Python高级系列教程：Python高级语法与正则表达式

学习目标

1、能够掌握with语句的使用

2、能够知道生成器的两种创建方式

3、能够知道深拷贝和浅拷贝的区别

4、能够掌握Python中的正则表达式编写

一、Python高级语法

1、with语句和上下文管理器

☆ with语句

Python提供了 with 语句的写法，既简单又安全。文件操作的时候使用with语句可以自动调用关闭文件操作，即使出现异常也会自动关闭文件操作。举个栗子：

使用with方法实现文件操作，如下所示：

# 1、以写的方式打开文件
withopen('1.txt','w')as f:
# 2、读取文件内容
f.write('hello world')

2、生成器的创建方式

Python生成器是一种特殊的迭代器，它可以按需生成值，而不是一次性生成所有值。生成器可以节省内存空间，并且可以以惰性方式生成数据，只有在需要时才会生成数据。

创建生成器的方式

① 生成器推导式

② yield 关键字

☆ 生成器推导式

生成器表达式是一种类似于列表推导式的语法，它可以用于创建生成器对象。与列表推导式不同的是，生成器表达式使用圆括号而不是方括号，并且返回的是一个生成器对象而不是一个列表。

以下是一个生成器表达式的示例：

# 创建生成器
my_generator =(i *2for i inrange(5))
print(my_generator)

# next获取生成器下一个值
# value = next(my_generator)
# print(value)

# 遍历生成器
for value in my_generator:
print(value)

当使用next获取生成器的下一个值时，即：

# 创建生成器
my_generator = (i * 2 for i in range(5))
print(my_generator)

# next获取生成器下一个值
value = next(my_generator)
print(value)

这段代码使用生成器表达式创建了一个生成器对象my_generator，它会生成从0到4的整数，每个整数乘以2。

接下来，使用next函数获取生成器对象的下一个值，并将其赋值给变量value。由于生成器是按需生成值的，因此在第一次调用next函数时，生成器会生成第一个值，并返回该值。在下一次调用next函数时，生成器会生成下一个值，并返回该值。依次类推，直到生成器中没有更多的值可以生成，再次调用next函数会抛出StopIteration异常，表示生成器已经没有更多的值可以生成。

在这个例子中，第一次调用next函数时，生成器会生成第一个值0，并返回该值。因此，变量value的值为0，然后打印出来。

# 创建生成器
my_generator = (i * 2 for i in range(5))
print(my_generator)

# 遍历生成器
for value in my_generator:
print(value)

这段代码使用生成器表达式创建了一个生成器对象my_generator，它会生成从0到4的整数，每个整数乘以2。

接下来，使用for循环遍历生成器对象，依次获取生成器返回的每个值，并将其打印出来。由于生成器是按需生成值的，因此在每次迭代时才会生成下一个值，所以遍历生成器时不会一次性生成所有值，而是在需要时才生成。在这个例子中，循环过程中，生成器会依次生成0、2、4、6、8这五个值，并将这些值赋值给变量value，然后打印出来。当生成器中没有更多的值可以生成时，循环结束。由于生成器是按需生成值的，因此可以节省内存空间，并且可以以惰性方式生成数据，只有在需要时才会生成数据。

生成器相关函数：

next 函数获取生成器中的下一个值
for 循环遍历生成器中的每一个值

☆ yield生成器

yield 关键字生成器的特征：在def函数中具有yield关键字

defgenerator(n):
for i inrange(n):
print('开始生成...')
yield i
print('完成一次...')

g = generator(5)
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))-----> 正常
print(next(g))-----> 报错
Traceback (most recent call last):
File "/Users/cndws/PycharmProjects/pythonProject/demo.py", line 14,in<module>
print(next(g))
StopIteration

这段代码定义了一个名为generator的生成器函数，它的参数n表示生成的数据个数。在函数内部，使用for循环来生成n个数，每生成一个数，就使用yield语句将该数作为生成器的值返回，并在生成器内部打印出开始生成...和完成一次...，以便区分生成器的输出结果是在哪个阶段生成的。yield语句会暂停函数的执行，并将返回值作为生成器的值返回，下次再调用next()方法时，从yield语句处继续执行。

在程序中，先调用generator(5)创建一个生成器g，然后连续调用5次next(g)方法获取生成器的下一个值，每次调用next()方法时，生成器会生成下一个值，并返回该值。因为该生成器中一共有5个数需要生成，所以可以正常地获取5个值并打印输出。当程序第6次调用next()方法时，由于生成器中已经没有数可以生成了，所以会抛出StopIteration异常，表示生成器已经没有更多的值可以生成。这是生成器的一种默认行为，当没有更多的值能够生成时，StopIteration异常就会被抛出，可以在程序中捕捉该异常并进行相应处理。

defgenerator(n):
for i inrange(n):
print('开始生成...')
yield i
print('完成一次...')

g = generator(5)
for i in g:
print(i)

这段代码与上一段代码类似，也是定义了一个生成器函数generator，用来生成n个数。不同之处在于，这里使用for循环遍历生成器对象g，而不是连续调用next()方法来获取生成器的下一个值。在for循环中，每次迭代会自动调用next()方法来获取生成器的下一个值，并将该值赋值给循环变量i，然后执行循环体内的代码块。在这个例子中，循环体内只有一行代码，即打印出循环变量i的值。

运行结果：

开始生成...
0
完成一次...
开始生成...
1
完成一次...
开始生成...
2
完成一次...
开始生成...
3
完成一次...
开始生成...
4
完成一次...

进程已结束,退出代码0

因为generator(5)返回的是一个生成器对象，所以可以直接将其用于for循环中，从而遍历生成器对象中的所有值。在每次循环中，生成器会生成下一个值，并将该值赋值给循环变量i，然后打印出来。由于生成器是按需生成值的，所以在循环过程中，每生成一个值，就会打印出一行开始生成...和完成一次...，以便区分生成器的输出结果是在哪个阶段生成的。最终，循环结束后，生成器中就没有更多的值可以生成了，程序也就结束了。

defgenerator(n):
for i inrange(n):
print('开始生成...')
yield i
print('完成一次...')

g = generator(5)
whileTrue:
try:
print(next(g))
except StopIteration:
break

这段代码与前两段代码类似，也是定义了一个生成器函数generator，用来生成n个数。不同之处在于，这里使用while循环和try...except语句来获取生成器的下一个值。在while循环中，每次循环会调用next()方法来获取生成器的下一个值，并将该值打印出来。由于生成器是按需生成值的，所以在循环过程中，每生成一个值，就会打印出一行开始生成...和完成一次...，以便区分生成器的输出结果是在哪个阶段生成的。在try...except语句中，如果生成器已经没有更多的值可以生成了，就会抛出StopIteration异常，然后使用break语句退出循环。

因为生成器是按需生成值的，所以使用while循环和try...except语句来获取生成器的下一个值，可以在生成器中没有更多的值可以生成时，及时捕捉异常并退出循环，避免程序出现异常情况。这种方式比较灵活，可以根据需