日志，推导和迭代器，生成器

日志

# import logging
# LOG_FORMAT="%(asctime)s-%(levelname)s-%(message)s"
# logging.basicConfig(filename="异常日志.txt",level=logging.DEBUG,format=LOG_FORMAT)
# #logging.basicConfig(level=logging.DEBUG,format=LOG_FORMAT)#控制台输出
# def test():
#     try:
#         a=int(input("请输入一个被除数："))
#         b=int(input("请输入一个除数"))
#         print(a/b)
#         return
#     except (ValueError):
#         #处理异常
#         logging.debug("只能输出数字")
#     except ZeroDivisionError:
#         logging.info("除数不能为零")
#     else:
#         print("else.....")
#     finally:
#         print("程序结束")
# test()

以上代码在程序运行时，会在遇到输入错误，除数为0时创建“异常日志.txt”并在其中输出只能输入数字或除数不能为0的异常。

默认情况下，logging将日志打印到屏幕，日志级别为WARNING；
日志级别大小关系为：CRITICAL > ERROR > WARNING > INFO > DEBUG > NOTSET，当然也可以自己定义日志级别

通过logging.basicConfig函数对日志的输出格式及方式做相关配置

ogging.basicConfig函数各参数:
filename: 指定日志文件名
filemode: 和file函数意义相同，指定日志文件的打开模式，'w'或'a'
format: 指定输出的格式和内容，format可以输出很多有用信息，如上例所示:
 %(levelno)s: 打印日志级别的数值
 %(levelname)s: 打印日志级别名称
 %(pathname)s: 打印当前执行程序的路径，其实就是sys.argv[0]
 %(filename)s: 打印当前执行程序名
 %(funcName)s: 打印日志的当前函数
 %(lineno)d: 打印日志的当前行号
 %(asctime)s: 打印日志的时间
 %(thread)d: 打印线程ID
 %(threadName)s: 打印线程名称
 %(process)d: 打印进程ID
 %(message)s: 打印日志信息
datefmt: 指定时间格式，同time.strftime()
level: 设置日志级别，默认为logging.WARNING

stream: 指定将日志的输出流，可以指定输出到sys.stderr,sys.stdout或者文件，默认输出到sys.stderr，当stream和filename同时指定时，stream被忽略

推导

列表推导式

列表推导式提供一个生成列表的简洁方法。常见的应用是创建新列表，其中每个元素是应用于另一序列或可迭代的每个成员的一些操作的结果，或者创建那些满足特定条件的元素的子序列。

num=[x for x in range(100)if x%3==0]
print(num)

输出100以内可以被3整除的数字

字典推导式

字典和集合推导式是该思想的延续，语法差不多，只不过产生的是集合和字典而已

data = {'a': 10, 'b': 34, 'c':100}
res = {v: k for k, v in data.items()}
print(res)

快速更换key和value

输出结果为：

{10: 'a', 34: 'b', 100: 'c'}

集合推导式

集合推导式跟列表推导式非常相似，唯一区别在于用{}代替[]

squared = {x**2 for x in [1, 1, 2]}
print(squared)

以上代码，输出：

{1, 4}

迭代器

迭代是Python最强大的功能之一，是访问集合元素的一种方式。。
字符串，列表或元组对象都可用于创建迭代器：
字符串，列表或元组==>(iterable object)可迭代对象
迭代器是一个可以记住遍历的位置的对象。
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。
迭代器有两个基本的方法：__iter__() 和 __next__()。 
__iter__方法：返回迭代器自身。可以通过python内建函数iter()调用。
__next__方法：当next方法被调用的时候，迭代器会返回它的下一个值，如果next方法被调用，但迭代器没有只可以返回，就会引发一个StopIteration异常。该方法可以通过 python 内建函数next()调用。 

内建函数iter()可以从可迭代对象中获得迭代器。
it = iter(list) # 创建迭代器对象
创建一个迭代器有3种方法，其中前两种分别是：
 为容器对象添加 __iter__() 和 __next__() 方法（Python 2.7 中是 next()）；__iter__() 返回迭代器对象本身 self，__next__() 则返回每次调用 next() 或迭代时的元素；
     
 2. 内置函数 iter() 将可迭代对象转化为迭代器


 3.就是生成器（generator）。生成器通过 yield 语句快速生成迭代器，省略了复杂的 __iter__() & __next__() 方式

生成器

第一种方式：将列表的[]改为(),里面可以写推导
 生成器只要调用next()方法即可得到下一个值，到最后一个后异常(StopIteration)退出
用表达式做生成器
例：
test=(x for x in rang(10))
next(test)或test.__next__()
第二种方式:
通过裴波那切序列讲解：将print换成yield，每次生成一个值
但是调用方法时没有结果
在方法内使用yield做生成器，这样调用此方法时，会得出一个结果：generator object...
然后也是可以调用next()
每到yield时，就会停止，返回当前这个值，可以一次一次next()调用，看看运行过程
生成器可以被循环迭代，直到循环结束
import collections
print(isinstance([], collections.Iterable))            # True
print(isinstance(iter([]), collections.Iterator))      # True
print(isinstance(iter([]), collections.Iterable))      # True
print(isinstance([], collections.Iterator))            # False
print(isinstance((x * x for x in range(10)), collections.Iterable))