day4(老男孩-Python3.5-S14期全栈开发)

作者：赵俊            发布日期：2020/08/25

三、装饰器详解

　　定义： 装饰器本质是函数，用来装饰其他函数（为其他函数添加新功能）

　　原则：不能修改被装饰函数的源代码 

　　           不能修改被装饰函数的调用方式

四、装饰器应用详解

 　　实现装饰器知识储备

　　　　1、函数即“变量”

　　　　2、高阶函数

　　　　3、嵌套函数

　　高阶函数 + 嵌套函数 = 装饰器

　　

 1 import time
 2 
 3 
 4 def timmer(func):  # 要接收被装饰函数的内存地址
 5     def warpper(*args, **kwargs):  # 定义新功能
 6         start_time = time.time()
 7         func()
 8         stop_time = time.time()
 9         print("the func run time is %s" % (stop_time-start_time))
10     return warpper  # 新定义的函数回调给源函数，利用源函数的调用来执行
11 
12 
13 @timmer     # 将被装饰函数传递给装饰器，装饰器返回值赋值给被装饰函数
14 def test():
15     time.sleep(3)
16     print("ss")
17 
18 
19 print(test())

五、装饰器之函数即变量

 　　函数先定义后调用

　　 匿名函数：

　　　　　　calc = lambda x : x*3

　　　　　　print(calc(3))

六、装饰器之高阶函数

 　　高阶函数：

　　　　　　　把一个函数名当做实参传递给另一个函数（在不修改被装饰函数源代码的情况下为其添加新功能）

　　　　　　　返回值中包含函数名（不修改函数的调用方式）

七、装饰器之嵌套函数

 　　函数的嵌套：

　　　　在一个函数里用def声明另一个函数

八、装饰器之案例剖析1

 　　

九、装饰器之案例剖析2

 　　带参数传递的装饰器

 1 import time
 2 
 3 
 4 def timmer(func):  # 要接收被装饰函数的内存地址
 5     def warpper(*args, **kwargs):  # 定义新功能
 6         start_time = time.time()
 7         func(*args, **kwargs)
 8         stop_time = time.time()
 9         print("the func run time is %s" % (stop_time-start_time))
10     return warpper  # 新定义的函数回调给源函数，利用源函数的调用来执行
11 
12 
13 @timmer     # 将被装饰函数传递给装饰器，装饰器返回值赋值给被装饰函数
14 def test(name):
15     time.sleep(3)
16     print(name)
17 
18 
19 test("hello")

 

十、装饰器之高潮讲解

 　　之前的装饰器会改变被装饰函数的返回结果，不是很完善，不过可以应付90%的场景

　　test有返回值123，被装饰后返回值为none

 1 import time
 2 
 3 
 4 def timmer(func):  # 要接收被装饰函数的内存地址
 5     def warpper(*args, **kwargs):  # 定义新功能
 6         start_time = time.time()
 7         func(*args, **kwargs)
 8         stop_time = time.time()
 9         print("the func run time is %s" % (stop_time-start_time))
10     return warpper  # 新定义的函数回调给源函数，利用源函数的调用来执行
11 
12 
13 @timmer     # 将被装饰函数传递给装饰器，装饰器返回值赋值给被装饰函数
14 def test(name):
15     time.sleep(3)
16     print(name)
17     return 123
18 
19 
20 print(test("hello"))

　　

　　不改变源函数返回值的做法

 1 import time
 2 
 3 
 4 def timmer(func):  # 要接收被装饰函数的内存地址
 5     def warpper(*args, **kwargs):  # 定义新功能
 6         start_time = time.time()
 7         res = func(*args, **kwargs) # ---------修改的部分，可以不改变源函数返回值
 8         stop_time = time.time()
 9         print("the func run time is %s" % (stop_time-start_time))
10         return res # ----------修改的部分，可以不改变源函数返回值
11     return warpper  # 新定义的函数回调给源函数，利用源函数的调用来执行
12 
13 
14 @timmer     # 将被装饰函数传递给装饰器，装饰器返回值赋值给被装饰函数
15 def test(name):
16     time.sleep(3)
17     print(name)
18     return 123
19 
20 
21 print(test("hello"))

　　装饰器写三层，修饰时传递参数。可以解决一个装饰器根据参数传递的不同来有选择的执行结果

十一、迭代器与生成器1

 　　列表生成式：[i*2 for i in rang(6)]

　　　　结果:[0,2,4,6,8,10]

　　列表生成式创建的列表受内存限制，列表大小有限，在python中有种一边循环一边计算的机制，称为生成器

　　创建一个generator，有很多方法，第一种方法是把列表生成式的[]改成()就可以

　　如要一个个打印出来，我们可以使用__next__()函数(注意在3.0是两个下划线，2.7没有下划线)获得generator的下一个返回值，不支持a[1]和len(a)方式

　　斐波那契：

　　

1 def fib(max):
2     n,a,b = 0,0,1
3     while n<max:
4         print(b)
5         a,b = b,a+b
6         n = n + 1
7     return "done"
8 
9 fib(100)

　　　　a, b = b, a+b 相当于

　　　　　　t = (b, a+b)     t是元祖

　　　　　　a = t[0]

　　　　　　b = t[1]

变成生成器只有一步之遥，把函数里的print(b)换成yield b

 

 1 def fib(max):
 2     n, a, b = 0, 0, 1
 3     while n < max:
 4         #print(b)
 5         yield b
 6         a, b = b, a+b
 7         n = n+1
 8     return "hello"
 9 
10 
11 f = fib(100)
12 print(f.__next__())
13 print(f.__next__())
14 print(f.__next__())

 

yield相当于定时器中断

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中

 

 1 g = fib(6)
 2 while True:
 3      try:
 4          x = next(g)
 5          print('g:', x)
 6      except StopIteration as e:
 7          print('Generator return value:', e.value)
 8          break
 9 
10 g: 1
11 g: 1
12 g: 2
13 g: 3
14 g: 5
15 g: 8
16 Generator return value: done

 

疑难杂症记录

　　1、配置解释器时，无法保存，配置解释器窗口的show all里，将里面的重名的删除即可

　　2、调试时无法调试，提示Connection to Python debugger failed Interrupted function call: accept failed

　　　  是由于有个别文件有问题，拷贝到其他文件夹里不要放在工程根目录就可以（最终发现该文件名称为string.py,更改文件名也可以解决）

 

十二、迭代器与生成器2

 　

 1 import time
 2 
 3 
 4 def consumer(name):
 5     while True:
 6         baozi = yield
 7         print("%s开始吃第%s个包子了" % (name, baozi+1))
 8 
 9 
10 def producer(name):
11         c = consumer("猪八戒")
12         c1 = consumer("白骨精")
13         c.__next__()
14         c1.__next__()
15         for i in range(10):
16             time.sleep(3)
17             print("------------------------")
18             print("%s开始生产包子了" % name)
19             c.send(i)
20             c1.send(i)
21 
22 
23 producer("阿里巴巴")

send在获取下一个值得效果和next的基本一致，这是send获取时给上一个yield传递一个数据

使用send注意事项

　　1、第一轮循环不能用send，只能用next，因为第一次send找不到上一个yield值，如果要使用必须传递一个none参数

　　

十三、迭代器与生成器并行

可以作用于for循环的对象，list，tuple，dict，set，str，generater（包括生成器和带yield的函数） 　　

可直接作用于for循环的对象，叫做可迭代对象Iterable

 

可以使用isinstance()判断一个对象是否是Iterable对象，使用时需要提前导入from collections import Iterable

 

*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

 

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：

 

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。

十四、内置方法详解1

 内置参数详解   https://docs.python.org/3/library/functions.html?highlight=built#ascii

十五、内置方法详解2

 内置参数详解   https://docs.python.org/3/library/functions.html?highlight=built#ascii

十六、Json与pickle数据序列化

用于序列化的两个模块

  • json，用于字符串 和 python数据类型间进行转换
  • pickle，用于python特有的类型 和 python的数据类型间进行转换

Json模块提供了四个功能：dumps、dump、loads、load

pickle模块提供了四个功能：dumps、dump、loads、load

json不能序列化内存地址，pickle可以，但是序列化内存地址后，在反序列化后内存中没有了那个内存地址

十七、软件目录结构规范

目录组织方式

假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:

Foo/
|-- bin/
|   |-- foo
|
|-- foo/
|   |-- tests/
|   |   |-- __init__.py   
|   |   |-- test_main.py
|   |
|   |-- __init__.py    在创建包时自己创建
|   |-- main.py
|
|-- docs/
|   |-- conf.py
|   |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README

简要解释一下:

  1. bin/: 存放项目的一些可执行文件，当然你可以起名script/之类的也行。
  2. foo/: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/存放单元测试代码； (3) 程序的入口最好命名为main.py。
  3. docs/: 存放一些文档。
  4. setup.py: 安装、部署、打包的脚本。
  5. requirements.txt: 存放软件依赖的外部Python包列表。
  6. README: 项目说明文件。

除此之外，有一些方案给出了更加多的内容。比如LICENSE.txt,ChangeLog.txt文件等，我没有列在这里，因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件，目录该如何组织，可以参考这篇文章。

下面，再简单讲一下我对这些目录的理解和个人要求吧。

关于README的内容

这个我觉得是每个项目都应该有的一个文件，目的是能简要描述该项目的信息，让读者快速了解这个项目。

它需要说明以下几个事项:

  1. 软件定位，软件的基本功能。
  2. 运行代码的方法: 安装环境、启动命令等。
  3. 简要的使用说明。
  4. 代码目录结构说明，更详细点可以说明软件的基本原理。
  5. 常见问题说明。

我觉得有以上几点是比较好的一个README。在软件开发初期，由于开发过程中以上内容可能不明确或者发生变化，并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候，是需要撰写这样的一个文档的。

可以参考Redis源码中Readme的写法，这里面简洁但是清晰的描述了Redis功能和源码结构。

关于requirements.txt和setup.py

setup.py

一般来说，用setup.py来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题，而是说，一个项目一定要有一个安装部署工具，能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。

这个我是踩过坑的。

我刚开始接触Python写项目的时候，安装环境、部署代码、运行程序这个过程全是手动完成，遇到过以下问题:

  1. 安装环境时经常忘了最近又添加了一个新的Python包，结果一到线上运行，程序就出错了。
  2. Python包的版本依赖问题，有时候我们程序中使用的是一个版本的Python包，但是官方的已经是最新的包了，通过手动安装就可能装错了。
  3. 如果依赖的包很多的话，一个一个安装这些依赖是很费时的事情。
  4. 新同学开始写项目的时候，将程序跑起来非常麻烦，因为可能经常忘了要怎么安装各种依赖。

setup.py可以将这些事情自动化起来，提高效率、减少出错的概率。"复杂的东西自动化，能自动化的东西一定要自动化。"是一个非常好的习惯。

setuptools的文档比较庞大，刚接触的话，可能不太好找到切入点。学习技术的方式就是看他人是怎么用的，可以参考一下Python的一个Web框架，flask是如何写的: setup.py

当然，简单点自己写个安装脚本（deploy.sh）替代setup.py也未尝不可。

requirements.txt

这个文件存在的目的是:

  1. 方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中，避免在setup.py安装依赖时漏掉软件包。
  2. 方便读者明确项目使用了哪些Python包。

这个文件的格式是每一行包含一个包依赖的说明，通常是flask>=0.10这种格式，要求是这个格式能被pip识别，这样就可以简单的通过 pip install -r requirements.txt来把所有Python包依赖都装好了。具体格式说明： 点这里。

 

关于配置文件的使用方法

注意，在上面的目录结构中，没有将conf.py放在源码目录下，而是放在docs/目录下。

很多项目对配置文件的使用做法是:

  1. 配置文件写在一个或多个python文件中，比如此处的conf.py。
  2. 项目中哪个模块用到这个配置文件就直接通过import conf这种形式来在代码中使用配置。

这种做法我不太赞同:

  1. 这让单元测试变得困难（因为模块内部依赖了外部配置）
  2. 另一方面配置文件作为用户控制程序的接口，应当可以由用户自由指定该文件的路径。
  3. 程序组件可复用性太差，因为这种贯穿所有模块的代码硬编码方式，使得大部分模块都依赖conf.py这个文件。

所以，我认为配置的使用，更好的方式是，

  1. 模块的配置都是可以灵活配置的，不受外部配置文件的影响。
  2. 程序的配置也是可以灵活控制的。

能够佐证这个思想的是，用过nginx和mysql的同学都知道，nginx、mysql这些程序都可以自由的指定用户配置。

所以，不应当在代码中直接import conf来使用配置文件。上面目录结构中的conf.py，是给出的一个配置样例，不是在写死在程序中直接引用的配置文件。可以通过给main.py启动参数指定配置路径的方式来让程序读取配置内容。当然，这里的conf.py你可以换个类似的名字，比如settings.py。或者你也可以使用其他格式的内容来编写配置文件，比如settings.yaml之类的

调用其他目录文件的方法
1 import os
2 import sys
3 
4 print(__file__)  # 打印文件执行的相对路径
5 print(os.path.dirname(__file__)) # 往上退一个目录
6 print(os.path.dirname(os.path.dirname(__file__)))
7 BASE_DIR = os.path.dirname(os.path.dirname(__file__))
8 sys.path.append(BASE_DIR) #加入系统环境变量
9 from core import main

十八、本周作业

 免费在线作图网页https://www.processon.com/

 参考部分代码https://github.com/triaquae/py3_training/tree/master/atm

作业需求：

模拟实现一个ATM + 购物商城程序

  1. 额度 15000或自定义
  2. 实现购物商城，买东西加入 购物车，调用信用卡接口结账
  3. 可以提现，手续费5%
  4. 每月22号出账单，每月10号为还款日，过期未还，按欠款总额 万分之5 每日计息
  5. 支持多账户登录
  6. 支持账户间转账
  7. 记录每月日常消费流水
  8. 提供还款接口
  9. ATM记录操作日志 
  10. 提供管理接口，包括添加账户、用户额度，冻结账户等。。。
  11. 用户认证用装饰器

简易流程图

　　

 

 

 

posted @ 2020-08-25 14:16  daban2009  阅读(221)  评论(0)  编辑  收藏  举报