day9(Alex python)

版权声明：本文为博主原创文章，转载请注明作者和出处。https://blog.csdn.net/xq920831/article/details/82379352

首先接着昨天的内容先写一个装饰器，要求如下：

内含两个函数，分别统计函数的运行时间。

代码如下：

# -*- coding:utf-8 -*-
# Author: Agent Xu

import time

def timmer(func):
    def warpper(*args,**kwargs):
        start_time = time.time()
        func(*args,**kwargs)
        end_time = time.time()
        print('function-->%s used %s seconds' %(func.__name__,(end_time-start_time)))
    return warpper

@timmer   #等于 func1 = timmer(func1)
def func1():
    time.sleep(2)
    print('this is func1')
func1()

@timmer   #等于 func2 = timmer(func2)
def func2():
    time.sleep(4)
    print('this is func2')
func2()

下面根据Alex的视频写一个完整版网页验证装饰器。很强大

# -*- coding:utf-8 -*-
# Author: Agent Xu

username = 'agentxu'
password = 'abc123'
def decor(valid_model):
    def auther_valid(func):
        def wrapper(*args,**kwargs):
            user1 = input('the username is:')
            pass1 = input('the password is:')
            if valid_model == 'local':
                if user1 == username and pass1 == password:
                    print('\033[32mWelcome!\033[0m')  #加颜色
                    return func(*args,**kwargs)
                else:
                    print('\033[31mInvalid username or password!\033[0m')  #加颜色
                    exit()
            elif valid_model == 'ldap':
                print('暂时不会。。。。')
            else:
                print('')
        return wrapper
    return auther_valid

def index():
    print('this is index page')

@decor(valid_model='local')
def home():
    print('this is home page')
    return 'home page'

@decor(valid_model='ldap')
def bbs():
    print('this is bbs page')

index()
home()
bbs()

代码中print的颜色输出可以参考这篇博客：https://blog.csdn.net/qq_34857250/article/details/79673698

 

迭代器&生成器

生成器

先说一下列表生成式，给一个例子：

list1 = [ i*2 for i in range(10)]
print(list1)
#[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

列表生成式会使得列表很灵活。

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们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。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

generator的取值有两种方式：for循环、next一个个取。

详细的参考https://www.cnblogs.com/alex3714/articles/5765046.html

生成器是只有在调用的时候才会生成相应的数据，只记录当前的位置。python2.0为next()，python3.0为__next__()

上述博文中的这一段很有意思（生成器实现多线程操作：协程）：

#_*_coding:utf-8_*_
__author__ = 'Alex Li'

import time
def consumer(name):
    print("%s 准备吃包子啦!" %name)
    while True:
       baozi = yield

       print("包子[%s]来了,被[%s]吃了!" %(baozi,name))


def producer(name):
    c = consumer('A')
    c2 = consumer('B')
    c.__next__()
    c2.__next__()
    print("老子开始准备做包子啦!")
    for i in range(10):
        time.sleep(1)
        print("做了2个包子!")
        c.send(i)
        c2.send(i)

producer("alex")

要注意的是consumer函数执行到yield就会停止，需要__next__()进行下一步，而且需要send函数传送参数。

send和next的区别在于：next只是在调用yield，而send在调用yield的同时还给了它参数。

迭代器

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象：

>>> from collections import Iterable

>>> isinstance([], Iterable)

True

>>> isinstance({}, Iterable)

True

>>> isinstance('abc', Iterable)

True

>>> isinstance((x for x in range(10)), Iterable)

True

>>> isinstance(100, Iterable)

False

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

*可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象：

>>> from collections import Iterator

>>> isinstance((x for x in range(10)), Iterator)

True

>>> isinstance([], Iterator)

False

>>> isinstance({}, Iterator)

False

>>> isinstance('abc', Iterator)

False

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

1 2 3 4

>>> isinstance(iter([]), Iterator) True >>> isinstance(iter('abc'), Iterator) True

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

 

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

1 2	for x in [1, 2, 3, 4, 5]:     pass

实际上完全等价于：

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break

今天就到这。。。。。