Python常忘的进阶知识（下）

0.目录

1.装饰器

• 1.1 为每个函数都增加一个功能
• 1.2 装饰器只是一种模式
• 1.3 语法糖
• 1.4 函数需要传递参数，该如何更改装饰器？
• 1.5 函数需要传递关键字参数，该如何更改装饰器？

2.原生爬虫

• 2.1 爬虫常规思路
• 2.2 HTML结构分析基本原则
• 2.3 正则分析HTML
• 2.4 正则分析获取名字和人数
• 2.5 数据精炼与排序
• 2.6 案例总结

3.补充知识点

• 3.1 用字典映射代替switch case语句
• 3.2 列表推导式
• 3.3 字典如何编写列表推导式
• 3.4 迭代器（iterator）
• 3.5 生成器（generator）
• 3.6 对象存在并不一定是True
• 3.7 装饰器的副作用

1.装饰器

1.1 为每个函数都增加一个功能

Unix时间戳（Unix时间戳（英文为Unix time、POSIX time或Unixtimestamp），是一种时间的表示方式）：
定义为从1970年01月01日00时00分00秒起至现在的总秒数

为每一个函数都增加一个打印时间的功能：

缺点：打印时间这个需求应该属于函数本身，并不是属于新增的函数
这种做法与

print(time.time())
f1()

并没有什么区别

1.2 装饰器只是一种模式

这就是装饰器：

依旧是有缺点的！

1.3 语法糖

使用Python给予的语法糖@：（没有改变原来的调用逻辑！）

可以接受定义时的复杂，不能接受调用时的复杂！
Python中的装饰器体现了AOP的编程思想

1.4 函数需要传递参数，该如何更改装饰器？

使用*args来代表可变参数：

1.5 函数需要传递关键字参数，该如何更改装饰器？

使用**kw来代表可变关键字参数：

ps：猜测kw的意义可能是key word

2.原生爬虫

2.1 爬虫常规思路

爬虫前奏：

• 明确目的
• 找到数据对应的网页
• 分析网页的结构找到数据所在的标签位置

正式编码：

• 模拟HTTP请求，向服务器发送这个请求，获取到服务器返回给我们的HTML
• 用正则表达式提取我们要的数据（名字，人气）

此原生爬虫的目的是爬取熊猫直播https://www.panda.tv/cate/lol这个页面的所有主播名称与人气，然后依据人气进行排序

2.2 HTML结构分析基本原则

三个原则：

1. 尽量选取具有唯一标识性的标签作为定位标签
2. 尽量选取最接近要提取的数据的标签
3. 尽量选取可以闭合的标签

采用面向对象的方式编写爬虫：

分析页面获得数据结构：
htmls（一组数据）：

• <div class="video-info">包含主播姓名和观看人数</div>

  • <span class="video-nickname">主播姓名</span>
  • <span class="video-number">观看人数</span>
  • <i class="video-station-num">真实人数</i>

• <div class="video-info">包含主播姓名和观看人数</div>

  • <span class="video-nickname">主播姓名</span>
  • <span class="video-number">观看人数</span>
  • <i class="video-station-num">真实人数</i>

• <div class="video-info">包含主播姓名和观看人数</div>

  • <span class="video-nickname">主播姓名</span>
  • <span class="video-number">观看人数</span>
  • <i class="video-station-num">真实人数</i>

......

2.3 正则分析HTML

分析每组数据：

2.4 正则分析获取名字和人数

单项数据匹配规则：

输出第一项提取的数据：

2.5 数据精炼与排序

数据精炼：

1. 去掉主播名称前后的空格和换行符
2. 把列表转化为单一的字符串的值

将数据进行精炼：（使用字符串.strip()去掉字符串首尾的空格和换行符）

对数据进行排序：

• Python内置函数sorted()可以方便排序
• reverse=True则为降序排序
• 设置排序种子__sort_seed()函数

2.6 案例总结

修改一下输出格式：

最终不太面向对象的代码：

3.补充知识点

3.1 用字典映射代替switch case语句

C++中的switch case

Python使用字典：

defalut功能没有解决！

不使用下标来取值：

返回值改为返回函数：

3.2 列表推导式

求平方、求立方：

只对列表中部分元素进行操作：

集合（set）也可以被推导：

ps：字典（dict）和元组（tuple）也可以被推导

3.3 字典如何编写列表推导式

将key和value颠倒顺序：

元组是不可变的：

3.4 迭代器（iterator）

可迭代对象（iterable）——凡是可以被for...in...循环遍历的数据结构都是可迭代对象，比如列表、元组、集合

迭代器（iterator）

• 迭代器是一个对象（class）
• 迭代器可以被遍历，普通对象不可以被遍历

如何让普通对象变成迭代器？
只需实现两个函数——def __iter__(self): 和 def __next__(self):

for...in...循环的实质在于会不断地去调用迭代器里面的__next__()方法：

也可以不用for...in...循环遍历：

迭代器具有一次性，第一次已经用完了，第二次就不会输出任何值！
列表、元组、集合无论遍历多少次都会输出相同的结果！

如何遍历多次迭代器？
1.再次实例化一个对象

2.拷贝对象

ps：copy.copy()实现的是浅拷贝
pps：copy.deepcopy()实现的是深拷贝

3.5 生成器（generator）

生成器是对于函数来说的
输出0~10000：

缺点：非常消耗内存，因为n是列表，有10001个数，都存在内存中

如何输出0_{10000，同时又不需要把0}10000所有的数字都存储在计算机中？

优点：解决了性能问题
只是一个普通的函数，并不是生成器
缺点：实现的目的太过于特殊了，直接在函数内部输出了数字，假如最终目的不是输出数字，而是得到数字用来做别的事情......
在函数外部调用函数真实的目的应该是函数返回0~10000个数字，但是我怎么用，函数应该不要管，更不应该在函数内部输出数字

将return改为yield后，就会返回一个生成器：

如何使用生成器：
1.使用next()函数

2.使用for...in...循环遍历

生成器的优势

• 既保证了函数的通用性，又解决了性能问题
• 生成器内部根本就没有保存任何的数据，实质是保存了一个算法
• 通过算法不断地生成新的数字

列表推导式也可以得到生成器（把中括号改成小括号）：

3.6 对象存在并不一定是True

对象存在：

将对象长度置为0：

对象的真假由两个内置方法决定——__len__与__bool__内置方法！
1.不定义__len__()方法与__bool__()方法时默认为True

2.定义__len__()方法时——__len__()方法必须返回大于等于0的整数或者True或者False

ps：当使用 bool() 方法或者 len() 方法时会调用__len__()方法
3.定义__bool__()方法时——__bool__()方法必须返回True或者False，不能返回0或者1

4.定义了__bool__()方法后，取bool(对象)的值不会再调用__len__()方法

3.7 装饰器的副作用

加了装饰器后，函数f1的名称变为wrapper了：

加了装饰器后查找不到帮助文档了：

Python提供了另一个装饰器来解决这个函数名称会被改变的问题：