day14 带参装饰器、迭代器、生成器

"""
今日内容:
1、带参装饰器及warps
2、迭代器
3、生成器
""" """
# 一、带参装饰器及warps系统装饰器
# 1、为什么需要带参装饰器?
-- 昨天的内容已经讲了装饰器,但是讲的都是增加的函数不需要外界传人参数,如果装饰器也需要外界传入参数呢?
-- 此时就需要带参装饰器 # 2、装饰器的推导过程
-- 如果添加的功能也需要外界传入参数时,参数应该如何通过谁进行传递呢?
-- 如果通过inner传入参数,因为inner中为可变长参数,所以会直接将参数传递给原函数,此方法不可行
-- 如果通过 outter 进行传入,那么需要在func旁再增加参数,在调用outter时就需要将参数传递进去,此时就不能使用语法糖,破坏装饰器的整体结构
-- 所以,最后的办法是根据闭包的方法将整个装饰器作为闭包,在外界增加一层函数,最后将整个装饰器作为返回值进行返回,就可以为装饰器传递参数了 def wrap(info):
def outer(func):
# info = 0
def inner(*args, **kwargs):
print('新:拓展的新功能,可能也需要外界的参数%s' % info)
res = func(*args, **kwargs)
return res
return inner
return outer -- 此时,整个 warp 就是一个带参装饰器,其语法糖为 @wrap("新功能需要的参数") @wrap('外部参数')
def fn(): pass # 3、什么是wraps装饰器?
-- 系统自带的装饰器,用来在用户查询被装饰函数的doc文档时,将被装饰函数的文档注释打印给用户
-- 因为当我们使用装饰器为某个功能进行装饰时,最后的调用过程虽然看着还是原函数,但是我们已经为原函数进行了重新复制,此时再使用查询原函数的doc等内置功能时,访问的实际是装饰器
-- @warps装饰器的作用就是将原函数的doc等内置功能传递给用户,彻底伪装好装饰器 # 4、如何使用warp装饰器?
from functools import wraps
def outer(func):
@wraps(func)
def inner(*args, **kwargs): res = func(*args, **kwargs)
return res
return inner @outer
def fn(): pass """ """
# 二、迭代器
# 1、什么是迭代器?
-- 迭代器是一种可以不依赖于索引取值的容器 # 2、迭代器的优缺点:
-- 迭代器优点:可以不用依赖索引取值
-- 迭代器缺点:只能从前往后依次取值 # 3、迭代器对象与可迭代对象
-- 可迭代对象:具有__iter__()方法的对象就叫做可迭代对象,可迭代对象可以通过__iter__()方法转换成迭代器对象 ls = [4, 1, 5, 2, 3]
res = ls.__iter__() # => 可迭代对象
print(res) # <list_iterator object at 0x000002732B0C7470> -- 迭代器对象:具有__next__()方法的对象叫做迭代器对象,迭代器对象可以通过__next__()方法进行取值,一次只能取出一个值 with open('1.txt', 'rb') as f:
res = f.__next__() # 文件中的第一行内容
print(res)
res = f.__next__() # 文件中的第二行内容
print(res) # 4、for循环迭代器
-- 迭代器取值时的问题
-- 在我们从迭代器对象中取值时,可以使用__next__()从迭代器中取值,但是,每使用一次__next__()方法才会取出一个值,那么怎么把迭代器中的值全部取出来呢?
-- 在使用__next__()进行取值时,如果取出所有的值后还有__next__()方法,就会抛出异常 -- for循环迭代器
-- 从迭代器中取值,可以依次取出迭代器中所有的值,
-- for循环中封装了异常处理机制,会自动处理取去所有值后抛出的异常
-- for循环会将 in 后面的可迭代对象或迭代器对象直接添加.__iter__()方法 -- for循环迭代器的工作原理:
for v in obj: pass
-- 获取obj.__iter__()的结果,就是得到要操作的迭代器对象
-- 迭代器对象通过__next__()方法进行取值,依次将当前循环的取值结果赋值给v
-- 当取值抛异常,自动处理StopIteration异常结束取值循环 # 5、枚举器 (enumerate)
-- 枚举器就是给迭代器中的取值结果加索引的,当使用枚举器进行取值时,每次取值时会自动为取的值加上取值索引。
s = 'abc'
for v in enumerate(s):
print(v) # (0 'a') | (1 'b') | (2 'c') """ """
# 四、生成器
# 1、什么是生成器?
-- 生成器就是可以自定义的迭代器
# 2、如何自定义生成器?
-- 我们可以使用函数进行声明,再使用 yeild 返回值,这样在使用函数名()时就不是调用函数,而是生成迭代器对象
-- 在有yield关键字时,再使用return关键字,return关键字不起任何作用
-- 使用yeild关键字生成迭代器时,当使用__next__()进行取值时,每次只会返回一个yeild后的值,并卡在原地,不会执行后面的代码,当再次遇到__next__()时才会继续向下执行
def fn():
yield 1
yield 3
yield 5
obj = fn()
obj.__next__() # 从开始往下执行,遇到第一个yield停止,拿到yield的返回值
obj.__next__() # 从上一次停止的yield往下执行,在再遇到的yield时停止,拿到当前停止的yield的返回值
... # 以此类推,直到无法获得下一个yield,抛StopIteration异常 -- 我们自定义的生成器可以使用for循环直接取值。 # 3、生成器案例 # 案例一:创建生成器,从其取值,依次得到1! 2! 3! ...,可无限取值生成器。
def jiecheng():
ji = 1
count = 1
while True:
ji *= count
yield ji
count += 1 obj = jiecheng()
print(obj.__next__())
print(obj.__next__())
print(obj.__next__()) # 可以无限取 # 案例二:
# 自定义结束条件生成器
def jiecheng_num(num):
ji = 1
for i in range(1, num + 1):
ji *= i
yield ji
# ... obj = jiecheng_num(3)
print(obj.__next__())
print(obj.__next__())
print(obj.__next__())
print(obj.__next__()) # 有异常了 for v in jiecheng_num(5):
print(v) # 会自动处理异常停止 # 案例三:
# 自制的range函数
def my_range(num): # => [0, 1, 2, ..., num - 1]
count = 0
while count < num:
yield count
count += 1 for v in my_range(10):
print(v, end=' ') print(list(my_range(10)))
"""
上一篇:C#生成不重复的随机数(转)


下一篇:Python: 字符串格式化format()函数的使用