day4-python-装饰器迭代器
一、装饰器
定义:本质是函数
功能:装饰其他函数
就是为其他函数添加附加功能
原则:
(1)不能修改被装饰的函数的源代码
(2)不能修改被装饰的函数的调用方式
#!/usr/bin/env python # -*- coding:utf-8 -*- import time def timmer(func): def warpper(*args,**kwargs): start_time = time.time() func() stop_time = time.time() print('the func run time is %s' %(stop_time-start_time)) return warpper @timmer def test1(): time.sleep(3) print('in the test1')
实现装饰器知识储备:
(1)函数即“变量”
#!/usr/bin/env python # -*- coding:utf-8 -*- def foo(): print('in the foo') bar() foo() def bar(): print('in the bar') def foo(): print('in the foo') bar() foo() def foo(): print('in the foo') bar() def bar(): print('in the bar') foo() def foo(): print('in the foo') bar() foo() def bar(): print('in the bar')
(2)高阶函数
a:把一个函数名当做实参传给另外一个函数(在不修改被装饰函数源代码的情况下为其添加功能)
#!/usr/bin/env python # -*- coding:utf-8 -*- import time def bar(): time.sleep(3) print('in the bar') def test1(func): start_time = time.time() func() #run bar stop_time = time.time() print("the func run time is %s" %(stop_time-start_time)) test1(bar)
b:返回值中包含函数名(不修改函数的调用方式)
#!/usr/bin/env python # -*- coding:utf-8 -*- import time def bar(): time.sleep(3) print('in the bar') def test2(func): print(func) return func # print(test2(bar)) bar = test2(bar) bar()
(3)嵌套函数
#!/usr/bin/env python # -*- coding:utf-8 -*- def foo(): print('in the foo') def bar(): print('in the bar') bar() foo()
高阶函数+嵌套函数=》装饰器
#!/usr/bin/env python # -*- coding:utf-8 -*- import time def timer(func): #timer(test1) func=test1 def deco(): start_time = time.time() func() stop_time = time.time() print('the func run time is %s' %(stop_time-start_time)) return deco @timer #test1 = timer(test1) def test1(): time.sleep(3) print('in the test1') @timer def test2(): time.sleep(3) print('in the test2') # test1 = timer(test1) # test1() #-->deco test1() test2()
#!/usr/bin/env python # -*- coding:utf-8 -*- import time def timer(func): #timer(test1) func=test1 def deco(*args,**kwargs): start_time = time.time() func(*args,**kwargs) stop_time = time.time() print('the func run time is %s' %(stop_time-start_time)) return deco @timer #test1 = timer(test1) def test1(): time.sleep(1) print('in the test1') @timer #test2 = timer(test2) = deco test2()=deco() def test2(name,age): print("test2:",name,age) # test1 = timer(test1) # test1() #-->deco test1() test2("alex",22)
#!/usr/bin/env python # -*- coding:utf-8 -*- import time user,passwd = 'alex','abc123' def auth(auth_type): print("auth func:",auth_type) def outer_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") res = func(*args,**kwargs) print("---after authentication") return res else: exit("\033[32;1mInvalid username or password\033[0m") elif auth_type == "ldap": print("搞毛线ldap,不会。。。") return wrapper return outer_wrapper def index(): print("welcome to index page") @auth(auth_type="local") def home(): print("welcome to index page") return "from home" @auth(auth_type="ldap") def bbs(): print("welcome to index page") index() home() bbs()
二、生成器
1、只有在调用时才会调用响应的数据
2、只记录当前的位置
3、只有一个__next__()方法。next()
( i*i for i in range(10) )
斐波那契数列:
#!/usr/bin/env python # -*- coding:utf-8 -*- def fib(max): n, a, b = 0, 0, 1 while n<max: # print(b) yield b a, b = b, a + b n = n + 1 return '---done---' # f = fib(10) g = fib(6) while True: try: x = next(g) print('g:',x) except StopIteration as e: print('Generator return value:',e.value) break # print(f.__next__()) # print("========") # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) # # print("====start loop=======") # for i in f: # print(i)
4、生成器并行
#!/usr/bin/env python # -*- coding:utf-8 -*- 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)) c = consumer("ChenRonghua") # c.__next__() # b1 = "韭菜馅" # c.send(b1) # c.__next__() 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1个包子,分了两半!") c.send(i) c2.send(i) producer("alex")
三、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
而生成器不但可以作用于for
循环,还可以被next()
函数不断调用并返回下一个值,直到最后抛出StopIteration
错误表示无法继续返回下一个值了。
*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:
>>> from collections import Iterator >>> isinstance((x for x in range(10)), Iterator) True >>> isinstance([], Iterator) False >>> isinstance({}, Iterator) False >>> isinstance('abc', Iterator) False
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Iterable
变成Iterator
可以使用iter()
函数:
>>> isinstance(iter([]), Iterator) True >>> isinstance(iter('abc'), Iterator) True
你可能会问,为什么list
、dict
、str
等数据类型不是Iterator
?
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。而使用list是永远不可能存储全体自然数的。
小结
凡是可作用于for
循环的对象都是Iterable
类型;
凡是可作用于next()
函数的对象都是Iterator
类型,它们表示一个惰性计算的序列;
集合数据类型如list
、dict
、str
等是Iterable
但不是Iterator
,不过可以通过iter()
函数获得一个Iterator
对象
四、json\pickle数据序列化
json序列化1
#!/usr/bin/env python # -*- coding:utf-8 -*- # import json import pickle def sayhi(name): print("hello",name) info = { 'name':'alex', 'age':22, 'func':sayhi } f = open("text.text","wb") # print(json.dumps(info)) f.write(pickle.dumps(info)) f.close()
json反序列化1
#!/usr/bin/env python # -*- coding:utf-8 -*- import pickle def sayhi(name): print("hello2",name) f = open("text.text","rb") data = pickle.loads(f.read()) print(data["func"]("alex"))
json序列化2
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# import json
import pickle
def sayhi(name):
print("hello",name)
info = {
'name':'alex',
'age':22,
'func':sayhi
}
f = open("text.text","wb")
pickle.dump(info,f)
# f.write(pickle.dumps(info))
f.close()
json反序列化2
#!/usr/bin/env python # -*- coding:utf-8 -*- import pickle def sayhi(name): print("hello2",name) f = open("text.text","rb") data = pickle.load(f) # data = pickle.loads(f.read()) print(data["func"]("alex"))
json序列化3
#!/usr/bin/env python # -*- coding:utf-8 -*- import json def sayhi(name): print("hello",name) info = { 'name':'alex', 'age':22, } f = open("text.text","w") f.write(json.dumps(info)) info['age'] = 21 f.write(json.dumps(info)) f.close()
json反序列化3
#!/usr/bin/env python # -*- coding:utf-8 -*- import json f = open("text.text","r") data = json.load(f) print(data)
五、内置方法
#!/usr/bin/env python # -*- coding:utf-8 -*- # print(all([1,-5,3])) # print(any([1,0,3])) # print(any([])) # a = ascii([1,2,"外挂"]) # print(type(a),[a]) # a = bytes("abcde",encoding="utf-8") # b = bytearray("abcde",encoding="utf-8") # print(b[1]) # b[1] = 50 # print(b) # print(a.capitalize(),a) # def sayhi(): # pass # print(callable(sayhi)) # code = ''' # def fib(max): # n, a, b = 0, 0, 1 # while n<max: # # print(b) # yield b # a, b = b, a + b # n = n + 1 # return '---done---' # # f = fib(10) # g = fib(6) # while True: # try: # x = next(g) # print('g:',x) # except StopIteration as e: # print('Generator return value:',e.value) # break # ''' # py_obj = compile(code,"err.log","exec") # exec(py_obj) # def sayhi(n): # print(n) # sayhi(3) # # # (lambda n:print(n))(5) # calc = lambda n:3 if n<4 else n # calc(2) # res = filter(lambda n:n>5,range(10)) # res = map(lambda n:n*n,range(10)) # res = [lambda i:i*2 for i in range(10)] # import functools # res = functools.reduce(lambda x,y:x*y,range(1,10)) # print(res) # a = frozenset([1,4,33,4555,6664,432]) # print(globals()) # def test(): # local_var = 333 # print(locals()) # test() # print(globals()) # print(globals().get('local_var')) # a = {6:2,8:0,1:4,-5:6,99:11,4:22} # print(sorted(a.items(),key=lambda x:x[1])) # print(a) a = [1,2,3,4] b = ['a','b','c','d'] for i in zip(a,b): print(i)
六、软件目录规范
目录组织方式
关于如何组织一个较好的Python工程目录结构,已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上,能看到大家对Python目录结构的讨论。
这里面说的已经很好了,我也不打算重新造轮子列举各种不同的方式,这里面我说一下我的理解和体会。
假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:
Foo/
|-- bin/
| |-- foo
|
|-- foo/
| |-- tests/
| | |-- __init__.py
| | |-- test_main.py
| |
| |-- __init__.py
| |-- main.py
|
|-- docs/
| |-- conf.py
| |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README
简要解释一下:
bin/
: 存放项目的一些可执行文件,当然你可以起名script/
之类的也行。foo/
: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/
存放单元测试代码; (3) 程序的入口最好命名为main.py
。docs/
: 存放一些文档。setup.py
: 安装、部署、打包的脚本。requirements.txt
: 存放软件依赖的外部Python包列表。README
: 项目说明文件。
除此之外,有一些方案给出了更加多的内容。比如LICENSE.txt
,ChangeLog.txt
文件等,我没有列在这里,因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件,目录该如何组织,可以参考这篇文章。
下面,再简单讲一下我对这些目录的理解和个人要求吧。
关于README的内容
这个我觉得是每个项目都应该有的一个文件,目的是能简要描述该项目的信息,让读者快速了解这个项目。
它需要说明以下几个事项:
- 软件定位,软件的基本功能。
- 运行代码的方法: 安装环境、启动命令等。
- 简要的使用说明。
- 代码目录结构说明,更详细点可以说明软件的基本原理。
- 常见问题说明。
我觉得有以上几点是比较好的一个README
。在软件开发初期,由于开发过程中以上内容可能不明确或者发生变化,并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候,是需要撰写这样的一个文档的。
可以参考Redis源码中Readme的写法,这里面简洁但是清晰的描述了Redis功能和源码结构。
关于requirements.txt和setup.py
setup.py
一般来说,用setup.py
来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题,而是说,一个项目一定要有一个安装部署工具,能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。
这个我是踩过坑的。
我刚开始接触Python写项目的时候,安装环境、部署代码、运行程序这个过程全是手动完成,遇到过以下问题:
- 安装环境时经常忘了最近又添加了一个新的Python包,结果一到线上运行,程序就出错了。
- Python包的版本依赖问题,有时候我们程序中使用的是一个版本的Python包,但是官方的已经是最新的包了,通过手动安装就可能装错了。
- 如果依赖的包很多的话,一个一个安装这些依赖是很费时的事情。
- 新同学开始写项目的时候,将程序跑起来非常麻烦,因为可能经常忘了要怎么安装各种依赖。
setup.py
可以将这些事情自动化起来,提高效率、减少出错的概率。"复杂的东西自动化,能自动化的东西一定要自动化。"是一个非常好的习惯。
setuptools的文档比较庞大,刚接触的话,可能不太好找到切入点。学习技术的方式就是看他人是怎么用的,可以参考一下Python的一个Web框架,flask是如何写的: setup.py
当然,简单点自己写个安装脚本(deploy.sh
)替代setup.py
也未尝不可。
requirements.txt
这个文件存在的目的是:
- 方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中,避免在
setup.py
安装依赖时漏掉软件包。 - 方便读者明确项目使用了哪些Python包。
这个文件的格式是每一行包含一个包依赖的说明,通常是flask>=0.10
这种格式,要求是这个格式能被pip
识别,这样就可以简单的通过 pip install -r requirements.txt
来把所有Python包依赖都装好了。具体格式说明: 点这里。
关于配置文件的使用方法
注意,在上面的目录结构中,没有将conf.py
放在源码目录下,而是放在docs/
目录下。
很多项目对配置文件的使用做法是:
- 配置文件写在一个或多个python文件中,比如此处的conf.py。
- 项目中哪个模块用到这个配置文件就直接通过
import conf
这种形式来在代码中使用配置。
这种做法我不太赞同:
- 这让单元测试变得困难(因为模块内部依赖了外部配置)
- 另一方面配置文件作为用户控制程序的接口,应当可以由用户自由指定该文件的路径。
- 程序组件可复用性太差,因为这种贯穿所有模块的代码硬编码方式,使得大部分模块都依赖
conf.py
这个文件。
所以,我认为配置的使用,更好的方式是,
- 模块的配置都是可以灵活配置的,不受外部配置文件的影响。
- 程序的配置也是可以灵活控制的。
七、作业
作业需求:
模拟实现一个ATM + 购物商城程序
- 额度 15000或自定义
- 实现购物商城,买东西加入 购物车,调用信用卡接口结账
- 可以提现,手续费5%
- 每月22号出账单,每月10号为还款日,过期未还,按欠款总额 万分之5 每日计息
- 支持多账户登录
- 支持账户间转账
- 记录每月日常消费流水
- 提供还款接口
- ATM记录操作日志
- 提供管理接口,包括添加账户、用户额度,冻结账户等。。。
- 用户认证用装饰器