python学习day4之路

装饰器（http://egon09.blog.51cto.com/9161406/1836763）

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.....

 

装饰器：

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 wrapper
    return 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)。

'''利用yield实现异步的效果，发送接收消息'''
import time

def consumer(name):
    '''消费者吃包子模型'''
    print("%s准备吃包子了......" %name)
    while True:
        '''循环，由于没有终止'''
        baozi = yield
        print("包子%s被%s吃了......" %(baozi,name))


def producer(boss):
    '''生产者生产包子模型，生产者要生产包子'''
    c1 = consumer("A")
    c2 = consumer("B")
    c1.__next__()
    c2.__next__()
    '''接下来，生产者要生产包子了,并传递给消费者'''
    for i in range(1,10):
        time.sleep(1)
        c1.send(i)
        c2.send(i)

producer("Alex")

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