本文深入解析Python装饰器的定义、实现原理及应用场景，包括如何为函数添加额外功能而不修改其源代码，以及如何利用生成器实现高效的数据处理。通过实际代码示例，详细展示了装饰器的构造过程和生成器的工作机制。
第四周-第03章节-Python3.5-装饰器详解
装饰器：
定义:本质是函数，（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
实现装饰器知识储备：
1、函数即是“变量”
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)
b.返回值中包含函数名(不能修改被装饰的函数的调用方式)
3、嵌套函数
高阶函数+嵌套函数 ======》装饰器
第四周-第04章节-Python3.5-装饰器应用详解、
decorator.py
#!/usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:Lenovo
@file: decorator.py
@time: 2019/05/14
@functions:装饰器
@notice:
"""
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")
test1()
=================================================================================================
D:\Python3.7.3\python.exe D:/PycharmProjects/老男孩S14/day4/decorator.py
in the test1
the func run time is 3.0001447200775146
Process finished with exit code 0
第四周-第05章节-Python3.5-装饰器之函数即变量
decorator1.#-*- coding:utf-8 _*"""
@author:Lenovo
@file: decorator1.py
@time: 2019/05/14
@functions:装饰器
@notice:
"""
'''
def foo():
print("in the foo")
bar()
foo()
报错，bar()没有被定义
'''
'''
print("=======================================")
def bar():
print("in the bar")
def foo():
print("in the foo")
bar()
foo()
print("=======================================")
def foo():
print("in the foo")
bar()
def bar():
print("in the bar")
foo()
'''
print("===========================================")
def foo():
print("in the foo")
bar()
foo()
def bar():
print("in the bar")
报错：函数没有被定义
第四周-第06章节-Python3.5-装饰器之高阶函数
#!/usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:Lenovo
@file: decorator2.py
@time: 2019/05/14
@functions:装饰器
@notice:统计Bar函数运行的时间
"""
import time
'''
def bar():
time.sleep(3)
print("in the bar")
def test1(func):
start_time=time.time()
# print(func)
func() #return bar
stop_time=time.time()
print("the func run time is %s" %(stop_time-start_time))
test1(bar)
'''
def bar():
time.sleep(3)
print("in the bar")
def test2(func):
print(func)
return func
print(test2(bar)) #仅仅返回内存地址
bar=test2(bar)
bar() #返回函数结果
=================================================================================================
ssh://root@192.168.1.106:22/usr/bin/python -u /www/web/老男孩S14/day4/decorator2.py
<function bar at 0x7fde1db911e0>
<function bar at 0x7fde1db911e0>
<function bar at 0x7fde1db911e0>
in the bar
Process finished with exit code 0
第四周-第07章节-Python3.5-装饰器之嵌套函数
#!/usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:Lenovo
@file: decorator3.py
@time: 2019/05/18
@functions:装饰器之嵌套函数
@notice:
"""
def foo():
print("in the foo")
def bar():
print("in the bar")
bar()
foo()
#作用域与全局作用域的访问顺序
x = 0
def grandpa():
# x = 1
def dad():
x = 2
def son():
x = 3
print (x)
son()
dad()
grandpa()
===============================================================================================
ssh://root@192.168.1.106:22/usr/bin/python -u /www/web/老男孩S14/day4/decorator3.py
in the foo
in the bar
3
Process finished with exit code 0
第四周-第08章节-Python3.5-装饰器之案例剖析1
#!/usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:Lenovo
@file: decorator4.py
@time: 2019/05/18
@functions:装饰器
@notice:再不改变函数调用方式的情况下，统计test1函数运行的时间
调用装饰器，是在函数的前面加上@符号并且连接函数名即可
"""
import time
def timer(func):
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
def test1():
time.sleep(3)
print("in the test1")
@timer
def test2():
time.sleep(3)
print("in the test2")
#test1=timer(test1)
test1()
test2()
========================================================================================
ssh://root@192.168.1.106:22/usr/bin/python -u /www/web/老男孩S14/day4/decorator4.py
in the test1
the func run time is 3.003230094909668
in the test2
the func run time is 3.003512382507324
Process finished with exit code 0
第四周-第09章节-Python3.5-装饰器之案例剖析2
通用函数，给test2传值
#!/usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:Lenovo
@file: decorator4.py
@time: 2019/05/18
@functions:装饰器
@notice:再不改变函数调用方式的情况下，统计test1函数运行的时间
调用装饰器，是在函数的前面加上@符号并且连接函数名即可
"""
import time
def timer(func):
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
def test1():
time.sleep(3)
print("in the test1")
@timer
def test2(name,age):
time.sleep(3)
print("test2：",name,age)
#test1=timer(test1)
test1()
test2("alex",22)
====================================================================================================
ssh://root@192.168.1.106:22/usr/bin/python -u /www/web/老男孩S14/day4/decorator4.py
in the test1
the func run time is 3.0034444332122803
test2： alex 22
the func run time is 3.0032384395599365
Process finished with exit code 0
第四周-第10章节-Python3.5-装饰器之高潮讲解
#!/usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:Lenovo
@file: decorator5.py
@time: 2019/05/18
@functions:
@notice:
"""
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) # from home
print("---after authenticaion ")
return res
else:
exit("\033[31;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") # home = wrapper()
def home():
print("welcome to home page")
return "from home"
@auth(auth_type="ldap")
def bbs():
print("welcome to bbs page")
index()
print(home()) #wrapper()
bbs()
===============================================================================
ssh://root@192.168.1.106:22/usr/bin/python -u /www/web/老男孩S14/day4/decorator5.py
auth func: local
auth func: ldap
welcome to index page
wrapper func args:
Username:alex
alex
Password:abc123
abc123
User has passed authentication
welcome to home page
---after authenticaion
from home
wrapper func args:
搞毛线ldap,不会。。。。
Process finished with exit code 0
第四周-第11章节-Python3.5-迭代器与生成器1
列表生成式：
Python 2.7.9 (default, Dec 10 2014, 12:28:03) [MSC v.1500 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> [i*2 for i in range(10)]
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
>>>
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。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
生成器只有在调用时才会生成相应的数据
#!/usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:Lenovo
@file: generator.py
@time: 2019/05/18
@functions:斐波拉契数列
@notice:
"""
####生成器
L=[i*i for i in range(11)]
print(L)
Z = []
for i in range(11):
Z.append(i * i)
print(Z)
####斐波拉契数列
def fib(max):
n,a,b=0,0,1
while n < max:
print(b)
a,b=b,a+b
n = n + 1
return 'done'
fib(10)
###yield函数
def fib(max):
n,a,b = 0,0,1
while n < max:
yield b
a,b=b,a+b
n = n + 1
f = fib(100)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
=======================================================================
ssh://root@192.168.1.106:22/usr/bin/python -u /www/web/老男孩S14/day4/生成器/generator.py
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
[0]
[0, 1]
[0, 1, 4]
[0, 1, 4, 9]
[0, 1, 4, 9, 16]
[0, 1, 4, 9, 16, 25]
[0, 1, 4, 9, 16, 25, 36]
[0, 1, 4, 9, 16, 25, 36, 49]
[0, 1, 4, 9, 16, 25, 36, 49, 64]
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
1
1
2
3
5
8
13
21
34
55
1
1
2
3
5
8
Process finished with exit code 0
第四周-第12章节-Python3.5-迭代器与生成器2
#!/usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:Lenovo
@file: 生成器并行.py
@time: 2019/05/18
@functions:
@notice:
"""
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,分两半!")
c.send(i)
c2.send(i)
producer("alex")
===================================================================================
ssh://root@192.168.1.106:22/usr/bin/python -u /www/web/老男孩S14/day4/生成器/生成器并行.py
ChenRonghua 准备吃包子啦!
A 准备吃包子啦!
B 准备吃包子啦!
老子开始准备做包子啦!
做了1个包子,分两半!
包子[0]来了,被[A]吃了!
包子[0]来了,被[B]吃了!
做了1个包子,分两半!
包子[1]来了,被[A]吃了!
包子[1]来了,被[B]吃了!
做了1个包子,分两半!
包子[2]来了,被[A]吃了!
包子[2]来了,被[B]吃了!
做了1个包子,分两半!
包子[3]来了,被[A]吃了!
包子[3]来了,被[B]吃了!
做了1个包子,分两半!
包子[4]来了,被[A]吃了!
包子[4]来了,被[B]吃了!
做了1个包子,分两半!
包子[5]来了,被[A]吃了!
包子[5]来了,被[B]吃了!
Process finished with exit code 0
第四周-第13章节-Python3.5-迭代器与生成器并行
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：
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：
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：
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。
Python的for循环本质上就是通过不断调用next()函数实现的
>>> 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：
|
1
2
3
4
5
6
7
8
9
|
>>> 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：
|
1
2
3
4
|
>>> 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。
Python的for循环本质上就是通过不断调用next()函数实现的，例如：
|
1
2
|
for x in [1, 2, 3, 4, 5]: pass |
实际上完全等价于：
# 首先获得Iterator对象: it = iter([1, 2, 3, 4, 5]) # 循环: while True: try: # 获得下一个值: x = next(it) except StopIteration: # 遇到StopIteration就退出循环 break
扫一扫
1261
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
