Python04-装饰器与迭代器

装饰器

定义：本质是函数，也是使用def关键字定义，(装饰其他函数)为其他函数添加附加功能。
原则：1，不能修改被装饰的函数的源代码。
2，不能修改被装饰的函数的调用方式。

函数即“变量”：定义函数时即是将函数体赋值给了变量名为函数名的变量
高阶函数:单独使用高阶函数也能给原函数添加新功能，只是会改变调用方式，或添加不了新功能；原函数必须在新函数调用时才执行。
嵌套函数
高阶函数+嵌套函数=》装饰器 :使用高阶函数时为了不修改原函数func(源代码), 将原函数func传递进去，然后使用嵌套函数，在内部定义嵌套函数(只是定义，并没有调用执行),外层的高阶函数将嵌套 函数返回。然后在调用高阶函数时，只是会定义内部的嵌套函数，然后将嵌套函数返回传递给原函数变量func，再次调用func(),便是执行了嵌套的函数。嵌套函数内部可
以添加自己的功能。原函数func的参数传递给嵌套函数的形参。若原函数有返回值，则使用装饰器调用后，最终返回的是嵌套函数的返回值。

python解释器回收垃圾(变量，函数),回收的依据是是否还存在引用；引用计数为0时代表对象可以被回收；使用del 删除对象时并没有删除对象本身，只是将引用计数减1了；

定义函数的函数体在内存中是可以看成一堆字符串，定义函数就是将存储这一串字符串的地址赋值函数名这个"变量”(函数即“变量”)。
函数在调用前一定要定义，多个函数的定义顺序是可以打乱的；

生成器

生成器：生成器在调用时才会生成相应的数据。它只能一个一个接着去生成和访问；而且生成器只能记住当前的位置的元素，并不能向前访问数据或是向后跳跃式的访问数据。
python2.X访问生成器的下一个元素的方法是next(), Python3.X是__next__()方法或者next(g), g代表生成器对象
next()取结束时，会报异常，而使用for循环就不会报异常。当然了，发生异常，也是可以捕获的。如下：

while True:
     try:
         x = next(g)
         print('g:', x)
     except StopIteration as e:
         print('Generator return value:', e.value)
         break

当生成器的元素的生成规则很复杂时，可以使用函数，然后在函数内部，使用yied来修饰生成器的元素。函数结束也可以return；如下：

 def fib(max):
n,a,b = 0,0,1
while n < max:
#print(b)

yield b # 使用yield修饰，表示它不再是普通函数，而是生成器，该生成器遇到yield语句便会返回b然后中断，再次遇到next()就会接着上次中断的地方继续执行

a,b = b,a+b # 等价于t=（b，a+b），此时t的元素已经确定，然后a=t[0], b=t[1]
n += 1

return ‘done’ # 这里的return语句不再是函数结束的标志，而是生成器内元素取完时，抛出异常返回的信息，表示元素取完。
函数调用时执行，执行结束或者遇到return时就结束；而生成器不同，遇到next(g)时执行，遇到关键字yield语句就返回，再次执行会从yield中断的地方继续执行，上面代码时从小往大的方向，如果从大往小的方向，就适合使用递归。

yield后可为空，然后将yield赋值给变量A，在使用生成器的send(variable)方法传值给yield，并将值赋给A，同时会唤醒yield的中断处，使生成器接着往下执行，知道再次中断或者结束。如下:

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():
    c = consumer('A')
    c.__next__()
    print("老子开始准备做包子啦!")
    for i in range(10):
        time.sleep(1)
        print("做的第%d个包子!"%(i+1))
        c.send(i+1)
producer()

上面的单线程跑出了多线程的效果，称之为协程

迭代器与可迭代对象
我们已经知道，可以直接作用于for循环的数据类型有以下几种：
1，是集合数据类型，如list、tuple、dict、set、str等；
2，是generator，包括生成器和带yield的generator function。
上面可以直接作用于for循环的对象统称为可迭代对象：Iterable，可以使用isinstance()判断一个对象是否是Iterable对象；
生成器可以作用于for循环，还可以被next()函数返回下一个值，直到最后抛出StopIteration异常表示无法继续返回下一个值；
*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，可以使用isinstance()判断一个对象是否是Iterator对象：
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator；把list、dict、str等可迭代对象Iterable变成Iterator可以使用iter()函数，产生一个迭代对象。
使用dir(object),便可以查看对象的所有方法。
这是因为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list是无法存储全体自然数的
在Python3.Xx中，range(10)本身就是一个迭代器，而在Python2.Xx中却不是。