Python装饰&生成&迭代器

Python 装饰器

装饰器可以使函数执行前和执行后分别执行其他的附加功能,这种在代码运行期间动态增加功能的方式,称之为"装饰器"(Decorator),装饰器的功能非常强大,装饰器一般接受一个函数对象作为参数,以对其进行增强,相当于C++中的构造函数,与析构函数.

装饰器本质上是一个Python函数,它可以让其他函数在不需要做任何代码变动的前提下增加额外功能,装饰器的返回值也是一个函数对象.它经常用于有迫切需求的场景,比如:插入日志、性能测试、事务处理、缓存、权限校验等场景.装饰器是解决这类问题的绝佳设计,有了装饰器,我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用.

总而言之,装饰器具有如下几个特点:

● 装饰器本身也是一个函数,其作用是,用于装饰其他函数.
● 装饰器是一个闭包函数是嵌套函数,通过外层函数提供嵌套函数的环境
● 装饰器在权限控制,增加额外功能,如增加记录日志,缓存处理,发送邮件用的比较多

◆无参装饰器◆

原函数中不带参数的装饰器,如下例子假设:我定义了一个函数lyshark(),现在想要在不改变原来函数定义的情况下,在函数运行前打印一段话,函数运行后打印另一段话,此时我们可以使用装饰器的装饰功能来简单的实现这个需求.

>>> import os
>>> import sys
>>>
>>> def outer(function):
def inner():
print("主函数开始执行前,会先执行我!")
result=function()
print("主函数执行结束后,要在执行我!")
return result
return inner


# (1) @ + 函数名,直接作用在需要装饰的函数上一行
# (2) 自动执行outer函数并且将下面的函数名lyshark()当做参数传递到outer()
# (3) 将outer函数的返回值inner,重新赋值给lyshark()函数
>>> @outer
def lyshark():
print("lyshark 的主函数体,装饰器在装饰我(*^_^*)")
return "check ok"

#==调用并执行函数,结果如下==========================================
>>> ret=lyshark()
主函数开始执行前,会先执行我!
lyshark 的主函数体,装饰器在装饰我(*^_^*)
主函数执行结束后,要在执行我!

>>> print("lyshark()函数的返回值: ",ret)
lyshark()函数的返回值: check

如上代码的执行流程是这样的,步骤如下:

1.当我们调用lyshark()函数时,会自动检查lyshark()函数上是否有装饰器
2.如果有则将lyshark()函数的指针,传递给装饰器outer(function)
3.outer(function)接到指针后,执行嵌套函数内的inner(),则先执行print打印一段话
4.由于lyshark()函数指针,传递给了function变量,执行function()则相当于执行lyshark()
5.紧接着,最后一步执行打印一段结束的话,并执行返回,返回inner

◆有参装饰器◆

原函数带一个参数的装饰器: 我们在以上的案例中,给装饰器添加一个参数,并在内部使用这个参数.

>>> import os
>>> import sys
>>>
>>> def outer(function):
def inner(args):
print("主函数开始执行前,会先执行我!")
ret=function(args)
print("主函数执行结束后,要在执行我!")
return ret
return inner

>>> @outer
def lyshark(args):
print(args)
return 0

#==调用并执行函数,结果如下==========================================
>>> ret=lyshark("hello world!")
主函数开始执行前,会先执行我!
hello world!
主函数执行结束后,要在执行我!

>>> print("lyshark 的返回值是:",ret)
lyshark() 函数的返回值是: 0

原函数带两个参数的装饰器: 接下来继续演示一下,带有两个参数的装饰器,3个4个,以此类推.

>>> import os
>>> import sys
>>>
>>>
>>> def outer(function):
def inner(x,y):
print("主函数开始执行前,会先执行我!")
ret=function(x,y)
print("主函数执行结束后,要在执行我!")
return ret
return inner

>>> @outer
def lyshark(x,y):
print(x,y)
return 0

#==调用并执行函数,结果如下==========================================
>>> ret=lyshark("Hello","LyShark")
主函数开始执行前,会先执行我!
Hello LyShark
主函数执行结束后,要在执行我!

>>> print("lyshark() 函数的返回值是:",ret)
lyshark() 函数的返回值是: 0

传递一个万能参数: 装饰器也可传递一个万能参数,通过此参数传递列表字典等.

>>> import os
>>> import sys
>>>
>>> def outer(function):
def inner(*args,**kwargs):
print("主函数开始执行前,会先执行我!")
ret=function(*args,**kwargs)
print("主函数执行结束后,要在执行我!")
return ret
return inner

>>> @outer
def lyshark(*args):
print(args)
return 0

#==调用并执行函数,结果如下==========================================
>>> num=[1,2,3,4,5]
>>> ret=lyshark(num)
主函数开始执行前,会先执行我!
([1, 2, 3, 4, 5],)
主函数执行结束后,要在执行我!
>>>
>>> print("lyshark() 函数的返回值是:",ret)
lyshark() 函数的返回值是: 0

#==调用并执行函数,结果如下==========================================
@outer
def lyshark_kw(*args,**kwargs):
print(args,kwargs)
return 0

num=[1,2,3,4,5]
kw={"1001":"admin","1002":"guest"}
ret=lyshark_kw(num,kw)

一次使用两个装饰器装饰函数: 如果一个装饰器不够用的话,我们可以使用两个装饰器,首先将函数与内层装饰器结合然后在与外层装饰器相结合,要理解使用@语法的时候到底执行了什么,是理解装饰器的关键.

>>> import os
>>> import sys
>>>
>>> def outer2(function2):
def inner2(*args,**kwargs):
print("装饰器2--->【开始】")
ret=function2(*args,**kwargs)
print("装饰器2--->【结束】")
return ret
return inner2

>>> def outer1(function1):
def inner1(*args,**kwargs):
print("装饰器1--->【开始】")
ret=function1(*args,**kwargs)
print("装饰器1--->【结束】")
return ret
return inner1


@outer2
@outer1
def lyshark():
print("lyshark 函数被执行了")

#==调用并执行函数,结果如下==========================================
>>> lyshark()
装饰器2--->【开始】
装饰器1--->【开始】
lyshark 函数执行了
装饰器1--->【结束】
装饰器2--->【结束】

#==调用并执行函数,结果如下==========================================
@outer1
@outer2
def lyshark_and():
print("lyshark_and 函数被执行了")

>>> lyshark_and()
装饰器1--->【开始】
装饰器2--->【开始】
lyshark_and 函数执行了
装饰器2--->【结束】
装饰器1--->【结束】

◆带参装饰器◆

前面的装饰器本身没有带参数,如果要写一个带参数的装饰器怎么办,那么我们就需要写一个三层的装饰器,而且前面写的装饰器都不太规范,下面来写一个比较规范带参数的装饰器,下面来看一下代码,大家可以将下面的代码自我运行一下.

给装饰器本身添加参数: 接下来我们将给装饰器本身添加一些参数,使其能够实现参数传递.

>>> import functools
>>> import sys
>>>
>>> def lyshark(temp=""): #指定装饰器默认参数
def decorator(function): #定义装饰器
@functools.wraps(function) #使被装饰的装饰器的函数名不改变
def wrapper(*args,**kwargs):
print("主函数开始执行前,会先执行我!")
print("{}:{}".format(temp,function.__name__)) #这里调用了装饰器temp变量
ret=function(*args,**kwargs)
print("主函数执行结束后,要在执行我!")
return ret
return wrapper
return decorator

#==调用并执行函数,结果如下==========================================
>>> #如果不给装饰器加参数,那么这个装饰器将使用默认参数 temp="",来填充
>>> @lyshark()
def test(x):
print(x+100)

>>> test(100)
主函数开始执行前,会先执行我!
:test #这里由于没有传递参数则第一项为空,第二项是函数名称`function.__name__`取出的
主函数执行结束后,要在执行我!

#==调用并执行函数,结果如下==========================================
>>> #下面是给装饰器一个参数,将不是用默认参数 temp="",将变成 temp="LyShark"
>>> @lyshark("LyShark")
def test(x):
print(x+100)

>>> test(100)
主函数开始执行前,会先执行我!
LyShark:test
主函数执行结束后,要在执行我!

给装饰器本身添加参数: 接下来我们将给装饰器本身添加两个参数,使其能够传递多个参数.

>>> import sys
>>> import os
>>>
>>> def lyshark(x="Hello",y="LyShark"):
def decorator(function):
def wrapper():
print("主函数执行前,应先执行我!")
print(x,y)
ret=function()
print("主函数执行后,要执行我!")
return ret
return wrapper
return decorator

#==调用并执行函数,结果如下==========================================
>>> #使用默认参数的装饰器:此时 x="Hello" y="LyShark"
>>> @lyshark()
def test():
print("我是test(),主函数,装饰器在装饰我")

>>> test()
主函数执行前,应先执行我!
Hello LyShark
我是test(),主函数,装饰器在装饰我
主函数执行后,要执行我!

#==调用并执行函数,结果如下==========================================
>>> #给装饰器指定参数:此时 x="My Name Is :" y="LyShark"
>>> @lyshark("My Name Is :","LyShark")
def test():
print("我是test(),主函数,装饰器在装饰我")

>>> test()
主函数执行前,应先执行我!
My Name Is : LyShark
我是test(),主函数,装饰器在装饰我
主函数执行后,要执行我!

◆装饰器实战(练习)◆

测试程序执行时间: 通过使用装饰器,给一个已存在的函数,测试函数的执行时间.

import os
import sys
import time

def showtime(func):
def main():
start_time=time.time()
func()
end_time=time.time()
print("程序运行了: %s"%(end_time-start_time))
return main

#==调用并执行函数,结果如下==========================================
@showtime
def timer():
time.sleep(3)
print("执行程序结束....")

timer()

记录登陆状态(1): 使用装饰器记录登陆状态,下次自动登录.

import os
import sys

user_info={}
user_name="admin"
pass_word="1233"

def check_login(func):
def main():
if((user_info.get("is_login",None) ==True) and (user_info.get("is_type",None)==0)):
print("你已经登陆过了,不能重复登陆!")
func()
else:
print("你没有登陆,请先登录,在进行此操作")
return main


def login():
username=input("输入用户名:").strip()
password=input("输入密码:").strip()

if username==user_name and password==pass_word:
user_info["is_login"]=True
user_info["is_type"]=0
print("你好: "+username+"登陆成功,登录状态已被记录")
elif username!="" and password!="":
print("您输入的用户名,或者密码不正确,请重新输入")
else:
print("您没有输入任何内容,错误")

@check_login
def home():
print("用户登录成功,显示这个函数中的内容.")


def main():
while True:
temp=input("1.登陆 2.查询状态\n")
if(temp=="1"):
login()
elif(temp=="2"):
home()
else:
continue

main()

记录登陆状态(2): 使用装饰器记录登陆状态,下次自动登录.

USER_INFO = {}

def check_login(func):
def inner(*args,**kwargs):
if USER_INFO.get('is_login',None):
ret = func()
return ret
else:
print("请登录")
return inner

def check_admin(func):
def inner(*args,**kwargs):
if USER_INFO.get('user_type',None) == 2:
ret = func()
return ret
else:
print("无权限查看")
return inner


@check_login #先检查你是不是登陆了
@check_admin #在检查你是不是管理员
def index():
"""
管理员用户
"""
print('index')

@check_login
def home():
"""
普通用户

"""
print('home')

def login():
user = input("请输入用户名:")
if user == 'admin':
USER_INFO['is_login'] = True
USER_INFO['user_type'] = 2
else:
USER_INFO['is_login'] = True
USER_INFO['user_type'] = 1


def main():
while True:
inp = input('1、登录;2、查看信息;3、超级管理员管理\n>:')
if inp == '1':
login()
elif inp == '2':
home()
elif inp == '3':
index()

main()

Python 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,还会造成大量空间的白白浪费,如果列表元素可以按照某种算法推算出来,这样我们就不必创建完整的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).

生成器是一个特殊的程序,可以被用作控制循环的迭代行为,Python中生成器是迭代器的一种,使用yield返回值函数,每次调用yield会暂停,而可以使用next()函数和send()函数恢复生成器.

生成器类似于返回值为数组的一个函数,这个函数可以接受参数,可以被调用,但不同于一般的函数会一次性返回包括了所有数值的数组,生成器一次只能产生一个值,这样消耗的内存数量将大大减小,而且允许调用函数可以很快的处理前几个返回值,因此生成器看起来像是一个函数,但是表现得却像是迭代器.

生成器的注意事项,和相关的特性:

● 当我们调用一个生成器函数时,其实返回的是一个迭代器对象
● 在Python语言中,只要表达式中使用了,yield函数,通常将此类函数称为生成器(generator)
● 运行生成器时,每次遇到yield函数,则会自动保存并暂停执行,直到使用next()方法时,才会继续迭代
● 跟普通函数不同,生成器是一个返回迭代器的函数,只能用于迭代操作,更简单点理解生成器就是一个迭代器

在学习生成器之前,我们先来看一下以下两种情况的对比,第一种方法很简单,只有把一个列表生成式的[]中括号改为()小括号,就创建了一个生成器.

>>> lis = [x*x for x in range(10)]
>>> print(lis)
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

>>> generator = (x*x for x in range(10))
>>> print(generator)
<generator object <genexpr> at 0x0000022E5C788A98>

如上的例子,第一个lis通过列表生成式,创建了一个列表,而第二个generator则打印出一个内存地址,如果我们想获取到第二个变量中的数据,则需要迭代操作,如下所示:

>>> generator = (x*x for x in range(10))

>>> print(next(generator))
0
>>> print(next(generator))
1
>>> print(next(generator))
4
>>> print(next(generator))
9

以上可以看到,generator保存的是算法,每次调用next(generaotr),就计算出他的下一个元素的值,直到计算出最后一个元素,使用for循环可以简便的遍历出迭代器中的数据,因为generator也是可迭代对象.

>>> generator = (x*x for x in range(10))
>>>
>>> for i in generator:
print(i,end="")

0149162536496481

◆生成器的实例◆

实例(1): 通过函数,和yield关键字,生成几个生成器.

>>> import sys
>>>
>>> def func():
yield 1
yield 2
yield 3
yield 4
yield 5

>>> temp=func()
>>> temp.__next__()
1
>>> temp.__next__()
2
>>> temp.__next__()
3

实例(2): 使用while循环构建一个生成器,并通过for遍历打印出结果.

>>> import sys
>>>
>>> def yieldNum(x):
y=0
while (y <= x):
yield y
y += 1

>>> yie=yieldNum(5)
>>> for i in yie:
print(i)

0
1
2
3
4
5

实例(3): 使用生成器求1-10的平方.

>>> def yieldNum():
x=1
while (x <=10 ):
yield x ** 2
x += 1

>>> yie=yieldNum()
>>>
>>> for i in yie:
print(i)
4
16
36
64
100

实例(4): 使用生成器,自定义实现range函数.

>>> def xrange(num):
temp=-1
while True:
temp=temp+1
if (temp >= num):
return
else:
yield temp

>>> xrange(10)
<generator object xrange at 0x038E3030>

实例(5): 通过使用生成器求斐波那契数列.

>>> def fib(max):
n,a,b=0,0,1
while n < max:
yield b
a,b=b,a+b
n+=1
return "done"

>>> f=fib(5)
>>> f
<generator object fib at 0x038F4A20>

实例(6): 使用生成器,在单个进程情况下实现并发效果.

import time
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))

def producer(name):
c = consumer('A')
c2 = consumer('B')
c.__next__()
c2.__next__()
print("老子开始准备做包子啦!")
for i in range(10):
time.sleep(1)
print("做了2个包子!")
c.send(i)
c2.send(i)

producer("alex")

◆生成列表解析◆

列表解析是Python迭代机制的一种应用,它常用于实现创建新的列表,因此要放置于[]中,列表解析非常灵活,可以用户快速创建一组相应规则的列表元素,且支持迭代操作.

求阶乘: 通过列表解析式,来实现列表的迭代求阶乘.

>>> temp1 = [1,2,3,4,5]
>>> temp2 = [ x ** 2 for x in temp1 ]

>>> temp1
[1, 2, 3, 4, 5]
>>> temp2
[1, 4, 9, 16, 25]

求阶乘: 通过列表解析式,实现迭代求阶乘,并且只打印大于2(if x>=2)的数据.

>>> temp1 = [1,2,3,4,5]
>>> temp2 = [ x**2 for x in temp if x>=2 ]

>>> temp1
[1, 2, 3, 4, 5]
>>> temp2
[4, 9, 16, 25]

求阶乘: 通过列表解析式,实现迭代求阶乘,并通过range函数生成相关数据.

>>> temp = [ (x**2)/2 for x in range(1,10)]
>>> temp
[0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5]

数据合并: 通过列表解析式,实现迭代将两个列表按照规律合并.

>>> temp1=["x","y","z"]
>>> temp2=[1,2,3]
>>> temp3=[ (i,j) for i in temp1 for j in temp2 ]
>>> temp3
[('x', 1), ('x', 2), ('x', 3), ('y', 1), ('y', 2), ('y', 3), ('z', 1), ('z', 2), ('z', 3)]

文件过滤: 通过使用列表解析,实现文本的过滤操作.

>>> import os

>>> file_list=os.listdir("/var/log")
>>> file_log=[ i for i in file_list if i.endswith(".log") ]
>>> print(file_log)
['boot.log', 'yum.log', 'ecs_network_optimization.log', 'ntp.log']

>>> file_log=[ i for i in os.listdir("/var/log") if i.endswith(".log") ]
>>> print(file_log)
['boot.log', 'yum.log', 'ecs_network_optimization.log', 'ntp.log']

◆生成器表达式◆

生成器表达式并不真正创建数字列表,而是返回一个生成器对象,此对象在每次计算出一个条目后,把这个条目"产生"(yield)出来,生成器表达式使用了”惰性计算”或称作”延迟求值”的机制序列过长,并且每次只需要获取一个元素时,应当考虑使用生成器表达式而不是列表解析.

>>> import sys
>>>
>>> yie=( i**2 for i in range(1,10) )
>>> next(yie)
1
>>> next(yie)
4
>>> next(yie)
9
>>> for j in ( i**2 for i in range(1,10)):print(j/2)
...
0.5
2.0
4.5
8.0
12.5
18.0
24.5
32.0
40.5

Python 迭代器

迭代器是访问集合元素的一种方式,迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束.迭代器只能往前不会后退,不过这也没什么,因为人们很少在迭代途中往后退.另外,迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素.迭代器仅仅在迭代到某个元素时才计算该元素,而在这之前或之后,元素可以不存在或者被销毁.这个特点使得它特别适合用于遍历一些巨大的或是无限的集合,比如几个G文件的遍历.

关于迭代器的几个特性:

● 迭代器是一个可以记住遍历的位置的对象
● 字符串,列表或元组对象都可用于创建迭代器
● 迭代器有两个基本的方法:iter()和next()
● 迭代器便于循环比较大的数据集合,节省了内存开支
● 迭代是Python最强大的功能之一,是访问集合元素的一种方式
● next()就相当于调用__next__(),for也是iterable(可迭代)对象
● 访问者不需要关心迭代器内部的结构,仅需通过next()方法不断去取下一个内容
● 迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束.迭代器只能往前不会后退

实例(1): 迭代器的基本用法1.

>>> import sys
>>>
>>> temp=iter([1,2,3,4,5,6,7,8,9])
>>> temp
<list_iterator object at 0x03BD1F90>

>>> temp.__next__()
1
>>> temp.__next__()
2
>>> temp.__next__()
3

实例(2): 迭代器的基本用法2.

>>> import sys
>>>
>>> temp=[1,2,3,4,5]
>>> ite=temp.__iter__()
>>> print(type(temp),type(ite))
<class 'list'> <class 'list_iterator'>

>>> next(ite)
1
>>>
>>> next(ite)
2
>>> next(ite)
3
>>> next(ite)
4

实例(3): 通过while语句遍历迭代对象.

>>> ite=iter([1,2,3,4,5])
>>>
>>> while True:
try:
temp=next(ite)
print(temp)
except StopIteration:
break

1
2
3
4
5