用一个简单的例子来理解python高阶函数

============================

============================

最近在用mailx发送邮件, 写法大致如下.
echo 'body'|mailx -s 'title' 'a@corp.com,b@corp.com'
不知什么原因, 在一台机器上只要mailTo中包含空格, 邮件就发送不出去. 所以需要对收件人做规范化处理, 即去除空格, 去除多余的逗号.

这个处理过程使用到了map()和reduce(), 使用情形很简单, 更有助于理解这两个函数的作用.

#原始的mailTo
mailToStr=',a@corp.com ,, c@corp.com,e@corp.com,'
#该字符串中, 有空邮箱地址, 还有邮箱前后带空格

#step 1: 先转换成list
mailTo=mailToStr.split(',')
#结果为, ['', 'a@corp.com ', '', ' c@corp.com', 'e@corp.com', '']

#step 2：对list中元素做trim
mailTo=map(lambda x: x.strip(),mailTo)
#结果为, ['', 'a@corp.com', '', 'c@corp.com', 'e@corp.com', '']


#step 3： 去除list中的那几个空邮箱地址了
def exceptEmpty(x,y):
    if x=='':
        return y
    elif y=='':
        return x
    else:
        return x+','+y

mailToStr=reduce(exceptEmpty,mailTo)
#mailToStr的结果是 'a@corp.com,c@corp.com,e@corp.com'

============================
总结一下 map/reduce/zip/filter几个高阶函数的作用

============================

map()函数, 我们需要提供2个参数, 第1个是lambda表达式或函数, 第2个参数是个list,
map()的作用是, 将list中的每个元素, 带到lambda表达式中求值, 最后再组成一个list.
比如,map(lambda x: x.strip(),['a@corp.com', 'c@corp.com']), 对每个元素都做了trim

reduce()函数, 我们需要提供2个参数, 第1个是lambda表达式或函数, 第2个参数是个list,
reduce()作用是, 将list中的相连的两个元素, 带入到lambda表达式中做"递归"求值, 最后生成一个scalar值.

zip()的作用是, 将两个list中的元素进行编织mesh.
zip([1,2,3],['a','b'])
#结果为[(1, 'a'), (2, 'b')]

filter()的作用是很直观, 对于给定的list, 按照我们设定的lambda表达式条件, 过滤掉不符合的元素.
filter(lambda x: x>0, [-1,0,1,2])
#结果为[1,2]

补充一点, lambda 表达式, 冒号后为一个表达式, 不是 `return` 语句.