python中的装饰器、生成器与迭代器介绍
1、装饰器:本质是函数;
装饰器(装饰其他函数),就是为其他函数添加附加功能;
原则:1.不能修改被装饰函数的源代码;
2.不能修改被装饰的函数的调用方式;
装饰器对被装饰的函数完全透明的,没有修改被装饰函数的代码和调用方式。
实现装饰器知识储备:
1.函数即“变量”;
2.高阶函数;
3.嵌套函数
高阶函数+嵌套函数=》装饰器
匿名函数(lambda表达式)
>>> calc = lambda x:x*3
>>> calc(2)
6
高阶函数:
a.把一个函数名当做实参传递给另外一个函数;
>>> def bar(): print("in the bar.....") >>> def foo(func): print(func)>>> foo(bar) <function bar at 0x7f8b3653cbf8>
b.返回值中包含函数名;
>>> import time >>> def foo(): time.sleep(3) print("in the foo.....")>>> def main(func): print(func) return func>>> t = main(foo)<function foo at 0x7fb7dc9e3378>>>> t()in the foo.....
在不修改源代码的情况下,统计程序运行的时间:
import time
def timmer(func):
def warpper(*args,**kwargs): #warpper(*args,**kwargs)万能参数,可以指定参数,也可以不指定参数
start_time = time.time() #计算时间
func()
stop_time = time.time()
print("the func run time is %s" %(stop_time-start_time)) #计算函数的运行时间
return warpper
@timmer #等价于test1 = timmer(test1),因此函数的执行调用是在装饰器里面执行调用的
def test1():
time.sleep(3)
print("in the test1")
test1()
运行结果如下:
in the test1
the func run time is 3.001983404159546
装饰器带参数的情况:
import time
def timmer(func):
def warpper(*args,**kwargs):
start_time = time.time() #计算时间
func(*args,**kwargs) #执行函数,装饰器参数情况
stop_time = time.time()
print("the func run time is %s" %(stop_time-start_time)) #计算函数的运行时间
return warpper #返回内层函数名
@timmer
def test1():
time.sleep(3)
print("in the test1")
@timmer #test2 = timmer(test2)
def test2(name):
print("in the test2 %s" %name)
test1()
test2("alex")
运行结果如下:
in the test1
the func run time is 3.0032410621643066
in the test2 alex
the func run time is 2.3603439331054688e-05
装饰器返回值情况:
import time user,passwd = "alex","abc123"def auth(func): def wrapper(*args,**kwargs): username = input("Username:").strip() password = input("Password:").strip()if user == username and passwd == password: print("\033[32;1mUser has passed authentication.\033[0m")return func(*args,**kwargs) #实际上执行调用的函数 # res = func(*args,**kwargs) # return res #函数返回值的情况,因为装饰器调用的时候是在装饰器调用的函数,因此返回值也在这个函数中else: exit("\033[31;1mInvalid username or password.\033[0m")return wrapper def index(): print("welcome to index page...") @auth def home(): #用户自己页面 print("welcome to home page...")return "form home..."@auth def bbs(): print("welcome to bbs page") index() print(home()) bbs()
装饰器带参数的情况:
实现:1、本地验证;2、远程验证
import time user,passwd = "alex","abc123"def auth(auth_type):'''函数的多层嵌套,先执行外层函数'''print("auth_type",auth_type) def out_wrapper(func): def wrapper(*args,**kwargs): print("wrapper func args:",*args,**kwargs)if auth_type == "local": username = input("Username:").strip() password = input("Password:").strip()if user == username and passwd == password: print("\033[32;1mUser has passed authentication.\033[0m") func(*args,**kwargs) #实际上执行调用的函数 # res = func(*args,**kwargs) # return res #函数返回值的情况,因为装饰器调用的时候是在装饰器调用的函数,因此返回值也在这个函数中else: exit("\033[31;1mInvalid username or password.\033[0m") elif auth_type == "ldap": print("搞毛线lbap,傻逼....")return wrapperreturn out_wrapper def index(): print("welcome to index page...") @auth(auth_type="local") def home(): #用户自己页面 print("welcome to home page...")return "form home..."@auth(auth_type="ldap") def bbs(): print("welcome to bbs page") index() home() bbs() #函数没有,因为没有调用函数,函数的调用在装饰器里面,是装饰器调用了函数
迭代器和生成器
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。
>>> l1 = (i for i in range(10))
>>> l1
<generator object <genexpr> at 0x7f6a9fbcaeb8>
>>> l1.__next__()
0
>>> l1.__next__()
1
生成器:只有在调用时才会生成相应的数据;
只有通过__next__()方法进行执行,这种能够记录程序运行的状态,yield用来生成迭代器函数。(只能往后调用,不能向前或者往后推移,只记住当前状态,因此银行的系统用来记录的时候可以使用yield函数)。
%= %= consumer(= consumer( i range(,) 运行如下: A准备吃包子了...... B准备吃包子了...... 包子1被A吃了...... 包子1被B吃了...... 包子2被A吃了...... 包子2被B吃了...... 包子3被A吃了...... 包子3被B吃了...... 包子4被A吃了...... 包子4被B吃了...... 包子5被A吃了...... 包子5被B吃了...... 包子6被A吃了...... 包子6被B吃了...... 包子7被A吃了...... 包子7被B吃了...... 包子8被A吃了...... 包子8被B吃了...... 包子9被A吃了...... 包子9被B吃了.....
迭代器
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:
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
。
可以使用isinstance()
判断一个对象是否是Iterable
对象
>>> from collections import Iterable >>> isinstance([], Iterable) True >>> isinstance({}, Iterable) True >>> isinstance('abc', Iterable) True >>> isinstance((x for x in range(10)), Iterable) True >>> isinstance(100, Iterable) False
以上就是python中的装饰器、生成器与迭代器介绍的详细内容,更多请关注其它相关文章!