python的重重之器（生成器迭代器装饰器）

Posted 2020-08-19

一、装饰器

1、定义：本质是函数，装饰其他函数就是为其他函数添加附件功能。

2、原则：

　　a.不能修改被装饰的函数的源代码；

　　b.不能修改被装饰的函数的调用方式；

　实例：

　　#!/usr/bin/env python
　　# -*- coding:utf-8 -*-
　　#Author:ye

　　import time

　　#装饰器
　　def time_cha(func):#func等于test
　　    time_start = time.time()
　　    func()#此时func()相当于test()
　　    time.sleep(2)
　　    time_stop = time.time()
　　    print("the time cha is :%s" % (time_stop - time_start))

　　#主函数
　　def test():
　　    print("*")
　　    time.sleep(1)
　　    print("*")
　　    time.sleep(1)
　　    print("in the test")

　　#单独调用主函数
　　test()

　　#将装饰器套用在主函数上
　　time_cha(test)#此方式改变了主函数的调用方式

3、实现装饰器的知识储备：

　　a.函数即“变量”

　　b.高阶函数

　　　　b1.把一个函数名当做实参传递给另外一个函数（在不修改被装饰函数的前提下，增加其功能）

　　　　　　实例：　　　　　　

　　　　　　　　def test1():#此函数时源代码
    　　　　　　　　print("in the test1")

　　　　　　　　def test2(func):#此函数时装饰器
    　　　　　　　　print("in the test2")
    　　　　　　　　print(func)#打印test1的内存地址
    　　　　　　　　func()#这里相当于test1()

　　　　　　　　test1()
　　　　　　　　test2(test1)#将test1这个函数名作为实参传递给test2，这样实现了高阶函数

　　　　b2.返回值中包含函数名（不改变函数（源代码）的调用方式）

　　　　　　实例：

　　　　　　　　def test1():#源代码
    　　　　　　　　print("in the test1")

　　　　　　　　def test2(func):#装饰器
    　　　　　　　　print("in the test2")
    　　　　　　　　func()
    　　　　　　　　return test1#通过return，把函数名作为返回值

　　　　　　　　test1 = test2(test1)#此处是test1函数名的内存地址
　　　　　　　　test1()#执行test1函数

　　c.嵌套函数

　　　　def test1():#第一层函数
　　　　　　print("in the test1")

　　　　　　def test2():#第二层函数
　　　　　　　　print("in the test2")

　　　　　　test2()#第一层函数执行时，调用第二层函数

　　　　test1()#执行第一层函数

4、装饰器的案例分析：

　案例背景：首先定义两个模块，欧美专区和河南专区，两个专区的使用前提是需要登录。

　　　　　　步骤一：首先实现两个专区的免登录访问；

　　　　　　步骤二：定义登录模块，然后以登录模块做为装饰器，装饰在欧美专区和河南专区上

　　　　　　步骤三：当调用到两个专区模块时，再进行登录验证，不能调用之前就进行验证（此处涉及到了嵌套函数的使用）　

　　　　　　status = False　　　　　　　　　　　　#初始化登录状态，false表示未登录，true表示已登录

　　　　　　def login(func):　　　　　　　　　　　#定义登录模块（装饰器函数）
    　　　　　　def inner():　　  　　　　　　　　#定义嵌套函数
        　　　　　　_uername = "zhangye"　　　　#定义用户数据
        　　　　　　global status　　　　　　　　#将函数内变量全局化

        　　　　　　if status ==False:　　　　　#根据状态判断是否需要登录
            　　　　　　username = input("请输入用户名：")
            　　　　　　if username == _uername:
                　　　　　　print("welcome...")
                　　　　　　status = True　　　#登录成功后，将默认状态由false转化为true
        　　　　　　if status == True:
            　　　　　　print(func)
            　　　　　　func()
    　　　　　　return inner　　　　　　　　　　 #未调用时，不进行验证，只返回一个第二层的函数名（验证函数的函数名）

　　　　　　@login　　　　　　　　　　　　　　　　 #还未到真正调用函数的地方，所以此处不需要进行登录验证，只返回第二层的函数名即可。
　　　　　　def america():
    　　　　　　print("*****欧美专区*****")

　　　　　　@login　　　　　　　　　　　　　　　　 #还未到真正调用验证函数的地方，所以此处不需要进行登录验证，只返回第二层函数名即可。
　　　　　　def henan():
    　　　　　　print("*****河南专区*****")

　　　　　　america()　　　　　　　　　　　　　　 #调用时，执行第二层函数。因为上面已经拿到了第二层的函数名
　　　　　　henan()　　　　　　　　　　　　　　　 #调用时，执行第二层函数。因为上面已经拿到了第二层的函数名

 

二、生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

　　实例一：

　data = [1,2,3,4,5,6,7,8,9,]

#列表生成式（装逼的写法）
data = [i*2 if i > 4 else i for i in data]
print(data)
==》[1, 2, 3, 4, 10, 12, 14, 16, 18]

#列表生成器（数据用到的时候才生成）
data2 = (i*2 if i > 4 else i for i in data)
print(data2)
==》<generator object <genexpr> at 0x000002797C151DB0>

小结：生成器只有在调用时，才会生成相应的数据。

　　实例二、
　　import time

#定义消费者模型函数

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))

#定义生产者模型函数
def producer(name):
    c_a = consumer("A")
    c_b = consumer("B")
    c_a.__next__()
    c_b.__next__()
    print("老子开始准备做包子了！")
    for i in range(10):
        time.sleep(1)
        print("做了2个包子！")
        c_a.send(i)
        c_b.send(i)

producer("alex")


三、迭代器
我们知道，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等；
一类是 generator，包括生成器和带yield的generator函数。
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：

from collections import Iterable

#判断字符串是否可迭代
data = "abc"
print(isinstance(data,Iterable)) #===》True

#判断列表是否可迭代
data = [1,2,3]
print(isinstance(data,Iterable)) #===》True

#判断字典是否可迭代
data = {1:"ye",2:"zhang",3:"alex"}
print(isinstance(data,Iterable)) #===》True

#判断元组是否可迭代
data = (1,2,3)
print(isinstance(data,Iterable)) #===》True

注1：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。

注2：字典、集合、元组、字符串等都是可迭代对象，但是不是迭代器。但是可以通过iter()函数获得一个迭代器。