一、装饰器
1.1 目的
- 在不改变原函数内部代码的基础上,在函数执行之前和之后自动执行某个功能
1.2 应用场景
- 想要为函数扩展功能时,可以选择用装饰器
1.3 基本装饰器
- 基本格式:
def func(arg):
def inner():
v = arg()
return v
return inner
# 重点:
# 第一步:执行func函数并将下面的函数参数传递,相当于:func(index)
# 第二步:将func的返回值重新赋值给下面的函数名。 index = func(index)
@func
def index():
print(123)
return 666
print(index)
- 总结
- 编写格式:
def 外层函数(参数):
def 内层函数(*args,**kwargs)
return 参数(*args,**kwargs)
return 内层函数
- 应用格式:
@外层函数
def index(): #要装饰的函数
pass
index()
# 装饰器的编写
def x(func):
def y():
# 前
ret = func()
# 后
return ret
return y
# 装饰器的应用
@x
def index():
return 10
# 执行函数,自动触发装饰器了
v = index()
print(v)
- 示例:
def func(arg):
def inner():
print('before')
v = arg()
print('after')
return v
return inner
def index():
print('123')
return '666'
# 示例一
v1 = index() # 执行index函数,打印123并返回666赋值给v1.
# 示例二
v2 = func(index) # v2是inner函数,arg=index函数
index = 666
v3 = v2()
# 示例三
v4 = func(index)
index = v4 # index ==> inner
index()
# 示例四
index = func(index)
index()
1.4 带参数的装饰器
- 应用场景:flask框架 / django缓存 / 写装饰器实现被装饰的函数要执行N次
# 第一步:执行 ret = xxx(index)
# 第二步:将返回值赋值给 index = ret
@xxx
def index():
pass
# 第一步:执行 v1 = uuu(9)
# 第二步:ret = v1(index)
# 第三步:index = ret
@uuu(9)
def index():
pass
- 区别:
# 普通装饰器
def wrapper(func):
def inner(*args,**kwargs):
data = func(*args,**kwargs) # 执行原函数并获取返回值
return data
return inner
@wrapper
def index():
pass
# 带参数装饰器
def x(counter):
def wrapper(func):
def inner(*args,**kwargs):
data = func(*args,**kwargs) # 执行原函数并获取返回值
return data
return inner
return wrapper
@x(9)
def index():
pass
- 练习题
# 写一个带参数的装饰器,实现:参数是多少,被装饰的函数就要执行多少次,把每次结果添加到列表中,最终返回列表。
def xxx(counter):
def wrapper(func):
def inner(*args,**kwargs):
v = []
for i in range(counter):
data = func(*args,**kwargs) # 执行原函数并获取返回值
v.append(data)
return v
return inner
return wrapper
@xxx(5)
def index():
return 8
v = index()
print(v)
二、 迭代器
2.1 基本知识
- 用途:对 某种对象(str/list/tuple/dict/set类创建的对象-可迭代对象)中的元素进行逐一获取
- 表象:具有
__next__
方法且每次调用都获取可迭代对象中的元素(从前到后一个一个获取) - 示例:
- 列表转换成迭代器:
- v1 = iter([11,22,33,44])
v1 = [11,22,33,44].__iter__()
- 迭代器想要获取每个值:反复调用
val = v1.__next__()
v1 = [11,22,33,44]
# 列表转换成迭代器
v2 = iter(v1)
# 迭代器获取每个值
result1 = v2.__next__()
print(result1)
result2 = v2.__next__()
print(result2)
result3 = v2.__next__()
print(result3)
result4 = v2.__next__()
print(result4)
result5 = v2.__next__()
print(result5) # 报错:Stoplteration 表示已经迭代结束
- for循环:运用了迭代器
v1 = [11,22,33,44]
# 1.内部会将v1转换成迭代器
# 2.内部反复执行 迭代器.__next__()
# 3.取完不报错
for item in v1:
print(item)
2.2 可迭代对象
- 表象:可以被for循环的对象就可以称为是可迭代对象
- 如何让一个对象变成可迭代对象?
- 在类中实现
__iter__
方法且返回一个迭代器(生成器)
# 示例一:
class Foo:
def __iter__(self):
return iter([1,2,3,4])
obj = Foo()
# 示例二:
class Foo:
def __iter__(self):
yield 1
yield 2
yield 3
obj = Foo()
- 注意:只要能被for循环,就是去看他内部的
__iter__
方法
三、 生成器
3.1 基本知识
- 可以理解为:函数的变异、特殊的迭代器、特殊的可迭代对象
- 生成器的作用:
- 生成数据
- 迭代
- 示例:
# 生成器函数(内部是否包含yield)
def func():
print('F1')
yield 1
print('F2')
yield 2
print('F3')
yield 100
print('F4')
# 函数内部代码不会执行,返回一个 生成器对象 。
v1 = func()
# 生成器是可以被for循环,一旦开始循环那么函数内部代码就会开始执行。
for item in v1:
print(item)
3.2 关键字
- yield
- 用途:判断函数是否是生成器函数
- yield from
- 用途:从当前生成器函数跳到其他生成器函数中,执行结束后再回原函数继续执行下面代码
def base():
yield 88
yield 99
def func():
yield 1
yield 2
yield from base() # 跳到base函数
yield 3
result = func()
for item in result:
print(item) # 1 2 88 99 3
3.3 总结
- 重点:
- 函数中如果存在yield,那么该函数就是一个生成器函数
- 调用生成器函数会返回一个生成器
- 生成器只有被for循环时,生成器函数内部的代码才会执行,每次循环都会获取yield返回的值
- 建议:
- 生成器函数中一般不要有return
- 如果需要终止生成器函数中的循环,可以用return
def func():
count = 1
while True:
yield count
count += 1
if count == 100:
return
val = func()
for item in val:
print(item)
- 生成器示例:读取大文件内容
def func():
# 分批去读取文件中的内容,将文件的内容返回给调用者。
cursor = 0
while True:
f = open('db', 'r', encoding='utf-8') # 通过网络连接上redis
# 代指 redis[0:10]
f.seek(cursor)
data_list =[]
for i in range(10):
line = f.readline()
if not line:
return
data_list.append(line)
cursor = f.tell()
f.close() # 关闭与redis的连接
for row in data_list:
yield row
for item in func():
print(item)
勤勤恳恳更博,点点滴滴记录