面向过程编程

       核心是过程二字，过程即解决问题的步骤，基于面向过程去设计程序就像是在设计一条工业流水线，是一种机械式的思维方式

优点：程序结构清晰可以把复杂的问题简单化，流程化

缺点：可扩展性差，一条流线只是用来解决一个问题

应用场景：linux内核，git，httpd，shell脚本

练习：过滤目录下文件内容包含error的文件

grep –rl ‘error’ /dir

使用os模块walk方法：

os.walk会把目录下的二级目录和文件做成一个迭代器，多次使用实现文件路径的拼接

#grep -rl ‘error‘ /dir/
import os
def init(func):
    def wrapper(*args,**kwargs):
        g=func(*args,**kwargs)
        next(g)
        return g
    return wrapper

#第一阶段：找到所有文件的绝对路径
@init
def search(target):
    while True:
        filepath=yield
        g=os.walk(filepath)
        for pardir,_,files in g:
            for file in files:
                abspath=r‘%s\%s‘ %(pardir,file)
                target.send(abspath)

#第二阶段：打开文件
@init
def opener(target):
    while True:
        abspath=yield
        with open(abspath,‘rb‘) as f:
            target.send((abspath,f))

#第三阶段：循环读出每一行内容
@init
def cat(target):
    while True:
        abspath,f=yield #(abspath,f)
        for line in f:
            res=target.send((abspath,line))
            if res:break

#第四阶段：过滤
@init
def grep(pattern,target):
    tag=False
    while True:
        abspath,line=yield tag
        tag=False
        if pattern in line:
            target.send(abspath)
            tag=True

#第五阶段：打印该行属于的文件名
@init
def printer():
    while True:
        abspath=yield
        print(abspath)

g = search(opener(cat(grep(‘error‘.encode(‘utf-8‘), printer()))))
g.send(r‘D:\python location\python36\day05\a‘)

3、递归

递归调用：在调用一个函数的过程中，直接或间接地调用了函数本身

Python中的递归在进行下一次递归时必须要保存状态，效率低，没有优化手段，所以对递归层级做了限制（其他编程语言中有尾递归方式进行优化）

1. 必须有一个明确的结束条件

2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少

3. 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）
尾递归优化：http://egon09.blog.51cto.com/9161406/1842475

#直接
def func():
    print(‘from func‘)
    func()

func() 
输出：
from func
from func
…
from funcTraceback (most recent call last):
  File "D:/python location/python36/day05/递归.py", line 8, in <module>
    func()
  [Previous line repeated 993 more times]
RecursionError: maximum recursion depth exceeded while calling a Python object              #调用Python对象时的最大递归深度超过了限制

如果递归层级过多，会报如上错误

#间接
def foo():
    print(‘from foo‘)
    bar()

def bar():
    print(‘from bar‘)
    foo()

foo() 
输出：
RecursionError: maximum recursion depth exceeded while calling a Python object              #调用Python对象时的最大递归深度超过了限制

修改递归层级限制（默认1000）

>>> import sys
>>> sys.getrecursionlimit()
1000
>>> sys.setrecursionlimit(2000)
>>> sys.getrecursionlimit()
2000

练习：

已知：

age(5)=age(4)+2
age(4)=age(3)+2
age(3)=age(2)+2
age(2)=age(1)+2
age(1)=18

首先做判断：

age(n)=age(n-1)+2        #n>1
age(1)=18               #n=1

def age(n):
    if n == 1:
        return 18
    return age(n-1)+2

print(age(5))

递归的执行分为两个阶段：

1 递推

2 回溯

递归和循环功能差不多，但在不知道循环次数时适合使用递归

练习：

取出列表中所有的元素

l =[1, 2, [3, [4, 5, 6, [7, 8, [9, 10, [11, 12, 13, [14,15,[16,[17,]],19]]]]]]]             #

def search(l):
    for item in l:
        if type(item) is list:
            search(item)
        else:
            print(item)

search(l)

4、二分法

方法：

判断一个数值是否存在于一个特别大的列表中，如果使用in方法会遍历列表，占内存过多，使用二分法每次会平分列表，占用内存较少

练习：

#二分法
l = [1,2,5,7,10,31,44,47,56,99,102,130,240]


def binary_search(l,num):
    print(l) #[10, 31]
    if len(l) > 1:
        mid_index=len(l)//2 #1
        if num > l[mid_index]:
            #in the right
            l=l[mid_index:] #l=[31]
            binary_search(l,num)
        elif num < l[mid_index]:
            #in the left
            l=l[:mid_index]
            binary_search(l,num)
        else:
            print(‘find it‘)
    else:
        if l[0] == num:
            print(‘find it‘)
        else:
            print(‘not exist‘)
        return

binary_search(l,32)

本文出自 “lyndon” 博客，请务必保留此出处http://lyndon.blog.51cto.com/11474010/1953169

python基础---面向过程编程