目录

1、迭代器&生成器

2、装饰器

a.基本装饰器

b.多参数装饰器

3、递归

4、算法基础：二分查找、二维数组转换

5、正则表达式

6、常用模块学习

#作业：计算器开发

a.实现加减成熟及括号优先级解析

b.用户输入1-2*((60-30+(-40/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))等类似公式后，必须自己解析里面的（），+，-,*,/符号和公式，运算后得出结果，结果必须与真实的计算器所得出的结果一致

1、迭代器&生成器

迭代器

迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退，不过这也没什么， 因为人们很少在迭代途中往后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这 之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件

特点：

1. 访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容
2. 不能随机访问集合中的某个值 ，只能从头到尾依次访问
3. 访问到一半时不能往回退
4. 便于循环比较大的数据集合，节省内存

生成一个迭代器：

>>> a = iter([1,2,3,4,5])

>>> a

<list_iterator object at 0x101402630>

>>> a.__next__()

>>> a.__next__()

>>> a.__next__()

>>> a.__next__()

>>> a.__next__()

>>> a.__next__()

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

StopIteration

Repeated calls to the iterator’s __next__() method (or passing it to the built-in function next()) return successive items in the stream. When no more data are available a StopIteration exception is raised instead. At this point, the iterator object is exhausted and any further calls to its __next__() method just raise StopIteration again.

生成器generator

定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器

代码：

 def cash_out(amount):

     while amount >0:

         amount -= 1

         yield 1<br>        print("擦，又来取钱了。。。败家子！")

 ATM = cash_out(5)

 print("取到钱 %s 万" % ATM.__next__())

 print("花掉花掉!")

 print("取到钱 %s 万" % ATM.__next__())

 print("取到钱 %s 万" % ATM.__next__())

 print("花掉花掉!")

 print("取到钱 %s 万" % ATM.__next__())

 print("取到钱 %s 万" % ATM.__next__())

 print("取到钱 %s 万" % ATM.__next__()) #到这时钱就取没了,再取就报错了

 print("取到钱 %s 万" % ATM.__next__())

作用：

这个yield的主要效果呢，就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以再重新调用这个函数，从上次yield的下一句开始执行。

另外，还可通过yield实现在单线程的情况下实现并发运算的效果

 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")

2、装饰器

直接 看银角大王写的文档 http://www.cnblogs.com/wupeiqi/articles/4980620.html

1、必备

#### 第一波 ####

def foo():

    print 'foo'

foo     #表示是函数

foo()   #表示执行foo函数

#### 第二波 ####

def foo():

    print 'foo'

foo = lambda x: x + 1

foo()   # 执行下面的lambda表达式，而不再是原来的foo函数，因为函数 foo 被重新定义了

2、需求来了

初创公司有N个业务部门，1个基础平台部门，基础平台负责提供底层的功能，如：数据库操作、redis调用、监控API等功能。业务部门使用基础功能时，只需调用基础平台提供的功能即可。如下：

############### 基础平台提供的功能如下 ###############

def f1():

    print 'f1'

def f2():

    print 'f2'

def f3():

    print 'f3'

def f4():

    print 'f4'

############### 业务部门A 调用基础平台提供的功能 ###############

f1()

f2()

f3()

f4()

############### 业务部门B 调用基础平台提供的功能 ###############

f1()

f2()

f3()

f4()

目前公司有条不紊的进行着，但是，以前基础平台的开发人员在写代码时候没有关注验证相关的问题，即：基础平台的提供的功能可以被任何人使用。现在需要对基础平台的所有功能进行重构，为平台提供的所有功能添加验证机制，即：执行功能前，先进行验证。

老大把工作交给 Low B，他是这么做的：

当天Low B 被开除了...

老大把工作交给 Low BB，他是这么做的：

############### 基础平台提供的功能如下 ############### 

def f1():

    # 验证1

    # 验证2

    # 验证3

    print 'f1'

def f2():

    # 验证1

    # 验证2

    # 验证3

    print 'f2'

def f3():

    # 验证1

    # 验证2

    # 验证3

    print 'f3'

def f4():

    # 验证1

    # 验证2

    # 验证3

    print 'f4'

############### 业务部门不变 ###############

### 业务部门A 调用基础平台提供的功能### 

f1()

f2()

f3()

f4()

### 业务部门B 调用基础平台提供的功能 ### 

f1()

f2()

f3()

f4()

过了一周 Low BB 被开除了...

老大把工作交给 Low BBB，他是这么做的：

############### 基础平台提供的功能如下 ############### 

def check_login():

    # 验证1

    # 验证2

    # 验证3

    pass

def f1():

    check_login()

    print 'f1'

def f2():

    check_login()

    print 'f2'

def f3():

    check_login()

    print 'f3'

def f4():

    check_login()

    print 'f4'

老大看了下Low BBB 的实现，嘴角漏出了一丝的欣慰的笑，语重心长的跟Low BBB聊了个天：

老大说：

写代码要遵循开发封闭原则，虽然在这个原则是用的面向对象开发，但是也适用于函数式编程，简单来说，它规定已经实现的功能代码不允许被修改，但可以被扩展，即：

• 封闭：已实现的功能代码块
• 开放：对扩展开发

如果将开放封闭原则应用在上述需求中，那么就不允许在函数 f1 、f2、f3、f4的内部进行修改代码，老板就给了Low BBB一个实现方案：

def w1(func):

    def inner():

        # 验证1

        # 验证2

        # 验证3

        return func()

    return inner

@w1

def f1():

    print 'f1'

@w1

def f2():

    print 'f2'

@w1

def f3():

    print 'f3'

@w1

def f4():

    print 'f4'

对于上述代码，也是仅仅对基础平台的代码进行修改，就可以实现在其他人调用函数 f1 f2 f3 f4 之前都进行【验证】操作，并且其他业务部门无需做任何操作。

Low BBB心惊胆战的问了下，这段代码的内部执行原理是什么呢？

老大正要生气，突然Low BBB的手机掉到地上，恰恰屏保就是Low BBB的女友照片，老大一看一紧一抖，喜笑颜开，交定了Low BBB这个朋友。详细的开始讲解了：

单独以f1为例：

def w1(func):

    def inner():

        # 验证1

        # 验证2

        # 验证3

        return func()

    return inner

@w1

def f1():

    print 'f1'

当写完这段代码后（函数未被执行、未被执行、未被执行），python解释器就会从上到下解释代码，步骤如下：

1. def w1(func):  ==>将w1函数加载到内存
2. @w1

没错，从表面上看解释器仅仅会解释这两句代码，因为函数在没有被调用之前其内部代码不会被执行。

从表面上看解释器着实会执行这两句，但是 @w1 这一句代码里却有大文章，@函数名 是python的一种语法糖。

如上例@w1内部会执行一下操作：

• 执行w1函数，并将 @w1 下面的 函数 作为w1函数的参数，即：@w1 等价于 w1(f1)
  所以，内部就会去执行：
      def inner:
          #验证
          return f1()   # func是参数，此时 func 等于 f1
      return inner     # 返回的 inner，inner代表的是函数，非执行函数
  其实就是将原来的 f1 函数塞进另外一个函数中
• 将执行完的 w1 函数返回值赋值给@w1下面的函数的函数名
  w1函数的返回值是：
     def inner:
          #验证
          return 原来f1()  # 此处的 f1 表示原来的f1函数
  然后，将此返回值再重新赋值给 f1，即：
  新f1 = def inner:
              #验证
              return 原来f1() 
  所以，以后业务部门想要执行 f1 函数时，就会执行 新f1 函数，在 新f1 函数内部先执行验证，再执行原来的f1函数，然后将 原来f1 函数的返回值 返回给了业务调用者。
  如此一来， 即执行了验证的功能，又执行了原来f1函数的内容，并将原f1函数返回值 返回给业务调用着

Low BBB 你明白了吗？要是没明白的话，我晚上去你家帮你解决吧！！！

先把上述流程看懂，之后还会继续更新...

3、问答时间

问题：被装饰的函数如果有参数呢？

 def w1(func):

     def inner(arg):

         # 验证1

         # 验证2

         # 验证3

         return func(arg)

     return inner

 @w1

 def f1(arg):

     print 'f1'

def w1(func):

    def inner(arg1,arg2):

        # 验证1

        # 验证2

        # 验证3

        return func(arg1,arg2)

    return inner

@w1

def f1(arg1,arg2):

    print 'f1'

def w1(func):

    def inner(arg1,arg2,arg3):

        # 验证1

        # 验证2

        # 验证3

        return func(arg1,arg2,arg3)

    return inner

@w1

def f1(arg1,arg2,arg3):

    print 'f1'

问题：可以装饰具有处理n个参数的函数的装饰器？

问题：一个函数可以被多个装饰器装饰吗？

问题：还有什么更吊的装饰器吗？

4、functools.wraps

上述的装饰器虽然已经完成了其应有的功能，即：装饰器内的函数代指了原函数，注意其只是代指而非相等，原函数的元信息没有被赋值到装饰器函数内部。例如：函数的注释信息

def outer(func):

    def inner(*args, **kwargs):

        print(inner.__doc__)  # None

        return func()

    return inner

@outer

def function():

    """

    asdfasd

    :return:

    """

    print('func')

如果使用@functools.wraps装饰装饰器内的函数，那么就会代指元信息和函数。

def outer(func):

    @functools.wraps(func)

    def inner(*args, **kwargs):

        print(inner.__doc__)  # None

        return func()

    return inner

@outer

def function():

    """

    asdfasd

    :return:

    """

    print('func')

3、递归

特点

要求

def binary_search(data_list,find_num):

    mid_pos = int(len(data_list) /2 ) #find the middle position of the list

    mid_val = data_list[mid_pos] # get the value by it's position

    print(data_list)

    if len(data_list) >1:

        if mid_val > find_num: # means the find_num is in left hand of mid_val

            print("[%s] should be in left of [%s]" %(find_num,mid_val))

            binary_search(data_list[:mid_pos],find_num)

        elif mid_val < find_num: # means the find_num is in the right hand of mid_val

            print("[%s] should be in right of [%s]" %(find_num,mid_val))

            binary_search(data_list[mid_pos:],find_num)

        else: # means the mid_val == find_num

            print("Find ", find_num)

    else:

        print("cannot find [%s] in data_list" %find_num)

if __name__ == '__main__':

    primes = [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97]

    binary_search(primes,67)

4、算法基础 

+

　　

冒泡排序

将一个不规则的数组按从小到大的顺序进行排序

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

data = [10,4,33,21,54,3,8,11,5,22,2,1,17,13,6]   print("before sort:",data)   previous = data[0] for j in range(len(data)):     tmp = 0     for i in range(len(data)-1):         if data[i] > data[i+1]:             tmp=data[i]             data[i] = data[i+1]             data[i+1] = tmp     print(data)   print("after sort:",data)

　　

时间复杂度 
（1）时间频度 一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测
试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法
中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。

（2）时间复杂度 在刚才提到的时间频度中，n称为问题的规模，当n不断变化时，时间频度T(n)也会不断
变化。但有时我们想知道它变化时呈现什么规律。为此，我们引入时间复杂度概念。
一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=Ｏ(f(n)),称Ｏ(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。

 

指数时间

指的是一个问题求解所需要的计算时间m(n)，依输入数据的大小而呈指数成长（即输入数据的数量依线性成长，所花的时间将会以指数成长）

1 2 3 4 5

for (i=1; i<=n; i++)        x++; for (i=1; i<=n; i++)     　for (j=1; j<=n; j++)           x++;

第一个for循环的时间复杂度为Ο(n)，第二个for循环的时间复杂度为Ο(n²)，则整个算法的时间复杂度为Ο(n+n²)=Ο(n²)。

常数时间

若对于一个算法，的上界与输入大小无关，则称其具有常数时间，记作时间。一个例子是访问数组中的单个元素，因为访问它只需要一条指令。但是，找到无序数组中的最小元素则不是，因为这需要遍历所有元素来找出最小值。这是一项线性时间的操作，或称时间。但如果预先知道元素的数量并假设数量保持不变，则该操作也可被称为具有常数时间。

对数时间 

若算法的T(n) = O(log n)，则称其具有对数时间

常见的具有对数时间的算法有二叉树的相关操作和二分搜索。

对数时间的算法是非常有效的，因为每增加一个输入，其所需要的额外计算时间会变小。

递归地将字符串砍半并且输出是这个类别函数的一个简单例子。它需要O（log n）的时间因为每次输出之前我们都将字符串砍半。 这意味着，如果我们想增加输出的次数，我们需要将字符串长度加倍。

　

线性时间　

如果一个算法的时间复杂度为O(n)，则称这个算法具有线性时间，或O(n)时间。非正式地说，这意味着对于足够大的输入，运行时间增加的大小与输入成线性关系。例如，一个计算列表所有元素的和的程序，需要的时间与列表的长度成正比。

5、正则表达式

正则表达式常用5种操作

re.match(pattern, string)　　　　 # 从头匹配

re.search(pattern, string)　　　　# 匹配整个字符串，直到找到一个匹配

re.split()　　　　　　　　　　　　# 将匹配到的格式当做分割点对字符串分割成列表

re.findall()　　　　　　　　　　# 找到所有要匹配的字符并返回列表格式

输出：['1', '2', '3', '8']

re.sub(pattern, repl, string, count,flag) 　　　# 替换匹配到的字符

输出：alex|rain|jack3helen rachel8　　

正则表达式实例

字符匹配

字符类

特殊字符类

re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

Regular Expression Modifiers: Option Flags

Regular expression literals may include an optional modifier to
control various aspects of matching. The modifiers are specified as an
optional flag. You can provide multiple modifiers using exclusive OR
(|), as shown previously and may be represented by one of these −

几个常见正则例子：

匹配手机号

phone_str = "hey my name is alex, and my phone number is 13651054607, please call me if you are pretty!"

phone_str2 = "hey my name is alex, and my phone number is 18651054604, please call me if you are pretty!"

m = re.search("(1)([358]\d{9})",phone_str2)

if m:

    print(m.group())

匹配IP V4

ip_addr = "inet 192.168.60.223 netmask 0xffffff00 broadcast 192.168.60.255"

m = re.search("\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}", ip_addr)

print(m.group())

分组匹配地址　　

contactInfo = 'Oldboy School, Beijing Changping Shahe: 010-8343245'

match = re.search(r'(\w+), (\w+): (\S+)', contactInfo) #分组

"""

>>> match.group(1)

  'Doe'

  >>> match.group(2)

  'John'

  >>> match.group(3)

  '555-1212'

"""

match = re.search(r'(?P<last>\w+), (?P<first>\w+): (?P<phone>\S+)', contactInfo)

"""

 >>> match.group('last')

  'Doe'

  >>> match.group('first')

  'John'

  >>> match.group('phone')

  '555-1212'

"""

匹配email

email = "alex.li@126.com   http://www.oldboyedu.com"

m = re.search(r"[0-9.a-z]{0,26}@[0-9.a-z]{0,20}.[0-9a-z]{0,8}", email)

print(m.group())

 6、常用模块学习

json 和 pickle 

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

其它常用模块学习详细参考：http://www.cnblogs.com/wupeiqi/articles/4963027.html