摘要：在函数编程中经常用到闭包。闭包是什么，它是怎么产生的及用来解决什么问题呢。给出字面的定义先：闭包是由函数及其相关的引用环境组合而成的实体(即：闭包=函数+引用环境)。这个从字面上很难理解，特别对于一直使用命令式语言进行编程的程序员们。本文将结合实例代码进行解释。 阅读全文

摘要：.NET程序员是幸福的，基本上是被MS给宠坏了，老板们是乐坏了，可是身为程序员却高兴不起来（个中原因自己体会吧）。借着MS的开源春风，让我们看看 MS到底是怎么宠坏我们这些可爱的.NET程序员的。在MS设计产品时遵循哪些规则，又是怎么解决一些棘手的问题的。让我们看看微软的完全开源的 IronPython，看看MS是怎么耍宝的。 阅读全文

摘要：接上篇: Inside IronPython: IronPython AST语法树(1/2)。 ASTs简介： 当 ipy.exe 执行demo.py的时候，IronPython语言自身的实现和DLR共同参与源代码的编译处理。从基本层面上来讲，编译器是流水化作业的：从语法解析器生成描述源代码的特定数据结构开始。这个数据结构是个抽象语法树（abstract syntax tree），简称为AST。编译器在完成代码分析阶段后将转换AST或者建立新的数据结构，然后再基于此结果，编译器产生机器码或者虚拟机的中间语言（IL）。 阅读全文

摘要：.NET平台上早期的各个动态语言的实现相对独立：例如IronPython的1.x实现，基本上都是在.NET CLR的基础上直接构建各自的实现。到了IronPython2.x时，动态语言的架构发生了很大变化，这个变化具有革命意义，就像现在的CLR一样重要和伟大（CLR统一了静态语言，GC，JIT…省去废话x万字）。这个变化就是微软引入了DLR（动态语言运行时：Dynamic Language Runtime），同时又在.NET CLR中添加了一组核心特性以更好地支持动态语言。DLR是建立在CLR之上的，面向所有在.NET平台上运行的动态语言提供服务。当然，DLR也是跨平台的（Mono）！ 阅读全文

摘要：IronPython和Python一样都支持多种编程范式(OOP,FP...)。本文讲述当用IronPython进行函数编程时，用到的几个基本元素：内置高阶函数（操作函数的函数：一个函数可以接受另一个函数作为参数，也可以把一个函数作为结果来返回）。这几个函数的共同点是第一个参数都是函数，并且都是对列表数据进行操作，代码简洁明了。 阅读全文

摘要：生成器方法（generator function）作为一个可选特性在Python2.2中首次出现，2.3版本中内置支持了此特性，yield成为了关键字，生成器在后续版本中得到增强（比如增加了异常处理等特性）。C#2.0中也引入类似特性（迭代器），这两者之间有不少相似之处。本文针对IronPython 2.0 beta3进行讨论。 阅读全文

摘要：Python/IronPython中的“function decorator”漫谈。基于IronPython 2.0 Beta 3。 阅读全文