python知识点（二）

最新推荐文章于 2024-10-09 23:04:30 发布

kylinxjd

最新推荐文章于 2024-10-09 23:04:30 发布

阅读量164

点赞数

分类专栏： python基础文章标签： python 装饰器迭代器生成器

本文链接：https://blog.csdn.net/kylinxjd/article/details/97912081

版权

python基础专栏收录该内容

7 篇文章 0 订阅

订阅专栏

python的三大神器：装饰器迭代器生成器

一、装饰器

装饰器 decorator，是对函数的一种包装。
它能使函数的功能得到扩充，而同时不用修改函数本身的代码。
它能够增加函数执行前、执行后的行为，而不需对调用函数的代码做任何改变。

例子：

def wapper(func):
    def inner():
        print("执行function——a之前")
        func()
        print("执行function——a之后")
        return None

    return inner


@wapper
def a():
    print("执行function——a")


if __name__ == '__main__':
    a()

执行结果
在这里插入图片描述
一般我们只在函数执行前添加功能，所以写成如下形式

def wapper(func):
    def inner():
    
        print("执行function——a之前")

        return func()

    return inner


@wapper
def a():
    print("执行function——a")


if __name__ == '__main__':
    a()

装饰器的执行顺序如下，下面代码的功能就相当于给 b() 添加了一个 @wapper 装饰器
然后执行 b()

def wapper(func):
    def inner():
        # print("KKKKKKKKKKKKKKKKKKKKKKKKK")
        # print(args)
        # print(kwargs)
        print("执行function——b之前")

        return func()

    return inner

def b():
    print("执行function——b")


if __name__ == '__main__':
    f = b
    s = wapper(f)
    s()

被装饰函数传递参数问题

def wapper(func):
    def inner(*args, **kwargs):
        print("执行function——a之前")
        print("传递的参数")
        print(args)
        print(kwargs)

        return func(*args, **kwargs)

    return inner


@wapper
def a(num1, num2=5):
    print("执行function——a")
    print(num1)
    print(num2)

if __name__ == '__main__':
    a(2, num2=56)

在这里插入图片描述
装饰器工厂函数——装饰器可以传递参数

def func1(*args, **kwargs):  # 接受@func1的参数
    print("装饰器参数：", args, kwargs)

    def func2(func):
        def func3():
            print("执行function——a之前")
            return func()

        return func3

    return func2


@func1(2, g=9)
def a():
    print("执行function——a")

if __name__ == '__main__':
    a()

在这里插入图片描述

迭代器

迭代器是用来帮助我们记录每次迭代访问到的位置，当我们对迭代器使用next()函数的时候，迭代器会向我们返回它所记录位置的下一个位置的数据。实际上，在使用next()函数的时候，调用的就是迭代器对象的__next__方法（Python3中是对象的__next__方法，Python2中是对象的next()方法）。

list1 = [1, 2, 3, 4, 5]

# 通过iter创建迭代器对象
it = iter(list1)
# 通过next()函数依次遍历迭代器
print(next(it))
print(next(it))
print(next(it))
print(next(it))
print(next(it))

在这里插入图片描述
当迭代完成的时候如果继续迭代会出现异常
可以通过for循环遍历迭代器

list1 = [1, 2, 3, 4, 5]

# 通过iter创建迭代器对象
it = iter(list1)
# 通过next()函数依次遍历迭代器
for i in it:
    print(i, end="  ")

在这里插入图片描述
自定义迭代器：
要想构造一个迭代器，就要实现它的__next__方法。但这还不够，python要求迭代器本身也是可迭代的，所以我们还要为迭代器实现__iter__方法，而__iter__方法要返回一个迭代器，迭代器自身正是一个迭代器，所以迭代器的__iter__方法返回自身即可。

class MyNumbers:
    def __iter__(self):
        self.a = 1
        return self

    def __next__(self):
        if self.a <= 20:
            x = self.a
            self.a += 1
            return x
        else:
            raise StopIteration


# 实例化自定义迭代器
myclass = MyNumbers()
# 创建迭代器对象
myiter = iter(myclass)

for i in myiter:
    print(i， end="  ")

在这里插入图片描述

生成器

生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行，生成器本质上是特殊的迭代器
自定义一个生成器函数输出斐波拉契数列

import sys


def fibonacci(n):  # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if counter > n:
            return
        yield a
        a, b = b, a + b
        counter += 1

f = fibonacci(10)  # f 是一个迭代器，由生成器返回生成

while True:
    try:
        print(next(f), end=" ")
    except StopIteration:
        sys.exit()

在这里插入图片描述
send() 的用法
在获取下一个值的时候，send和next效果是一样的
但是，send可以和生成器交互，在获取下一个值的时候，给上一yield的位置传递一个数据。第一次使用生成器的时候是用next获取下一个值，最后一个yield不能接受外部的值

def send_generator():
    print("######################")
    content = yield 1
    # content就是同send传递过来的
    print('=======', content)
    print("@@@@@@@@@@@@@@@@@@@@@@")
    yield 2


g = send_generator()
ret = g.__next__()
print('============', ret)
ret = g.send('hello')  # 此处send的效果和next一样
print('============', ret)