Day7：有参装饰器、迭代器

一.有参装饰器

昨天的作业当中，做一个认证的装饰器，认证成功一次，执行其他函数不再进行认证。使用的装饰器为无参装饰器。

db_path=r'E:\PycharmProjects\qz5\db.txt'
user_dic={
    'egon':'123',
    'alex':'alex3714',
    'wupeiqi':'123',
    'yunahao':'123',
}
with open(db_path,'w',encoding='utf-8') as f:
    f.write(str(user_dic))
login_dic={
    'user':None,
    'status':False,
}
def auth(func):    #装饰器没有传入参数
    def wrapper(*args,**kwargs):
        with open(db_path,'r',encoding='utf-8') as f:
            user_dic=eval(f.read())
        while not login_dic['user'] and not login_dic['status']:
            name = input('name:')
            pwd = input('password:')
            if name in user_dic:
                if pwd==user_dic[name]:
                    print('login successful')
                    login_dic['user']=name
                    login_dic['status']=True
                    res=func(*args,**kwargs)
                    return res
                else:
                    print('password err')
                    continue
            else:print('no user')
        else:
            res = func(*args, **kwargs)
            return res
    return wrapper
@auth
def index():
    print('welcome to index')
@auth
def home(name):
    print('welcome %s to home page'%name)
index()
home('egon')

有不通的认证方式：比如ldap认证，mysql认证。现在要求不同的函数要用不通的认证方式，就需要用有参装饰器。有参装饰器也就是在无参装饰器外面再包一层函数，带上参数。

def deco(auth_type='file'):
    def auth(func):
        def wrapper(*args,**kwargs):
            if auth_type == 'file':
                print('文件的认证方式')
            elif auth_type == 'ldap':
                print('ldap的认证方式')
            elif auth_type == 'mysql':
                print('mysql的认证方式')
            else:
                print('不知道的认证方式')
        return wrapper
    return auth
@deco(auth_type='abc')  
def index():
    print('welcome to index ')
@deco()
def home(name):
    print('welcome to %s home page' %name)
index()
home('egon')

运行结果：
不知道的认证方式
文件的认证方式

二.迭代器

1.迭代

迭代就是重复，下一次的重复是基于上一次的结果

2.迭代器

python为了提供一种不依赖于索引的迭代方式，
python会为一些对象内置__iter__方法
obj.__iter__称为可迭代的对象

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：

>>> 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：

>>> 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：

>>> 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。

迭代器的优点
1：提供了一种不依赖于索引的取值方式
2：惰性计算。节省内存

迭代器的缺点：
1：取值不如按照索引取值方便
2：一次性的。只能往后走不能往前退
3：无法获取长度

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

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