day14

 

# 1.带参装饰器 | wrapper 了了解

# 2.迭代器 *****

# 可迭代对象
# 迭代器对象
# for迭代器
# 枚举对象

# 递归 ***

```

 

## 带参装饰器

```python
# 通常,装饰器为被装饰的函数添加新功能,需要外界的参数
# -- outer参数固定一个,就是func
# -- inner参数固定同被装饰的函数,也不能添加新参数
# -- 可以借助函数的嵌套定义,外层给内层传参

def wrap(info):
def outer(func):
# info = 0
def inner(*args, **kwargs):
print('新:拓展的新功能,可能也需要外界的参数%s' % info)
res = func(*args, **kwargs)
return res
return inner
return outer

@wrap('外部参数')
def fn(): pass

 

# 系统的wraps带参装饰器:改变inner的假指向,本质外界使用的还是inner,但是打印显示的是wraps中的函数
from functools import wraps
def outer(func):
@wraps(func)
def inner(*args, **kwargs):

res = func(*args, **kwargs)
return res
return inner

@outer
def fn(): pass

```

 

## 迭代器

```python
# 迭代器对象: 可以不用依赖索引取值的容器
# 可迭代对象:可以通过某种方法得到迭代器对象

# 迭代器优点:可以不用依赖索引取值
# 迭代器缺点:只能从前往后依次取值

```

 

## 可迭代对象

```python
# 可迭代对象:有__iter__()方法的对象是可迭代对象,可迭代对象调用__iter__()得到迭代器对象

ls = [4, 1, 5, 2, 3]
res = ls.__iter__() # => 可迭代对象
print(res) # <list_iterator object at 0x000002732B0C7470>

# 可迭代对象有哪些:

```

 

## 迭代器对象

```python
# 迭代器对象:有__next__()方法的对象是迭代器对象,迭代器对象依赖__next__()方法进行取值

with open('1.txt', 'rb') as f:
res = f.__next__() # 文件中的第一行内容
print(res)
res = f.__next__() # 文件中的第二行内容
print(res)

# 迭代器对象有哪些:
```

 

## for循环迭代器

```python
# 直接用while True循环在迭代器对象中通过 __next__() 取值,终究会有取空的时候,取空再取值,报StopIteration异常
ls = [3, 1, 2, 3, 5]
iterator = ls.__iter__()
while True:
try:
print(iterator.__next__())
except StopIteration:
# print('取空了')
break

# for循环就是对while取迭代器对象的封装
for v in ls:
print(v)

for v in ls.__iter__(): # 可迭代对象.__iter__() => 迭代器对象
print(v)

iterator = ls.__iter__()
for v in iterator: # 迭代器对象.__iter__() => 自身
print(v)


# for循环迭代器的工作原理:
# for v in obj: pass
# 1)获取obj.__iter__()的结果,就是得到要操作的 迭代器对象
# 2)迭代器对象通过__next__()方法进行取值,依次将当前循环的取值结果赋值给v
# 3)当取值抛异常,自动处理StopIteration异常结束取值循环
```

 

## 枚举对象

```python
# 给可迭代器对象及迭代器对象添加迭代索引
s = 'abc'
for v in enumerate(s):
print(v) # (0 'a') | (1 'b') | (2 'c')
```

 

 

## 生成器

```python
# 生成器:自定义的迭代器对象
# -- 就是用函数语法来声明生成器,用yield关键字取代return关键字来返回值,参数没有多少变化

# 总结:有yield关键字的函数,函数名() 不是调用函数,而是生成得到 生成器对象,生成器对象就是迭代器对象,可以通过 __next__() 进行取值

# 执行流程:
def fn():
yield 1
yield 3
yield 5
obj = fn()
obj.__next__() # 从开始往下执行,遇到第一个yield停止,拿到yield的返回值
obj.__next__() # 从上一次停止的yield往下执行,在再遇到的yield时停止,拿到当前停止的yield的返回值
# ... # 以此类推,直到无法获得下一个yield,抛StopIteration异常

# 可以直接被for循环遍历
for v in fn():
print v

```

```python
# 案例一:创建生成器,从其取值,依次得到1! 2! 3! ...
def jiecheng():
ji = 1
count = 1
while True:
ji *= count
yield ji
count += 1

obj = jiecheng()
print(obj.__next__())
print(obj.__next__())
print(obj.__next__()) # 可以无限取


# 案例二:
def jiecheng_num(num):
ji = 1
for i in range(1, num + 1):
ji *= i
yield ji
# ...

obj = jiecheng_num(3)
print(obj.__next__())
print(obj.__next__())
print(obj.__next__())
print(obj.__next__()) # 有异常了


for v in jiecheng_num(5):
print(v) # 会自动处理异常停止


# 案例三:
def my_range(num): # => [0, 1, 2, ..., num - 1]
count = 0
while count < num:
yield count
count += 1

for v in my_range(10):
print(v, end=' ')

print(list(my_range(10)))


```

 

posted @ 2019-04-29 22:28  轩辕12  阅读(110)  评论(0编辑  收藏  举报