python 装饰器，生成器

装饰器

本质上也是一个函数，可以让被装饰的函数在原代码不变的情况下添加新功能。

优点：复用性强，当多个函数需要相同的额外功能时，直接将该功能封装在一个装饰函数中，需要该额外功能的其他函数直接用装饰器修饰即可。

模板：

def decorator(func):
    def wrapper(*arg, **kwarg):
        ...
    return wrapper

生成器

最大特点是：不一次性生成所有值，而是按需生成值。

优点：提高内存效率，适合处理大型数据

a = [x * x for x in range(10000)]
b = (x * x for x in range(10000)) 

上述代码中，\(a\) 是一个普通的列表，而 \(b\) 是一个生成器。显然对于 \(a\)，\(0 \backsim 9999\) 的平方都会被创建；而 \(b\) 中的对象会在循环枚举（不能按下标取值）时动态生成，枚举到哪个就生成哪个。

创建生成器的两种方式：

• 圆括号
• \(yield\)

对于一个函数：

def f(*arg):
    ...

• \(f\)：表示函数本身
• \(f(*arg)\)：表示一个生成器

与生成器相关的一些函数：

• \(yield\)：暂停执行，并返回后面的值。
• \(next\)：从刚才暂停的地方继续执行，直到遇到下一个 \(yield\)。
• \(send\)：为生成器发送一个值

在函数体内，\(return\) 和 \(yield\) 的区别：

• \(yield\)：保存函数内的局部变量，保持当前的执行状态，暂停函数执行，并产出一个值给调用者。
• \(return\)：立即终止函数的执行，并返回一个值给调用者。

---

以竞赛头模块的 \(dfs\) 部分为例，深入理解装饰器和生成器：

from types import GeneratorType

def bootstrap(f, stk=[]):
    def wrappedfunc(*args, **kwargs):
        if stk:
            return f(*args, **kwargs)
        else:
            to = f(*args, **kwargs)
            while True:
                if type(to) is GeneratorType:
                    stk.append(to)
                    to = next(to)
                else:
                    if stk:
                        stk.pop()
                    if not stk:
                        break
                    to = stk[-1].send(to)
            return to
    return wrappedfunc

调用装饰器的部分：

@bootstrap
def dfs(*arg):
    ...
        yield dfs(...)

    yield x

\('@...'\) 就是一个语法糖，实际上完全等价于：

dfs = bootstrap(dfs)

其中 \(bootstrap\) 是一个包装函数的函数，在本模块中作用是将 \(dfs\) 的递归调用转化成栈模拟的过程，以加大递归深度，避免爆栈。

关于装饰器 '@bookstrap' 的使用：

需要在所有 \(return\) 的地方加上 \(yield\)，使得函数不再像普通函数一样调用，而是产生一个生成器并将其压栈，并继续后续处理。特殊地，若\(dfs\) 函数是 \(None\) 类型，还需要注意在函数结尾添加一个 \(yield\)。
eg:

@bootstrap
    def dfs(u:int, father:int):
        dep[u] = dep[father] + 1
        for v in G[u]:
            if v == father: continue
            yield dfs(v, u) # 每个dfs递归调用前面都需要补充一个 yield
        yield # 注意这里，隐式return也需要补充yield