Python运维开发之路《高阶函数》

一、列表生成式，迭代器&生成器

列表生成式

需求：data列表里有如下三个值，需要给每个值加1

 1 data = [1,2,3]
 2 list = map(lambda x:x+1,data)
 3 for i in list:
 4     print(i)
 5 ==========================
 6 data = [1,2,3]
 7 for index,i in enumerate(data):
 8     data[index] +=1
 9
10 print(data)
11 ==========================
12 列表生成式
13 data = [1,2,3]
14 data = [i+1 for i in data]
15 print(data)
16 三元运算
17 data = [1,2,3]
18 data = [i*2 if i>2 else i for i in data]
19 print(data)

生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。

在 Python 中，使用了 yield 的函数被称为生成器（generator）。

生成器要求：必须一个一个的访问，无法指定下标访问；

跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。

在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行 next()方法时从当前位置继续运行。

yield两个优点：

　　yield a
　　返回a,同时挂起当前这个函数,a返回给了通过__next__()调用当前函数的人
　　这代表通过yield就实现了函数的中断,并且保存了函数的中间执行状态

 1 import sys
 2
 3 def fibonacci(n): # 生成器函数 - 斐波那契
 4     a, b, counter = 0, 1, 0
 5     while True:
 6         if (counter > n):
 7             return
 8         yield a
 9         a, b = b, a + b
10         counter += 1
11 f = fibonacci(10) # f 是一个迭代器，由生成器返回生成
12
13 while True:
14     try:
15         print (next(f), end=" ")
16     except StopIteration:
17         sys.exit()

迭代器　

　　我们已经知道，可以直接作用于for循环的数据类型有以下几种：

　　一类是集合数据类型，如list、tuple、dict、set、str等；

　　一类是generator，包括生成器和带yield的generator function。

　　以上统称为可迭代对象(Iterable)

 1 用isinstance做测试
 2 ===========================
 3 from collections import Iterable
 4 print(isinstance([],Iterable))    #列表
 5 print(isinstance((i for i in range(10)),Iterable))    #生成器
 6 print(isinstance('lian',Iterable))    #字符串
 7 print(isinstance({'name':'lain'},Iterable))    #字典
 8
 9 返回值：
10 True
11 True
12 True
13 True

　　迭代器定义：可以迭代并且可以被next()函数调用，并不断返回下一个值的对象就称为迭代器(Iterator);生成器肯定都是迭代器，迭代器不一定就是生成器。

 1 用Iterator测试是否是迭代器
 2 ===================================
 3 from collections import Iterator
 4 print(isinstance([],Iterator))    #列表
 5 print(isinstance((i for i in range(10)),Iterator))    #生成器
 6 print(isinstance('lian',Iterator))    #字符串
 7 print(isinstance({'name':'lain'},Iterator))    #字典
 8
 9 运行结果：
10 False
11 True
12 False
13 False

　　以上结果可以看出，生成器都是迭代器（Iterator）对象，但是list、dict、str虽然都是可迭代对象(Iterable)，却不是迭代器（Iterator）

　　把lsit、dic、str等可迭代对象（Iterable）变成迭代器（Iterator）,可以用iter()函数：

 1 通过iter函数将可迭代对象变成迭代器
 2 ======================================
 3 rom collections import Iterator
 4 print(isinstance(iter([]),Iterator))    #列表
 5 print(isinstance((i for i in range(10)),Iterator))    #生成器
 6 print(isinstance(iter('lian'),Iterator))    #字符串
 7 print(isinstance(iter({'name':'lain'}),Iterator))    #字典
 8 执行结果：
 9 True
10 True
11 True
12 True

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。

为什么list、dict、str等数据类型不是Iterator？

二、装饰器

　　装饰器定义：装饰器是函数，只不过该函数可以具有特殊的含义，装饰器用来装饰函数或类，使用装饰器可以在函数执行前和执行后添加相应操作

　　完全符合程序开发中，开放-封闭原则；不改变原有代码功能，不改变原有调用方式实现新功能的扩张。

 1 user_status = False
 2 def login(fund):
 3
 4     def inner():
 5         user = 'lain'
 6         pwd = '123@qwe'
 7         global user_status
 8
 9         if user_status == False:
10             username = input('USER:')
11             passwd = input('PASSWORD:')
12
13             if username == user and passwd == pwd:
14                 print('登录成功')
15                 user_status = True
16             else:
17                 print('账号密码错误！')
18
19         if user_status == True:
20             fund()
21     return inner
22
23 def home():
24     print('-------商城首页------')
25
26 @login    #语法糖
27 def numerical():
28     print('-----电子数码-----')
29
30 @login
31 def food():
32     print('-----食品生鲜-----')
33
34 @login
35 def department():
36     print('-----百货商品')
37
38 home = login(home)     #装饰器
39 home()
40 numerical()
41 food()
42 department()    

装饰器详细资料：http://www.cnblogs.com/rhcad/archive/2011/12/21/2295507.html

三、软件目录结构规范

1.目录组织方式

关于如何组织一个较好的Python工程目录结构，已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上，能看到大家对Python目录结构的讨论。

这里面说的已经很好了，我也不打算重新造轮子列举各种不同的方式，这里面我说一下我的理解和体会。

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
|   |-- 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。

2.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。

3.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。

4.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。