者网络传输

t -> text
b -> binary
a -> append
w -> write
r -> read
#默认是rt

import json
s = json.dumps([1, 2, 3])
print(type(s)) #str

s = jsoon.dumps((1, 2, 3)) #元组可以被序列化，但是序列化后变成列表

#将json结果写入到文件当中
with open('a.txt', mode='at', encoding='utf-8') as f:
  json.dump([1, 2, 3], f)
  
#反序列化
json.loads(s) #还原成原来的数据类型， 注意元组经过序列化是列表，返回还是列表

#从文件中反序列化
with open('a.txt', mode='rt', encoding='utf-8') as f:
  ret = json.load(f) 
   
#json文件通常是一次性写，一次性读，使用另一种方式，可以实现多次写，多次读
#把需要序列化的对象，通过多次序列化的方式，用文件的write方法，把多次序列化的json字符串写入到文件中
with open('a.txt', mode='at', encoding='utf-8') as f:
  f.write(json.dumps([1, 2, 3]) + '
')
  f.write(json.dumps([4, 5, 6]) + '
')
  
with open('a.txt', mode='rt', encoding='utf-8') as f:
  json.loads(f.readline().strip())
  json.loads(f.readline().strip())
  for x in f:
    json.loads(x.strip())

python	json
dict	object
list, tuple	array
str	String
int, float, int -& float-derived Enums	number
True	true
False	false
None	null

1.2.6pickle

将python中所有的数据类型转换成字符串，序列化过程

将字符串转换成python数据类型，反序列化过程

import pickle

bys = pickle.dumps([1, 2, 3])
print(type(bys)) #bytes

bys = pickle.dumps((1, 2, 3))
ret = pickle.loads(bys)  
print(type(ret)) #tuple 保存了元组的类型

#json当中set不能使用，pickle则是所有的数据类型都可以序列化
bys = pickle.dumps(set('abc'))
res = pickle.loads(bys)
print(type(res)) #set

#读写文件 pickle常用的是一次读和一次写，不然读的时候次数不对会报错
with open('b.txt', mode='wb') as f:
  pickle.dump([1, 2, 3], f)
  #pickle.dump([1, 2, 3], f)
  #pickle.dump([1, 2, 3], f)

with open('b.txt', mode='rb') as f:
  pickle.load(f)
  """
  for x in range(3):
  	ret = pickle.load(f)
    print(type(ret)) #list
  """

json和pickle的比较

• json不是所有的数据类型都可以序列化，不能多次用同一个文件序列化，但是json数据可以跨语言
• pickle数据所有python数据都可以序列化，可以多次对同一个文件序列化，只能用在python中

1.2.7hashlib模块

封装一些用于加密的类

md5(), ...

加密的特点：用于判断和验证，而非解密

特点：

• 把一个大的数据，切分成不同块，分别对不同的块进行加密，再汇总的结果和直接对整体数据加密的结果是一致的
• 单向加密，不可逆
• 原始数据的一点小变化，将导致结果的非常大的差异，‘雪崩’

"""
md5算法
给一个数据加密的三大步骤
1.获取一个加密对象
2.使用加密对象的update，进行加密，update方法可以调用多次
3.通常通过hexdigest获取获取到加密结果，或者digest（看不懂）
"""
import hashlib
#获取一个加密对象
m = hashlib.md5()
#使用加密对象的update,进行加密
m.update(b'abc中文'.encode('utf-8'))
#通过hexdigest获取加密结果
res = m.hexdigest() # 结果是str类型

#给一个数据加密
#验证：用另一个数据加密的的结果和第一次加密的结果对比
#如果结果相同，那么原文相同

#不同加密算法：实际就是加密结果的长度不同
s = hashlib.sha224()
s.update(b'abc')

#在创建加密对象的时候可以指定参数，称之为salt（在update的时候添加也一样）
m = hashlib.md5(b'abc')

1.2.8collections

namedtuple ：命名元组

counter ：计数器

defaultdict()：默认值字典

import collections
Rectangle = collections.namedtuple('rectangle_class', ['length', 'width'])
obj = Rectangle(10, 5)
#通过属性访问元组的元素
print(obj.length) #10
print(obj.width)  #5
#通过索引的方式访问元素
print(obj[0]) #10

d = {k:v for k, v in [(1, 2), (2, 3)]}

dic = collections.defaultdict(int, name='apple', age=10)
print(dic['bana'])  # 0  不存在的键，返回默认值为int(),将{'bana':0}添加到字典里面
print(dic['name']) # apple 

#自定义函数充当第一个参数，要求是不能有参数
def func():
  return 'hello'

adic = collections.defaultdict(func, name='apple', age=10)
print(adic['addr']) #hello
print(adic) #{'name':'apple', 'age':10, 'addr':'hello'} 将返回值作为值添加到字典中

#Counter计数器
c = collections.Counter('abcab') #Counter({'a':2, 'b':2, 'c':1})
print(c.most_common(2)) #取最常出现的前两名 [('a', 2), ('b', 2)]

1.2.9re

有了re模块以后，就可以在python当中进行操作正则表达式

什么是正则表达式：

• 一套规则 进行匹配字符串

• 从一个大文件中找到所有符合规则的内容，能够高效的从一大段文字中找到符合规则的内容 --日志分析 爬虫

• 检测一个输入的字符串是否合法。 --web开发 表单验证

  • 用户输入一个内容的时候，我们要提前进行检测
  • 能够提高程序的效率并且减轻服务器的压力

正则规则

• 所有的规则中的字符刚好匹配到字符串中的内容
• 字符组 [ ] 描述的是一个位置上出现的所有可能性，只匹配一个字符
  • [abc] 匹配a或者b或者c
  • [0-9] 匹配一个数字，通过ascii进行范围的匹配
  • [a-zA-Z] 大小写的英文字母
  • 接收范围，可以描述多个范围，连着写就可以了
• [0-9] -> d 表示匹配任意一位数字 digit
• w 匹配所有的数字、字母、下划线 [0-9a-zA-Z_]. word
• s匹配空格、tab、回撤，空格匹配所有的空白，tab用 匹配，enter回车用 匹配

正则表达式中能帮助我们表示匹配内容的字符都是正则中的元字符

元字符 -- 匹配内容的规则

W 非数字字母下划线

D 非数字

S 非空白

[dD] [wW] [sS] 匹配所有

. 表示匹配除了换行符的的所有

[^d] 匹配所有的非数字

^ 匹配一个字符串的开始

$ 匹配一个字符串的结尾

（）分组

a表达式|b表达式 匹配a或者匹配b表达式中的内容，如果匹配a成功了，就不会继续匹配b

记忆元字符：都是表示能匹配到哪些内容，一个元字符匹配一个字符

• d w s D W S
• [] [^] .
• ^ $
• | ( )

量词：必须跟在元字符后面，只约束前面的元字符

{n} 表示匹配n次

{n, } 表示匹配至少n次

{n, m} 表示至少匹配n次，至多m次

? 表示匹配0次或者1次 {0, 1}

+表示匹配1次或者多次 {1,}

*表示匹配任意次，0次或者多次 {0, }

贪婪匹配，在范围允许的情况下，尽可能多的匹配

非贪婪（惰性匹配），元字符 量词 ？表示匹配 最多使用的是.*?x表示匹配任意字符， 任意多次数，但是一旦遇到x就停下来

转义符

原本有特殊意义的字符，到了表达他本身的意义的时候，需要转义

有一些特殊意义的内容，放到字符组中，会取消它的特殊意义，如[.()*+?]在字符组中取消它的意义，[a反斜杠-c] -在字符组中表示范围，如果不希望它表示范围，需要转义，或者放在字符组的最前面|最后面

import re
ret = re.findall('d+', '1900dasd1290') #findall还是按照完整的正则进行匹配，只是显示括号里面匹配的内容
print(ret) 

res = re.search('d+', '1900sdfa1200') #search 还是按照完整的正则进行匹配，显示也匹配到的第一个内容，
#但是我们可以通过group方法传参数来获取具体文组中的内容
print(res)  #找不到返回空
if res:
  print(res.group()) #返回匹配的字符
  #变量.group() 结果和变量.group(0)的结果一致
  #变量.group(n)的形式来制定获取第n个分组中匹配到的内容
  
#为什么search中不需要分组优先，而在findall中需要

#加上括号 是为了对真正需要的内容进行提取
ret = re.findall('<w+>(w+)</w+>', '<h1>dafasf</h1>')
print(ret) # dafasf

#对于search
#可以想拿哪个分组的，就拿哪个分组的

#为什么要用分组，以及findall的分组优先到底有什么好处
exp = '2-3*(5+6)'
ret = re.findall('(d-d).*?|(d+d).*?', '2-3*(5+6)')

#如果我们要查找的内容在一个复杂的环境中
#我们要叉的内容没有一个突出的，与众不同的特点，甚至会和不要的杂乱的数据混合在一起
#这个时候我们就需要把使用的数据都统计出来，然后对这个数据进行赛选，把我们真正需要的数据对应的正则表达式用()圈起来
#想要取消分组的优先，可以使用(?:)

#应用
import re
import requests
ret = requests.get('https://gz.lianjia.com/zufang/')
text = ret.content.decode('utf-8')
#print(text)
"""
<p class="content__list--item--des">
        <a target="_blank" href="/zufang/tianhe/">天河</a>-<a href="/zufang/tianhegongyuan/" target="_blank">天河公园</a>-<a title="华港花园" href="/zufang/c2111103316590/" target="_blank">华港花园</a>
        <i>/</i>
        16㎡
        <i>/</i>北        <i>/</i>
          4室1厅2卫        <span class="hide">
          <i>/</i>
          中楼层                        （25层）
                  </span>
</p>
"""
msg = re.findall('<a title=".*?" href="/zufang/.*?/" target="_blank">(.*?)</a>', text)
print(msg)
#['碧桂园星港国际', '骏逸苑', '蓝色康园', '漾晴居', '万松园', '保利香雪山花园', '丽江花园玉树别院', '银星花园', '南沙碧桂园', '保利中环广场', '远洋天骄广场', '保利西子湾', '员村西街7号大院', '龙光峰景华庭', '天河山庄', '丽江花园丽波楼', '宝铼雅居', '保利中航城一期', '南沙时代', '碧桂园星港国际', '丽江花园玉树别院', '瑞东花园', '保利心语花园', '盈嘉花园', '番禺招商金山谷意库', '骏逸苑', '宝铼雅居', '悦涛雅苑', '广州融创文旅城A1区', '都市兰亭花园']

import re
ret = re.split('d+', 'aaaa000iii')  #['aaaa', '000', 'iii']
ret = re.split('d(d)d', 'aaa666bbb') #['aaa', '6', 'bbb']

#sub替换
ret = re.sub('d+', 'a', 'aaa123bbb123', 1) #'aaaabbb123'  只替换几次
ret = re.subn('d+', 'a', 'aaa123bbb123') #('aaaabbba', 2)  替换2次

#match 从头开始找 即人为在开头加^
#match规定这个字符号必须是什么样的
#search用来寻找这个字符串是不是含有满足条件的


#假如一个正则表达式需要被使用多次，节省多次去解析同一个正则表达式的时间
ret = re.compile('d+')
ret.findall('aaabbb')
ret.search('aaabbb')

#finditer 节省空间
ret = re.finditer('d+', 'aaa123bbb')
for i in ret:
  print(i.group())
  
#既节省时间也节省空间
ret = re.compile('d+')  #如果没有重复使用同一个正则表达式，也不能节省时间
msg = ret.finditer('aaa123bbb')
for i in msg:
  print(i.group())
  

#给分组取名字
ret = re.search('d+(?P<name>.*?)', '123aaa')
print(ret.group('name')) #aaa

#分组命名的引用
exp = '<abb>asdas<abb>a414asdf<abd>'
ret = re.search('<(?P<tag>w+)>.*?</(?P=tag)>', exp)
ret = re.search(r'<(w+)>.*?</1>', exp)       #1表示的是第一个分组，加上r表示去除1在python中的特殊用法

print(r'1')
print('\1')

#删除列表中的空字符
alist = ['a', 'b', '', 'c', 'a', '', '']
ret = filter(lambda n:n, ret)
print(list[ret])


#匹配日期
#2018-12-31
'[1-9]d{3}-(1[0-2]|0?[1-9])-([12]d|3[01]|0?[1-9])'

1.2.10shutil模块

import shutil
#拷贝文件
shutil.copy2('xxx.txt', 'xxx_bk.txt')
#拷贝目录
shutil.copytree('原目录', '新目录', ignore = shutil.ignore_patterns('__init__.py')) #拷贝文件目录及文件忽略init方法
#删除目录
shutil.rmtree('D:project')
#移动文件
shutil.move('D:project', 'D:	est')

#硬盘信息
total, used, free = shutil.dosk_usage('.')
print('当前磁盘共:%i GB, 已使用:%i GB, 剩余:%i GB') %(total / 1073741824, used / 1073741824, used / 1073741824)

#压缩文件
shutil.make_archive('outer.zip', 'zip', 'D:project') #参数1:压缩后的文件名， 参数2:压缩类型， 参数3：原文件名
#解压
shutil.unpack_archive('outer.zip', r'D:	est')

1.2.11logging

为什么要写log

• log是为了排错的
• log用来做数据分析，以日志记录用户行为

import logging
#输出内容都是有等级的，默认处理warning级别以上的所有信息
logging.debug('debug message')       #调试
logging.info('info message')         #信息
logging.warning('warning message')   #警告
logging.error('error message')       #错误
logging.critical('critical message') #批判性的

#输出到文件，且设置信息的等级
logging.basic_Config(
  format='%(asctime)s - %(name)s - %(levelname)s [%(lineno)d]- %(module)s - %(message)s',
  detefmt='%Y-%m-%d %H:%M:S %p',
  #level=logging.DEBUG    #level=10 #在此级别以上才会写入日志
	filename='tmp.log' #输出日志文件，是追加的模式
)

#同时向文件和屏幕输出和乱码
fh = logging.FileHandler('tmp.log', encoding='utf-8')
sh = logging.StreamHandler()
logging.basic_Config(
  format='%(asctime)s - %(name)s - %(levelname)s [%(lineno)d]- %(module)s - %(message)s',
  detefmt='%Y-%m-%d %H:%M:S %p',
  level=logging.DEBUG    #level=10 #在此级别以上才会写入日志
  handlers=[fh, sh]
)

#日志的切分
import time
from logging import handlers
#按照大小做切割
rh = handlers.RotatingFileHandler('myapp.log', maxBytes=1024*1024, backupCount=5)
#按照时间进行切割
#例如下面的是按5秒对xx.log文件进行切分,每隔一段时间会出现一个文件
rh = handlers.TimedRotatingFileHandler(filename='xx.log', when='s', interval=5, encoding='utf-8')
fh = logging.FileHandler('tmp.log', encoding='utf-8')
sh = logging.StreamHandler()
logging.basic_Config(
  format='%(asctime)s - %(name)s - %(levelname)s [%(lineno)d]- %(module)s - %(message)s',
  detefmt='%Y-%m-%d %H:%M:S %p',
  level=logging.DEBUG    #level=10 #在此级别以上才会写入日志
  handlers=[fh, sh]
)
for i in range(1, 10000):
  time.sleep()
  logging.error('KeyboardInterrupt error %s'%str(i))

#主动抛出异常
raise ValueError
raise NotImplementedError('提示信息--你没有按照要求实现函数')

2.递归

递归最多的层数规定为1000层：为了节省内存空间，不要让用户无限使用内存空间

1.递归要尽量控制次数，如果需要多层递归才能解决问题，不适合用递归解决

2.循环和递归的关系

• 递归不是万能的
• 递归比起循环来说更占用内存

修改递归的最大深度

import sys
sys.setrecursionlimit(10000)

#1.阶乘
def recursion(n):
    if n == 1: return 1
    return n * recursion(n - 1)

res = recursion(4)
print(res)

#2.os模块：查看一个文件夹下的所有文件，这个文件夹下面还有文件夹，不能用walk
import os
def show_file(path):
    name_lst = os.listdir(path)
    for name in name_lst:
        abs_path = os.path.join(path, name)
        if os.path.isfile(abs_path): print(name)
        if os.path.isdir(abs_path):show_file(abs_path)

#3.计算一个文件夹下的所有文件的大小，这个文件夹下面还有文件夹，不能用walk
import os
def dir_size(path):
    size = 0
    name_lst = os.listdir(path)
    for name in name_lst:
        abs_path = os.path.join(path, name)
        if os.path.isfile(abs_path):
            size += os.path.getsize(abs_path)
        if os.path.isdir(abs_path):
            size += dir_size(abs_path)
    return size

#4.计算斐波那契数列

#5.三级菜单 可能是n级
def menu_func(menu):
    flag = True
    while flag:
        for name in menu:
            print(name)
        key = input('>>>').strip()
        if menu.get(key):
            dic = menu[key]
            ret = menu_func(dic)
            flag = ret
        elif key.upper() == 'B':
            return True
        elif key.upper() == 'Q':
            return False

3.面向对象

面向过程：想要一个结果，写代码，实现计算结果

面向对象开发：有哪些角色 角色的属性和技能 两个角色之间如何交互的

先来定义模子，用来描述一类事物

具有相同的属性和动作

class Person:
  def __init__(self, name):  #初始化方法
    self.name = name
    
  def eat(self, food): #自定义方法
    print('%s吃%s'%(self.name, food))

#实例化一个对象，会开辟一块内存空间
obj = Person('tony')  #会自动调用类中的__init__方法，把空间的内存地址作为self参数传递到函数内部
#所有的这个对象需要使用的属性都要和self关联起来，执行完init的逻辑之后，self变量会自动的被返回到调用处（实例化发生的地方）

#类和对象之间的关系
	#类是一个大范围，是一个模子，约束了事物有哪些属性，但是不能约束具体的值
  #对象是一个具体的内容，是模子的产物，遵循类的约束，同时给属性赋值

#类有一个空间，存储的是定义在class中的所有名字
#每一个对象又用于自己的空间，通过对象名.__dict__就可以查看这个对象的属性和值
print(obj.name)   #print(obj.__dict__['name']) 

obj.eat('apple') #使用对象的方法

类中的变量是静态变量

对象终端额变量只属于对象本身，每个对象有属于自己的空间来存储对象的变量

当使用对象名区调用某一个属性的时候，会优先在自己的空间寻找，找不到再去对应的类中寻找

如果自己没有就引用类的，如果类也没有就会报错

对于类来说，类中的变量所有的对象都是可以读取的，并且读取的是同一份变量

类中的静态变量的用户

如果一个变量是所有的对象共享的值，那么这个变量应该被定义成静态变量

所有和静态变量相关的增删改查都应该使用类名来处理

组合：类中的属性可以是另一个类

3.1继承

继承语法

class A:
  pass

class B(A):
  pass

#B继承A类，B是子类
#子类可以使用父类中的方法，属性

先开辟空间，空间里有一个类指针-》指向A

调用init方法，如果在B里面找不到init方法，到A中找

父类和子类方法的选择：

• 子类的对象如果去调用方法，永远优先调用自己的
• 如果自己有，用自己的
• 自己没有，用父类的
• 如果自己有还想用父类的，直接在子类方法中调用父类的方法：父类.方法名（self）

#思考下面输出什么
class Foo:
  def __init__(self):
    self.func() #在每一个self调用func的时候，我们不看这句话是在哪里执行的，只看self是谁
    
  def func(self):
    print('in foo')
    
class Son(self):
  def func(self):
    print('in son')

Son()  #in son

多继承：好几个爹

有一些语言不支持多继承 java

python语言的特点：可以在面向对象中支持多继承

class B:
  def func(self): print('in B')
class A:
  def func(self): print('in A')
class C(A, B):
  pass

C.func()  #in A  A写在前面，从左到右去找

单继承：

• 调子类：子类自己有的时候
• 调父类：子类自己没有的时候
• 调子类和父类的：子类父类都有，在子类中调用父类的

多继承：一个类有多个父类，在调用父类方法的时候，按照继承顺序，先继承的就先寻找

object类，是一个类祖宗

#查找父类
B.__bases__  <class '__main__.A'>

#FunctionType: 函数
#MethodType:方法
A.func #函数
a = A() 
a.func #方法

特殊的类属性：
__name__ #类的名字
__doc__  #类的文档字符串
__base__ #类的第一个父亲
__bases__ #类的所有父类构成的元组
__dict__ #类的字典属性
__class__ #实例对应的类

加载代码的过程，需要先加载父类，所以父类写在前面

思考的角度，总是先把子类都写完，发现重复的代码，再把重复的代码放到父类中

python3 所有的类都继承object类，都是新式类

python2中不继承object类的都是经典类，继承object的是新式类

继承的逻辑：走到下一个点的时候，下一点即可以从深度走，也可以从广度走，总是先走广度，再走深度

     -> B
D 						-> A
		 -> C
  
新式类：D -> C -> B ->A
经典类：D -> C -> A ->C
在经典类中，都是深度优先，总是一条路走不通了，才会换一条路，走过的点不会再走

在新式类中，遵循C3算法：
算法的内容：
如果一个类出现在从左到右所有顺序的左侧，并且没有在其他位置出现，那么先提出来的作为继承顺序中的一个
或一个类出现在从左到右顺序的最左侧，并没有在其他顺序中出现，那么先提出来作为继承顺序中的一个
如果从左到右第一个顺序中的第一个类出现在后面且不是第一个，那么不能提取，顺序向后寻找其他顺序符合上述条件的类
F(D, E) = c3(D(B) + E(C))
			F	= [DBAO] + [ECAO]
  	FD = [BAO] + [ECAO]
    FDB = [AO] + [ECAO]
    FDBE = [AO] + [CAO]
    FDBEC = [AO] + [AO]
    FDBECAO
    
D.mro()  #只在新式类中，会告诉你c3继承的顺序    

抽象类：是一个开发的规范，约束所有的子类必须实现一些和它同名的方法

#由父类定制一个规范，让子类继承后一定要实现
class Payment:
  def pay(self, money):
    raise NotImplementedError('请在子类中重写同名pay方法')
    
#实现抽象类的另一种方式，约束力强，依赖abc模块，模块改变的时候就要改一下代码
from abc import ABCMeta, abstractmethod
class Payment(metaclass=ABCMeta):
  @abstractmethod
  def pay(self, money):
    raise NotImplementedError('请在子类中重写同名pay方法')

#第一种方式实现的时候，只有在类实例化调用pay方法的时候才会抛出异常
#第二种方法只要实例化，就会抛出异常

3.2多态

什么是多态：

借助java说明一下

class Payment: pass
class Wechat(Payment):
  def func(self): pass
class Apple(Payment):
  def func(self): pass
  
#在java中
def pay(Wechat obj, int money):
  obj.func()

def pay(Apple obj, int money):
  obj.func()
  
#为了实现多态，使得Wechat类和Apple都调用一个方法，继承一个Payment类作为爷爷
def pay(Payment obj, int money):
  obj.func()
  

一个类型表现出来的多种状态

支付表现出的微信支付和苹果支付这两种状态

在java情况下，一个参数必须制定类型

所以想要两个类型的对象都可以传，那么必须要让这两个类继承一个父类，制定类型的时候使用父类来指定

规一化设计：

class A:
  def func(self):pass
class B:
  def func(self):pass
def 函数名(obj):
  obj.func()

多态：

• 什么是多态：一个类表现出的多种形态，实际上是通过继承来完成的，父类表现出多个子类的形态
• 在java中，为了保证多个子类对象可以传递，那么需要子类对象继承同一个对象
• python中，处处是多态

鸭子类型 ----》 可哈希类型 迭代器类型 可迭代类型 with上下文管理的类型（enter exit）

py中一个类可以是很多类的鸭子模型

如tuple元组类，是可哈希的，又不依靠继承哈希类来判定是不是可哈希类型

元组类是可哈希类型的鸭子模型

是可迭代的，不是依靠继承迭代类来判定是不是迭代类型，内部实现iter

元组类是可迭代类型的鸭子模型

• 子类继承父类，我们说子类也是父类这个类型的
• 在python中，一个类是不是属于一个类型的，不仅仅可以通过继承来完成，还可以是不继承，但是如果这个类满足了某些类型的特征条件，我们就说它长得像这个类型，那么他就是这个类型的鸭子模型

#super方法：是按照mro方法顺序来寻找当前类的下一个类
class A:
  def func(self):
    print('A')
class B(A):
  def func(self):
    super().func()
    print('B')
class C(B):
  def func(self):
    super().func()
    print('C')
    
C.func()  #A B C   

class A:
  def func(self):
    print('A')
class B(A):
  def func(self):
    super().func()
    print('B')
class C(A):
  def func(self):
    super().func()
    print('C')
class D(C, B):
  def func(self):
    super().func()
    print('D')

#mro  D - > C - > B - > A
D.func() # A B C D

#在python中不要传递参数，自动就会寻找当前类的mro顺序的下一个类的同名方法
#py2的新式类中，需要我们主动传递参数super(子类的名字，子类的对象).函数名()这样才能调用这个子类的mro顺序的下一个类的同名方法
#py2的经典类中，并不支持使用super来找下一个类

#在单继承中，super就是找父类

3.3封装

封装：就是把属性或者方法封装起来

广义：把属性和方法封装起来，外面不能直接调用，要通过类的名字来调用

狭义：把属性和方法藏起来，外部不能直接调用，只能在内部偷偷调用

#给一个名字前面加上__的时候，这个名字变成一个私有的实力变量/私有的对象属性
#所有的私有内容或者名字都不能在类的外部直接调用，只能在类的内部使用了
class User:
  def __init__(self, name, password):
    self.usr = name
    self.__pwd = password
  def get_pwd(self):  #表示拥护不能改只能看 私有+某个get方法实现
    return self.__pwd
  def change_pwd(self): #表示用户必须要调用外面自定义的修改方式来进行变量的修改
    pass

import hashlib
class User:
  def __init__(self, name, passwd):
    self.usr = name
    self.__pwd = passwd  #私有的实例变量
  def __get_md5(self):   #私有的绑定方法
    md5 = hashlib.md5(self.usr.encode('utf-8'))
    md5.update(self.__pwd.encode('utf-8'))
  def get_pwd(self):
    return slef.__get_md5()
  
obj = User('apple', '123')
print(obj.get_pwd())
    

所有的私有话都是为了让用户不在外部调用类中的某个名字

如果完成私有化 那么 这个类的封装度也就越高 封装度越高各种属性和方法的安全性也越高 但是代码越复杂

加了双下划线的名字为甚么不能从类的外部调用了

class User:
  __country = 'China'
  def func(self):
    print(self.__country)  #在类的内部使用的时候，自动把当前这句话所在的类的名字拼在私有变量前完成变形
  
print(User._User__country)
#在类的外部根本不能定义私有概念

私有的内容能不能被子类使用呢

#不能被子类使用
class Foo(object):
  def __init__(self):
    self.__func()
  deef __func(self):
		print('in Foo')
class Son(Foo):
  def __func(self):
    print('in func')
Son()            #in Foo    

在其他语言中的数据级别都有哪些

public 公有的 类内类外都能使用 父类子类都能使用
protect 保护的 类外不能使用 类内能使用 父类子类都能用  #python不支持
private 私有的 类外不能用 本类内部使用 父类和子类都不能用

3.4类中的三个装饰器（内置函数）

能定义到类中的内容

• 静态变量 是个所有对象共享的变量 由对象或者类调用 但是不能重新赋值
• 绑定方法 是个自带self参数的函数 由对象调用
• 类方法 是个自带cls参数的函数 由对象或者类调用
• 静态方法 啥都不带的普通函数 由类或者对象调用
• property属性 是个伪装成属性的方法 由对象调用但是不加括号

@property 属性

作用：把方法伪装成一个属性，在调用这个方法的时候不需要加()即可直接得到返回值

限制：装饰的这个方法不能有参数

#变量的属性和方法
#属性： 圆的半径、圆的面积
#方法： 登陆、注册

from math import pi
class Circle:
  def __init__(self):
    self.r = r
  @property
  def area(self):
    return pi * self.r**2
  
c1 = Circle(5)
print(c1.area)  #不用加括号

#应用场景二：和私有的属性合作
class User:
  def __init__(self, name, pwd):
    self.usr = name
    self.__pwd = pwd
    
  @property
  def pwd(slef):
    return self.__pwd
  
obj = User('apple', '123')
print(apple.pwd)  #可以获取到pwd，但是不能修改

#property进阶
class Goods:
  discount = 0.8
  def __init__(self, name, origin_price):
    self.name = name
    self.__price = origin_price
  @property
  def price(self):
    return self.__price * self.discount
  
  @price.setter
  def price(self, new_value):
    print('使用我了%s'%(new_value))
    if isinstance(new_value, int): 
    	self.__price = new_value
  
  @price.deleter
  def price(self):
    print('del')
    
apple = Goods('apple', 5)
print(apple.price)  #调用的是@property装饰的price
apple.price = 10 #调用的是被setter装饰的price

del apple.price. #del     执行@property下的方法

@classmethod

class Goods:
  __discount = 0.8
  def __init__(self):
    self.__price = 5
    self.price = self.__price * self.__discount
  @classmethod
  def change(cls, new_discount): #把一个对象绑定的方法修改成一个类方法，cls指的是类的名字，而不是对象的名字
    cls.__discount = new_discount
#定义了一个方法，默认传self，但是这个self没被使用
#@classmethod 把一个对象绑定的方法修改成一个类方法
#第一，在方法中仍然可以使用类中的静态变量
#第二，可以不用实例化对象，就直接用类名在外部调用这个方法
#什么时候用classmethod
	#1.定义一个方法，默认传self，但是self没被使用
  #2.并且你在这个方法里使用类当前的类名，或者你准备使用这个类的内存空间中的名字的时候

@staticmethod

类中不会用到self和cls

class User:
  @staticmethod
  def login(a, b):
    print('login', a, b)

反射

a = A()
if hasattr(a, 'sex'):  #是否有这个对象
  if callable(getattr(a, 'func')):  #判断能不能调用或者执行的
    getattr(a, 'func')()  #获取

3.5双下划线方法

#__call__： 对象() 需要调用类中的__call__()方法

class A:
  def __call__(self, *args, **kwargs):
    print('_________')
    
obj = A()
print(callable(obj))
obj()  #对象加括号调用__call__方法， 打印出_________


#__len__: 实现len(对象) 这个方法 需要在类中加入__len__()方法

#__new__： 构造方法
#实例化的时先创建一块对象空间，有一个指针能指向类-->__new__
class A:
  def __new__(cls, *args, **kwargs):
    o = super().__new__(cls)
    #o = object.__new__(cls)
    print('new')
  def __init__(self):
    print('init')
    
#__str__： 可以直接打印对象的信息，而不打印内存地址地址
class Course:
  def __str__(self):
    return '课程'
  
obj = Course()
print(obj) #课程

#当我们打印一个对象 用%s进行字符串拼接 或者str（对象）总是调用这个对象的__str__方法
#如果找不到__str__，就调用__repr__方法
#__repr__不仅是__str__的替代品，还有自己的功能
#%r进行字符串拼接 或者用repr（对象）的时候总是调用这个方法 

4.设计模式

单例模式：

一个类从头到尾，只会创建一次self空间

为甚么要有，用来做什么：创建一个对象需要的空间的

class Baby:
  __instance = None
  def __new__(cls, *args, **kwargs):
    if cls.__instance is None:
      cls.__instance = super().__new__(cls)
    return cls.__instance
  
  def __init__(self, cloth, pants):
    self.cloth = cloth
    self.pants = pants
    
b1 = Baby('blue cloth', 'yellow pants')
b2 = Baby('green cloth', 'white pants') 
print(b1) # green cloth white pants
print(b2) # green cloth white pants

#第二种单例模式
from a.py import baby
#在python当中一个模块的导入不会导入多次
#只要在模块里面创建了一个实例