一、装饰器

为什么要使用装饰器？

1、不改变函数原有的代码

2、不改变函数原有的调用方式

什么是装饰器？

高阶函数+嵌套函数====》装饰器

装饰器的具体实现：

通过装饰器实现用户登录页面的认证：

 1 __author__ = ‘NL‘
 2 
 3 user,passwd = "nl","123"
 4 
 5 def login(login_tpye):
 6     def out_wapper(func):
 7         def wapper(*args,**kwargs):
 8             if login_tpye == "local":
 9                 username = input("username:")
10                 password = input("password:")
11                 if user == username and passwd == password:
12                     print("you are loggin!")
13                     res = func(*args,**kwargs)
14                     return res
15                 else:
16                     print("Invalid username or password")
17             elif login_tpye == "ldap":
18                 print("去ldap上认证吧。。。。")
19         return wapper
20     print(out_wapper)   # login = out_wapper
21     return out_wapper
22 
23 def index():
24     print("in the index")
25 
26 @login("local")
27 def home():
28     print("in the home")
29     return "from home"
30 
31 @login("ldap")
32 def bbs():
33     print("in the bbs")
34 
35 print(login)   # login = out_wapper
36 index()
37 home()
38 bbs()

View Code

二、生成器

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。

每次调用__next__()，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

 1 __author__ = ‘NL‘
 2 
 3 l = [i**2 for i in range(10)]  #列表
 4 p = (i**2 for i in range(10))  #生成器
 5 print(l)
 6 #结果：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
 7 print(p)
 8 #结果：<generator object <genexpr> at 0x00AAAE70>
 9 
10 #生成器使用__next__()获取下一个值或者使用for循环获取值
11 print(p.__next__())
12 print(p.__next__())
13 print(p.__next__())
14 print(p.__next__())
15 print(p.__next__())
16 print(p.__next__())
17 print(p.__next__())
18 print(p.__next__())
19 print(p.__next__())
20 print(p.__next__())
21 
22 for i in p:
23     print(i)

定义generator的另一种方法是：如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

 1 __author__ = ‘NL‘
 2 
 3 def fib(max):
 4     n,a,b = 0,0,1
 5     while n < max:
 6         # print(b)
 7         yield b   #Yield是关键字， 用起来像return，yield在告诉程序，要求函数返回一个生成器。
 8         a,b = b,a+b
 9         n += 1
10     return "--done--"
11 
12 
13 g = fib(10)
14 print(g)  #结果：<generator object fib at 0x0331AE70>
15 
16 print(g.__next__())      #用__next__()调用并返回下一个值
17 print("其他操作")         #可以中断跳出，执行其他操作，再返回去，返回下一个值
18 print(g.__next__())
19 print(g.__next__())
20 print(g.__next__())
21 print("其他操作")
22 print(g.__next__())
23 print(g.__next__())
24 
25 for i in g:             #用for循环进行迭代取值
26     print(i)

还可通过yield实现在单线程的情况下实现并发运算的效果（生产者消费者问题）

 1 __author__ = ‘NL‘
 2 import time
 3 
 4 def consumer(name):
 5     print("%s准备好吃包子了！"%name)
 6     while True:
 7         baozi = yield
 8         time.sleep(1)
 9         print("我吃了%s个包子！"%baozi)
10 
11 def productor(name):
12     c1 = consumer("A")
13     print("我开始做包子了！")
14     c1.__next__()
15     for i in range(1,10):
16         time.sleep(1)
17         print("我做了%s个包子"%i)
18         c1.send(i)
19 
20 productor("NL")

View Code

三、迭代器

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。

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。

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

可以使用isinstance()判断一个对象是否是Iterable对象或Iterator：

 1 __author__ = ‘NL‘
 2 
 3 from collections import Iterator
 4 from collections import Iterable
 5 
 6 print(isinstance([], Iterator))
 7 #结果：False
 8 
 9 print(isinstance(iter([]),Iterator)) #通过iter()使得可迭代的对象称为迭代器
10 #结果：Ture
11 
12 print(isinstance([],Iterable))
13 #结果：Ture

 为什么list、dict、str等数据类型不是Iterator？

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

四、数据序列化

用于序列化的两个模块

• json，用于字符串 和 python数据类型间进行转换
• pickle，用于python特有的类型 和 python的数据类型间进行转换

Json模块提供了四个功能：dumps、dump、loads、load

pickle模块提供了四个功能：dumps、dump、loads、load

五、程序结构

参考链接：https://stackoverflow.com/questions/193161/what-is-the-best-project-structure-for-a-python-application

假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:

Foo/
|-- bin/
|   |-- foo
|
|-- foo/
|   |-- tests/
|   |   |-- __init__.py
|   |   |-- test_main.py
|   |
|   |-- __init__.py
|   |-- main.py
|
|-- docs/
|   |-- conf.py
|   |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README

简要解释一下:

1. bin/: 存放项目的一些可执行文件，当然你可以起名script/之类的也行。
2. foo/: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/存放单元测试代码； (3) 程序的入口最好命名为main.py。
3. docs/: 存放一些文档。
4. setup.py: 安装、部署、打包的脚本。
5. requirements.txt: 存放软件依赖的外部Python包列表。
6. README: 项目说明文件。

除此之外，有一些方案给出了更加多的内容。比如LICENSE.txt,ChangeLog.txt文件等

python基础知识(day4)