装饰器&生成器&迭代器

装饰器&生成器&迭代器

装饰器

为什么要使用装饰器？

软件一旦上线就需要遵循开放封闭原则。
开放：对现有功能的扩展开放
封闭：已实现的功能代码块不应该被修改，对修改的源代码是封闭的

什么是装饰器？

装饰–》增加函数功能 器–》工具
装饰器是为被修饰的对象增加功能的工具，并遵循不修改源代码，不修改调用方式的工具
例如：需要对一个网站比较受欢迎的几个版块进行用户身份认证，其中包括“科幻” 和 “动漫”专区
代码如下：

account={
    'username':'sunwukong',#用户信息
    'passworld':'abc123',#用户密码
    'tag':False #用户登录状态，登录就为True
}
def login(func):
    def inner(*args,**kwargs):#wuxia（）执行时无参数，dongman()执行时需要传入参数vip
        if account['tag'] is False:
            print('请输入网站账号密码')
            username=input('user:').strip()
            passworld=input('passworld:').strip()
            if username==account['username'] and passworld==account['passworld']:
                print('welcome to login')
                account['tag']=True
            else:
                print('wrong name or passworld')
        if account['tag'] is True:
            func(*args,**kwargs)
    return inner
def home():
    print('---------网站首页---------')
def wuxia():
    print('---------武侠专区---------')
def kehuan():
    print('---------科幻专区---------')
def dongman(vip):
    if vip<3:
        print('---------动漫专区普通会员---------')
    else:
        print('---------动漫专区高级会员---------')
        print('高级会员可查看更多网络动漫')


home()
kehuan=login(kehuan)#这次执行login返回的是inner的内存地址
dongman=login(dongman)

wuxia()
kehuan()#相当于执行inner函数
dongman(5)

#执行结果
# ---------网站首页---------
# ---------武侠专区---------
# 请输入网站账号密码
# user:sunwukong
# passworld:abc123
# welcome to login
# ---------科幻专区---------
# ---------动漫专区高级会员---------
# 高级会员可查看更多网络动漫

其中kehuan=login(kehuan)；kehuan() 这两句代码可简化如下：

@login
def kehuan():
    print('---------科幻专区---------')
@login
def dongman(vip):
    if vip<3:
        print('---------动漫专区普通会员---------')
    else:
        print('---------动漫专区高级会员---------')
        print('高级会员可查看更多网络动漫')
home()
wuxia()
kehuan()#相当于执行inner函数
dongman(5)

@函数名，一定要放在所要增加装饰器的函数正上方

生成器

列表生成式

通过遍历列表相关的生成式，如下：

a=map(lambda x:x**2,[1,2,3,4,5,6,7,8,9])
for i in a:
    print(i)

#执行结果
# 1
# 4
# 9
# 16
# 25
# 36
# 49
# 64
# 81

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。比如我要循环100万次，按py的语法，for i in range(1000000)会先生成100万个值的列表。但是循环到第50次时，我就不想继续了，就退出了。但是90多万的列表元素就白为你提前生成了。这样会浪费大量的内存空间。
在Python中，这种一边循环一边计算后面元素的机制，称为生成器：generator。
generator保存的是算法，每次调用next(g)就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

g=(x**2 for x in range(10))
print(g)
print(next(g))
print(next(g))
print(next(g))
# <generator object <genexpr> at 0x000001F9180B1B88> #g为一个生成器
# 0
# 1
# 4

简便的方法就是使用for循环来遍历g，还不会出现异常

函数生成器

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, …

def fib(max):
    a,b = 0,1
    print(b）
    n = 0  # 斐波那契数
    while n < max:
        n = a + b
        a = b # 把b的旧值给到a
        b = n # 新的b = a + b(旧b的值)
        yield n # 程序走到这，就会暂停下来，返回n到函数外面，直到被next方法调用时唤醒
f = fib(100) # **注意这句调用时，函数并不会执行，只有下一次调用next时，函数才会真正执行**
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
#执行
# 1
# 1
# 2
# 3
# 5

最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句暂停并返回数据到函数外，再次被next()调用时从上次返回的yield语句处继续执行。
我们在循环过程中不断调用yield，函数就会不断的中断(暂停)。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：for i in f ；print(f)

迭代器

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
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，可迭代的意思就是可遍历、可循环。
可以使用isinstance()判断一个对象是否是Iterable对象：

from collections.abc import Iterable
print(isinstance([], Iterable))
print(isinstance({}, Iterable))
print(isinstance('123', Iterable))
print(isinstance((x for x in range(10)), Iterable))
print(isinstance(100, Iterable))
#运行结果
# True
# True
# True
# True
# False

生成器都是Iterator对象，但list、dict、str虽然是可迭代对象，却不是迭代器。
把list、dict、str等可迭代对象变成迭代器可以使用iter()函数：

from collections.abc import Iterator
print(isinstance(iter([]), Iterator))
print(isinstance(iter({}), Iterator))
print(isinstance(iter('123'), Iterator))
print(isinstance(iter((x for x in range(10))), Iterator))
#运行结果
# True
# True
# True
# True

使用iter()函数可以将可迭代对象变成迭代器，再使用next（）方法调取迭代器的内容

from collections.abc import Iterable
from collections.abc import Iterator


l=[5,2,0,1,3,1,4]
print(isinstance(l,Iterator))

l1=iter(l)
print(isinstance(l1,Iterator))

print(l1.__next__())
print(l1.__next__())
print(l1.__next__())
print(l1.__next__())
print(l1.__next__())
print(l1.__next__())
print(l1.__next__())

#运行结果：
# False
# True
# 5
# 2
# 0
# 1
# 3
# 1
# 4

为什么list、dict、str等数据类型不是迭代器？
这是因为Python的可迭代对象表示的是一个数据流，可迭代对象可以被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，所以迭代器的计算是惰性的，只有在需要返回下一个数据时它才会计算。迭代器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。