Python个人代码随笔（观看无益，请跳过）

• 异常抛错：
• 一般来说，在程序中，遇到异常时，会从这一层逐层往外抛错，一直抛到最外层，由最外层把错误显示在用户终端。

try:
    raise ValueError("A value error...")
except ValueError:
    print("ValueError in my code...")

• 异常清理行为try语句下的可选finally子句：
• finally子句目的在于定义在任何情况下都一定要执行的功能。一般来说，finally子句用于释放外部资源（文件或网络传输连接之类的），无论它们的使用过程中是否出错。

try:
    raise ValueError
except ValueError:
    print("a value error...")
finally:
    print("hahahahahahaha")

• python迭代器（_Iterators_）对象在遵守迭代器协议时需要支持如下两种方法：
• __iter__()，返回迭代器对象自身。这用在for和in语句中；
• __next__()，返回迭代器的下一个值。如果没有下一个值可以返回，那么应该抛出StopIteration异常。

• class Counter(object):
      def __init__(self,low,high):
          self.current = low
          self.high = high
      def __iter__(self):
          return self
      def __next__(self):
          # 返回下一个值，直到当前值大于high
          if self.current > self.high:
              raise StopIteration
          else:
              self.current += 1
              return self.current - 1

• # 调用上述迭代器
  
  c = Counter(5,10)
  for i in c:
      print(i, end=" ")

• 生成器（Generator）是一种特殊类型的迭代器，它允许在迭代过程中逐步生成值，而不需要一次性生成所有值。通过生成器，可以方便的向程序提供一个可迭代的序列，同时可以节省内存，并允许在需要时延迟生成值。
• 生成器可以通过两种方式定义：
• 1，生成器函数（Generator Function）
• 2，生成器表达式（Generator Expression）
• 生成器函数：
• 生成器函数是一种特殊的函数，它使用yield关键字来产生值。当调用生成器函数时，它返回一个生成器对象，该对象可以用于迭代生成值。

• def my_generator():
      yield 1
      yield 2
      yield 3
  
  gen = my_generator()    # 调用生成器函数创建一个生成器对象

• # 生成器
  def generator():
      yield 1
      yield 2
      yield 3
  
  gen = generator()  # 调用生成器函数创建一个生成器对象
  for item in gen:
      print(item)
  
  # 生成器的简单写法
  gen = (i * i for i in range(10))  # 这里用圆括号，方括号是列表
  for item in gen:
      print(item)
  # 生成器是一种特殊类型的函数，它可以在需要时生成值，而不必一次性生成所有值并将它们存储在内存中。
  # 生成器能够延迟产生序列的元素，这样可以减少内存占用并提高效率，特别是在处理大量数据时。

• # 生成器
  def counter_generator(low, high):
      while low <= high:
          yield low
          low += 1
  for i in counter_generator(5,10):
      print(i, end=" ")
  # 在while循环中，每当执行到yield语句时，返回变量low的值并且生成器状态转为挂起。
  # 在下一次调用生成器时，生成器从之前冻结的地方恢复执行然后变量low的值加一。生成器继续while循环并且再次来到yield语句。。。
  
  # 生成器的使用场景：
  # 通常使用生成器进行惰性求值。这样使用生成器是处理大数据的好方法。如果你不想在内存中加载所有数据，你可以使用生成器，一次只传递给你一部分数据。
  
  # 生成器是一定不能重复循环的
  # 如果想要使得类的实例变成生成器，可以用__iter__和__next__方法实现。

• 闭包（__Closures__）：是由另外一个函数返回的函数。我们使用闭包去除重复代码。

• def add_number(num):
      def adder(number):
          # adder是一个闭包
          return num + number
      return adder
  a_10 = add_number(10)
  print(a_10(21))
  # adder是一个闭包，把一个给定的数字与预定义的一个数字相加

• 装饰器（__Decorators__）用来给一个对象状态的添加一些新的行为。

• # 装饰器
  # 装饰器是在不修改目标代码的前提下，为目标函数（或类）新增功能的函数（或类）。
  import time
  def timer(function):
      def wrapper():
          time_start = time.time()
          function()
          time_end = time.time()
          cost_time = time_end - time_start
          print("花费时间： {}秒".format(cost_time))
      return wrapper
  
  @timer
  def func1():
      print("这是函数一嗷")
  
  @timer
  def func2():
      a,b = 10,2000
      while a<b:
          a += 1
      print("我是函数二")
  
  @timer
  def func3():
      print("俺是函数三, 俺还会跳节目三嗷！")
  
  func1()
  func2()
  func3()

• Flask：是一个web框架。属于微框架。
• WSGI服务器网关接口：是为Python语言定义的Web服务器和Web应用程序或框架之间的一种简单而通用的接口。