Python易忽略要点记录一

想要拥有不平凡的人生，请先拿出不平凡的努力。

前言

此内容为学习廖雪峰Python教程的学习笔记，内容是个人认为常常疏忽或是未了解的知识点，不具连贯性，如要学习Python，推荐前往廖雪峰官方站点学习。

基础常见问题

编码问题

1.在最新的Python 3版本中，字符串是以Unicode编码的。
2.字符串默认类型为str类型，在内存中以Unicode表示，一个字符对应若干个字节。
3.这常常会导致一些问题，特别是在进行相关字符串加密解密时，一定要考虑到先把字符串转为以字节为单位的bytes 可以直接转，也可以通过encode()方法可以编码为指定的bytes，反正一定要记得转，否则会出错。

Python3中的bytes和bytearray

1.bytes：不可变字节类型，bytes是字节组成的有序的不可变序列

2.字节数组，可变，bytearray是字节组成的有序的可变序列

3.其他相关使用，请看这里

关于迭代

1.字典的迭代，默认情况下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同时迭代key和value，可以用for k, v in d.items()。

2.判断一个对象是可迭代对象，可用

>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False

3.如果要对list实现下标循环,用enumerate，enumerate函数可以把一个list变成索引-元素对，这样就可以在for循环中同时迭代索引和元素本身：

>>> for i, value in enumerate(['A', 'B', 'C']):
...     print(i, value)
...
0 A
1 B
2 C

4.上面的for循环里，同时引用了两个变量，这种在Python中是很常见的，也很常用

>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
...     print(x, y)
...
1 1
2 4
3 9

列表生成式

多用方知，几个例子：

# 生成 x * x列表
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

# 附加条件
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]

# 使用两层循环
>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

# 将字典转为列表
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']

# 把列表中的字符串都变为小写，由于非字符串类型没有lower()方法，所以要分别讨论
>>> L1 = ['Hello', 'World', 18, 'Apple', None]
>>> L2 = [x.lower() if isinstance(x, str) else x for x in L1]
>>> L2
['hello', 'world', 18, 'apple', None]
>>>

生成器

通过列表生成式，可以直接创建一个列表。但由于受到内存限制，列表容量肯定是有限的。同时，列表元素可以按照某种算法推算出来，那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。

1.和列表生成是类似，generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator,即：只要把一个列表生成式的[]改成()，就创建了一个generator。当然，也可以通过函数实现复杂逻辑的generator。

2.生成器中的值可通过next(g) (g为生成器)一个一个访问，因为generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

3.next(g)一般不用，一般使用for循环，因为generator也是可迭代对象

# 可写为生成器的函数中使用yield即为生成器
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

# generator函数的“调用”实际返回一个generator对象
print(fib(6))

# 通过for循环访问,注意，这里得不到 return 'done' 即打印不出done,下面有说明。
for i in fib(6):
    print(i)

4.generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

5.for循环调用generator时，发现得不到generator的return语句的返回值。如果想要得到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中

# 通过捕获StopIteration错误，获取return返回值，返回值包含在StopIteration的value中
g = fib(6)
while True:
    try:
        x = next(g)
        print('g:', x)
    except StopIteration as e:
        print(