Python学习之路——迭代器、生成器、算法基础、正则
一、迭代器：
迭代器是访问集合元素的一种方式。
迭代器对象是从集合的第一个元素开始访问，直到所有的元素被访问完结束。
迭代器只能往前不会后退，不过这也没什么，因为人们很少在迭代途中往后退。
另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件
特点：
- 访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容
- 不能随机访问集合中的某个值 ，只能从头到尾依次访问
- 访问到一半时不能往回退
- 便于循环比较大的数据集合，节省内存
1、创建一个迭代器：
x = iter([1, 2, 3, 4]) print(x) 以上实例输出结果: <list_iterator object at 0x000000000107C1D0>
2、迭代器操作：
__next__()函数：就是取迭代器内的值： x = iter([1, 2, 3, 4]) print(x.__next__()) print(x.__next__()) print(x.__next__()) print(x.__next__()) print(x.__next__()) 以上实例输出结果: 1 2 3 4 Traceback (most recent call last): File "E:/project/s12/day1/test.py", line 11, in <module> print(x.__next__()) StopIteration 注：当迭代器内的值全部取完后，就会报出如上错误。
二、生成器（yield）：
定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器。
def cash_out(amount): while amount >0: amount -= 1 yield 1 print("擦，又来取钱了。。。败家子！") ATM = cash_out(3) print("取到钱 %s 万" % ATM.__next__()) print("花掉花掉!") print("取到钱 %s 万" % ATM.__next__()) print("取到钱 %s 万" % ATM.__next__()) 以上实例输出结果: 取到钱 1 万 花掉花掉! 擦，又来取钱了。。。败家子！ 取到钱 1 万 擦，又来取钱了。。。败家子！ 取到钱 1 万 注：yield函数可以使一个循环执行一半时做别的操作，然后再反回循环继续执行。
作用：
yield的主要效果，就是可以使函数中断，并保存中断状态，中断后，代码可以去执行其他操作，其他操作完成后，还可以再重新调用这个函数，从上次yield的下一句开始执行。
3、yield接收参数：
yield实现在单线程的情况下实现并发运算的效果：
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)) 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(3): time.sleep(1) print("做了2个包子!") c.send(i) c2.send(i) producer("Earl") 以上实例输出结果: 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2个包子! 包子[0]来了,被[A]吃了! 包子[0]来了,被[B]吃了! 做了2个包子! 包子[1]来了,被[A]吃了! 包子[1]来了,被[B]吃了! 做了2个包子! 包子[2]来了,被[A]吃了! 包子[2]来了,被[B]吃了!
三、装饰器：
需求：当我们开发好了一个接口，这个接口是提供给用户使用，但是在使用过程中需要添加一下功能，在不改变接口调用方式与代码的情况下，增加这个功能，怎么办呢？这个时候就需要装饰器上场了。
def login(func): def x (user): if user == 'earl': return func(user) return x @login def tv(name): print('欢迎%s，来到电视剧频道' %name) tv('earl') 以上实例输出结果: 欢迎earl，来到电视剧频道
装饰器传递参数实例：
def Before(request): print('before') def After(request): print('after') def Filter(before_func,after_func): def outer(main_func): def wrapper(request): before_result = before_func(request) if(before_result != None): return before_result; main_result = main_func(request) if(main_result != None): return main_result; after_result = after_func(request) if(after_result != None): return after_result; return wrapper return outer @Filter(Before, After) def Index(request): print('index') Index('example') 以上实例输出结果: before index after
说明：一个函数如果在函数名加上括号例如func()是执行func这个函数，如果不加括号例如func说是取func这个函数的内存id值，不执行函数，在迭代器中很多return调用的是只是函数名。所以在使迭代器中对这个要多注意。
四、递归：
特点
递归算法是一种直接或者间接地调用自身算法的过程。在计算机编写程序中，递归算法对解决一大类问题是十分有效的，它往往使算法的描述简洁而且易于理解。
递归算法解决问题的特点：
(1) 递归就是在过程或函数里调用自身。
(2) 在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。
(3) 递归算法解题通常显得很简洁，但递归算法解题的运行效率较低。所以一般不提倡用递归算法设计程序。
(4) 在递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成栈溢出等。所以一般不提倡用递归算法设计程序。
1、利用函数编写如下数列：
斐波那契数列指的是这样一个数列 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368
def func(arg1, arg2): if arg1 == 0: print(arg1, arg2) arg3 = arg1 + arg2 if arg3 < 10: print(arg3) func(arg2, arg3) func(0,1) 以上实例输出结果: 0 1 1 2 3 5 8
2、通过递归实现2分查找：
def binary_search(data_list,find_num): mid_pos = int(len(data_list) /2 ) mid_val = data_list[mid_pos] print(data_list) if len(data_list) >= 1: if mid_val > find_num: print("[%s] should be in left of [%s]" %(find_num,mid_val)) binary_search(data_list[:mid_pos],find_num) elif mid_val < find_num: print("[%s] should be in right of [%s]" %(find_num,mid_val)) binary_search(data_list[mid_pos:],find_num) else: print("Find ", find_num) else: print("cannot find [%s] in data_list" %find_num) if __name__ == '__main__': primes = list(range(1,20)) binary_search(primes,10) else: print("cannot find [%s] in data_list" %find_num) if __name__ == '__main__': primes = list(range(1,30)) binary_search(primes,10) 以上实例输出结果: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29] [10] should be in left of [15] [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14] [10] should be in right of [8] [8, 9, 10, 11, 12, 13, 14] [10] should be in left of [11] [8, 9, 10] [10] should be in right of [9] [9, 10] Find 10
五、基础算法：
生成一个4*4的2维数组并将其顺时针旋转90度
array=[[col for col in range(5)] for row in range(5)] #初始化一个4*4数组 for row in array: #旋转前先看看数组长啥样 print(row) print('-------------') for i,row in enumerate(array): for index in range(i,len(row)): tmp = array[index][i] array[index][i] = array[i][index] print(tmp,array[i][index]) array[i][index] = tmp for r in array:print(r) print('--one big loop --') 以上实例输出结果: [0, 1, 2, 3, 4] [0, 1, 2, 3, 4] [0, 1, 2, 3, 4] [0, 1, 2, 3, 4] [0, 1, 2, 3, 4] ------------- 0 0 0 1 0 2 0 3 0 4 [0, 0, 0, 0, 0] [1, 1, 2, 3, 4] [2, 1, 2, 3, 4] [3, 1, 2, 3, 4] [4, 1, 2, 3, 4] --one big loop -- 1 1 1 2 1 3 1 4 [0, 0, 0, 0, 0] [1, 1, 1, 1, 1] [2, 2, 2, 3, 4] [3, 3, 2, 3, 4] [4, 4, 2, 3, 4] --one big loop -- 2 2 2 3 2 4 [0, 0, 0, 0, 0] [1, 1, 1, 1, 1] [2, 2, 2, 2, 2] [3, 3, 3, 3, 4] [4, 4, 4, 3, 4] --one big loop -- 3 3 3 4 [0, 0, 0, 0, 0] [1, 1, 1, 1, 1] [2, 2, 2, 2, 2] [3, 3, 3, 3, 3] [4, 4, 4, 4, 4] --one big loop -- 4 4 [0, 0, 0, 0, 0] [1, 1, 1, 1, 1] [2, 2, 2, 2, 2] [3, 3, 3, 3, 3] [4, 4, 4, 4, 4] --one big loop --
六、冒泡算法：
需求：按照大小将[10,4,33,21,1,54,3,8,11,5,22,2,1,17,13,6]进行排序。
思路：将相邻两个值进行比较，较大的值放在右侧，依次比较。
data = [10,4,33,21,1,54,3,8,11,5,22,2,1,17,13,6] for j in range(1,len(data)): for i in range(len(data)-j): if data[i] > data[i+1]: tmp = data[i+1] data[i+1] = data[i] data[i] = tmp print(data) 以上实例输出结果: [1, 1, 2, 3, 4, 5, 6, 8, 10, 11, 13, 17, 21, 22, 33, 54]
七、Python正则表达示：
Python的正则在re模块内，如果需要使用需要先使用import re 导入模块。
re模块操作：
1、re.match函数：
re.match函数尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
import re print(re.match('blog', 'blog.jiabin100.com').group()) # 在起始位置匹配 print(re.match('com', 'blog.jiabin100.com')) # 不在起始位置匹配 以上实例输出结果: blog None
2、re.search函数
re.search 扫描整个字符串并返回第一个成功的匹配。
import re print(re.search('blog', 'blog.jiabin100.com').group()) # 在起始位置匹配 print(re.search('com', 'blog.jiabin100.com').group()) # 不在起始位置匹配 以上实例输出结果: blog com
注：re.match函数与re.search函数区别：re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。
3、re.sub函数：
re.sub用于替换字符串中的匹配项。
import re print(re.sub('blog','www', 'blog.jiabin100.com')) print(re.sub('com','cn', 'blog.jiabin100.com')) 以上实例输出结果: www.jiabin100.com blog.jiabin100.cn
^ 匹配字符串的开头 $ 匹配字符串的末尾。 . 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。 [...] 用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k' [^...] 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。 re* 匹配0个或多个的表达式。 re+ 匹配1个或多个的表达式。 re? 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式 re{ n} re{ n,} 精确匹配n个前面表达式。 re{ n, m} 匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式 a| b 匹配a或b (re) G匹配括号内的表达式，也表示一个组 (?imx) 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。 (?-imx) 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。 (?: re) 类似 (...), 但是不表示一个组 (?imx: re) 在括号中使用i, m, 或 x 可选标志 (?-imx: re) 在括号中不使用i, m, 或 x 可选标志 (?#...) 注释. (?= re) 前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。 (?! re) 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功 (?> re) 匹配的独立模式，省去回溯。 \w 匹配字母数字 \W 匹配非字母数字 \s 匹配任意空白字符，等价于 [\t\n\r\f]. \S 匹配任意非空字符 \d 匹配任意数字，等价于 [0-9]. \D 匹配任意非数字 \A 匹配字符串开始 \Z 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。c \z 匹配字符串结束 \G 匹配最后匹配完成的位置。 \b 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 \B 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 \n, \t, 等. 匹配一个换行符。匹配一个制表符。等 \1...\9 匹配第n个分组的子表达式。 \10 匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。
[Pp]ython 匹配 "Python" 或 "python" rub[ye] 匹配 "ruby" 或 "rube" [aeiou] 匹配中括号内的任意一个字母 [0-9] 匹配任何数字。类似于 [0123456789] [a-z] 匹配任何小写字母 [A-Z] 匹配任何大写字母 [a-zA-Z0-9] 匹配任何字母及数字 [^aeiou] 除了aeiou字母以外的所有字符 [^0-9] 匹配除了数字外的字符
. 匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。 \d 匹配一个数字字符。等价于 [0-9]。 \D 匹配一个非数字字符。等价于 [^0-9]。 \s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 \S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 \w 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。 \W 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。
4、re模块另一种使用实例：
import re x = re.compile('blog') y = x.match('blog.jiabin100.com') print(y.group()) 以上实例输出结果: blog
注：当有很多变量，都需要使用相同正则匹配时，使用此方法可以加快运算速度。
