python的装饰器，迭代器用法

装饰器、

装饰器实际就是一个函数

定义：在不改变内部代码和调用方式的基础上增加新的功能

了解装饰器需要了解3个内容：

1、函数即变量

2、高阶函数

　　1）、把一个函数名当作实参传给另一个函数

　　2）、返回值中包含函数名

例1：

def test():　　#定义函数test
    print('this is test func') 　　#打印（下方没有调用，所以不打印）

def deco(func):　　#定义函数deco，赋个形参（=test）
    print('this is deco')　　#打印
    func()　　#调用test函数
    return func　　#返回值
res = deco(test)　　#调用test的内存地址
print(res)　　#打印test内存地址

运行结果：

例2：

import time
def test():
    time.sleep(3)    #睡3秒，期间不占内存
    print('this is test func')

def deco(func):    #func = test
    start_time = time.time()    #开始执行的时间戳
    func()       #test()
    end_time = time.time()    #结束执行的时间戳
    print('this is run %s' % (end_time-start_time))    #执行所用的时间
    return func     #把test的内存地址返回给函数

res = deco(test)
print(res)

运行结果：

3、嵌套函数

嵌套函数，调用时需要，一层一层的调用

def test():
    def deco():
        print('this is test')
    deco()
test()

运行结果：

装饰器练习

 例1：普通装饰器

给下面的函数添加新功能

def test():
    print('this is test')
test()

需要定义一个新函数进行添加

def deco(func):     #形参
    def wrapper():
        func()
        print('新功能')　　#用打印代替新功能
    return wrapper

原函数调用新函数

def test():
    print('this is test')
result = deco(test)  #定义变量接收repper的内存地址
result()

为了不使原函数的调用方式更改，将变量result 换成 test接收

def test():
    print('this is test')
test = deco(test)
test()

为了不更改原函数代码，用@放在原函数前，来代替函数中的“rest = drco(test)”

def deco(func):
    def wrapper():
        func()
        print('新功能')
    return wrapper

@deco
def test():
    print('this is test')
test()

运行结果：

例2：带参数的装饰器

如果原函数带传参数的情况

def test(name):
    print('my name is %s '% name)
test('aaa')

那么添加新功能时，需要添加参数

def deco(func):
    def wrapper(name):     #传参数
        func(name)     #传参数
        print('新功能')　
    return wrapper

如果原函数参数很多

def test(name, age, job):
    print('my name is %s, my age is %s, my job is %s'% (name, age, job))
test('aaa', 18, 'IT')

那么我们添加功能的函数时也要添加所有的参数

def deco(func):
    def wrapper(name, age, job):     #传参数
        func(name, age, job)     #传参数
        print('新功能')　
    return wrapper

因为比较麻烦所以传参数的快捷方式，不用考虑参数个数

def deco(func):
    def wrapper(*args, **kwargs):
        func(*args, **kwargs)
        print('新功能')
    return wrapper
@deco
def test(name, age, job):
    print('my name is %s, my age is %s, my job is %s'% (name, age, job))
test('aaa', 18, 'IT')

运行结果：

迭代器、迭代的工具

什么是迭代：指的是一个重复的过程，每一次重复称为一次迭代，并且每一次重复的结果是下一次重复的初始值

while True:
    print('hello world')

上面这种方式只有重复，结果并不是下一次的初始，所以不是迭代

例：不用for循环，用while循环将下边几种数据类型逐个取出

字符串：s = 'helloworld'

列表：l = ['a','b','c','d','e']

元组：t = ('a','b','c','d','e')

字典：dict1 = {'name' : 'aaa', 'age' : 18, 'job' : 'IT'}

集合：set1 = {'a','b','c','d','e'}

文件：f = open('a.txt', 'w', encoding='utf-8')

整数：12345 （不能迭代）

1 = 0
while 1 < len(set1):
    print(set1[i])
    i += 1

如果经过上边的循环进行测试会发现：

对于序列类型的字符串，列表，元组可以依赖于索引来迭代取值，

但是字典，集合，文件却不行，所以，python必须为我们提供一种不依赖于索引取值的方法，就是迭代器

可迭代对象

判断是否是可迭代对象

可以在pycharm软件中试验，如果有"xx.__iter__"这种用法那么就是能变成可迭代对象

加"xx.__iter__"就是把一个对象变成可迭代对象"xx.__iter__" 可以简写成 "iter(xx)"

迭代器对象

有"xx.__iter__"和"xx__next__"这两种方法的就是迭代器对象

print(f is f.__iter__())  #f是上边的文件类型

运行结果：由此看出，文件类型本身就是可迭代对象

 next方式取值

dict1 = {'name' : 'aaa', 'age' : 18, 'job' : 'IT'}
d_items = dict1.__iter__()
res = d_items.__next__()
res1 = d_items.__next__()
res2 = d_items.__next__()
print(res)

可以调取 res，res1，res2，分别是三个key然后就可以根据key的来调取值了，"xx.__next__()" 可以简写成 "next()"

但是它每取一个值要多一条代码，只能一个一个取，迭代器优点：同一时间在内存里只有一个值，节省内存空间

若想一起取，所以我们要采用while方式

dict1 = {'name' : 'aaa', 'age' : 18, 'job' : 'IT'}
d_items = dict1.__iter__()
while True:
    res = d_items.__next__()
    print(res)

因为系统会停止迭代报错

运行结果：

异常处理：try....except +错误

dict1 = {'name' : 'aaa', 'age' : 18, 'job' : 'IT'}
d_items = dict1.__iter__()
while True:
    try:
        res = d_items.__next__()
        print(res)
    except StopIteration:
        break

运行结果：，这样就可以取值了，

通过以上的步骤，我们知道了取值的原理及过程，这个原理同样也是for循环的原理

dict1 = {'name' : 'aaa', 'age' : 18, 'job' : 'IT'}
for i in dict1:     #相当于dict1.__iter__()，即变成可迭代对象
    print(i)

运行结果：

总结

可迭代对象不一定是迭代器对象

迭代器对象一定是可迭代对象