python 自动化之路 day 05

内容目录：

1. 列表生成式、迭代器&生成器
2. 装饰器
3. 软件目录结构规范
4. 模块初始
5. 常用模块

1.列表生成式，迭代器&生成器

列表生成式

需求：列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],要求把列表里的每个值加1

你可能会想到2种方式 ：

 >>> a
 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
 >>> b = []
 >>> for i in a:b.append(i+1)
 ...
 >>> b
 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
 >>> a = b
 >>> a
 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

法 1

 >>> a
 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
 >>> a = map(lambda x:x+1, a)
 >>> a
 <map object at 0x101d2c630>
 >>> for i in a:print(i)
 ...
 3
 5
 7
 9
 11

法 2

其实还有一种写法，如下

 >>> a = [i+1 for i in range(10)]
 >>> a
 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

装逼版

这就叫做列表生成

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。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

1 2 3 4 5 6

>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？

如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

>>> next(g) 0 >>> next(g) 1 >>> next(g) 4 >>> next(g) 9 >>> next(g) 16 >>> next(g) 25 >>> next(g) 36 >>> next(g) 49 >>> next(g) 64 >>> next(g) 81 >>> next(g) Traceback (most recent call last):   File "<stdin>", line 1, in <module> StopIteration

我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：

1 2 3 4 5 6 7 8 9 10 11 12 13 14

>>> g = (x * x for x in range(10)) >>> for n in g: ...     print(n) ... 0 1 4 9 16 25 36 49 64 81

所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

1 2 3 4 5 6 7

def fib(max):     n, a, b = 0, 0, 1     while n < max:         print(b)         a, b = b, a + b         n = n + 1     return 'done'

注意，赋值语句：

1	a, b = b, a + b

相当于：

1 2 3

t = (b, a + b) # t是一个tuple a = t[0] b = t[1]

但不必显式写出临时变量t就可以赋值。

上面的函数可以输出斐波那契数列的前N个数：

1 2 3 4 5 6 7 8 9 10 11 12

>>> fib(10) 1 1 2 3 5 8 13 21 34 55 done

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

def fib(max):
    n,a,b = 0,0,1

    while n < max:
        #print(b)
        yield  b
        a,b = b,a+b

        n += 1

    return 'done' 

这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

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。

data = fib(10)
print(data)

print(data.__next__())
print(data.__next__())
print("干点别的事")
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())

#输出
<generator object fib at 0x101be02b0>
1
1
干点别的事
2
3
5
8
13

在上面fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8

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 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

>>> g = fib(6) >>> while True: ...     try: ...         x = next(g) ...         print('g:', x) ...     except StopIteration as e: ...         print('Generator return value:', e.value) ...         break ... g: 1 g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done

关于如何捕获错误，后面的错误处理还会详细讲解。

还可通过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(10):
         time.sleep(1)
         print("做了2个包子!")
         c.send(i)
         c2.send(i)

 producer("alex")

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。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象：

1 2 3 4 5 6 7 8 9 10 11

>>> from collections import Iterable >>> isinstance([], Iterable) True >>> isinstance({}, Iterable) True >>> isinstance('abc', Iterable) True >>> isinstance((x for x in range(10)), Iterable) True >>> isinstance(100, Iterable) False

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

*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。

可以使用isinstance()判断一个对象是否是Iterator对象：

1 2 3 4 5 6 7 8 9

>>> from collections import Iterator >>> isinstance((x for x in range(10)), Iterator) True >>> isinstance([], Iterator) False >>> isinstance({}, Iterator) False >>> isinstance('abc', Iterator) False

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：

1 2 3 4

>>> isinstance(iter([]), Iterator) True >>> isinstance(iter('abc'), Iterator) 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。

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

1 2	for x in [1, 2, 3, 4, 5]:     pass

实际上完全等价于：

 # 首先获得Iterator对象:
 it = iter([1, 2, 3, 4, 5])
 # 循环:
 while True:
     try:
         # 获得下一个值:
         x = next(it)
     except StopIteration:
         # 遇到StopIteration就退出循环
         break

2.装饰器

你是一家视频网站的后端开发工程师，你们网站有以下几个版块

1 2 3 4 5 6 7 8 9 10 11

def home():     print("---首页----")   def america():     print("----动作专区----")   def japan():     print("----武侠专区----")   def henan():     print("----魔幻专区----")

视频刚上线初期，为了吸引用户，你们采取了免费政策，所有视频免费观看，迅速吸引了一大批用户，免费一段时间后，每天巨大的带宽费用公司承受不了了，所以准备对比较受欢迎的几个版块收费，你拿到这个需求后，想了想，想收费得先让其进行用户认证，认证通过后，再判定这个用户是否是VIP付费会员就可以了，是VIP就让看，不是VIP就不让看就行了呗。 你觉得这个需求很是简单，因为要对多个版块进行认证，那应该把认证功能提取出来单独写个模块，然后每个版块里调用 就可以了，与是轻轻的就实现了下面的功能 。

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 30 31 32 33 34 35 36 37 38 39 40 41

#_*_coding:utf-8_*_     user_status = False #用户登录了就把这个改成True   def login():     _username = "alex" #假装这是DB里存的用户信息     _password = "abc!23" #假装这是DB里存的用户信息     global user_status       if user_status == False:         username = input("user:")         password = input("pasword:")           if username == _username and password == _password:             print("welcome login....")             user_status = True         else:             print("wrong username or password!")     else:         print("用户已登录，验证通过...")   def home():     print("---首页----")   def america():     login() #执行前加上验证     print("----欧美专区----")   def japan():     print("----日韩专区----")   def henan():     login() #执行前加上验证     print("----河南专区----")       home() america() henan()

此时你信心满满的把这个代码提交给你的TEAM LEADER审核，没成想，没过5分钟，代码就被打回来了， TEAM LEADER给你反馈是，我现在有很多模块需要加认证模块，你的代码虽然实现了功能，但是需要更改需要加认证的各个模块的代码，这直接违反了软件开发中的一个原则“开放-封闭”原则，简单来说，它规定已经实现的功能代码不允许被修改，但可以被扩展，即：

• 封闭：已实现的功能代码块
• 开放：对扩展开发

这个原则你还是第一次听说，我擦，再次感受了自己这个野生程序员与正规军的差距，BUT ANYWAY,老大要求的这个怎么实现呢？如何在不改原有功能代码的情况下加上认证功能呢？

高阶函数，就是把一个函数当做一个参数传给另外一个函数，我只需要写个认证方法，每次调用 需要验证的功能 时，直接 把这个功能 的函数名当做一个参数 传给 我的验证模块不就行了么

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 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44

#_*_coding:utf-8_*_     user_status = False #用户登录了就把这个改成True   def login(func): #把要执行的模块从这里传进来     _username = "alex" #假装这是DB里存的用户信息     _password = "abc!23" #假装这是DB里存的用户信息     global user_status       if user_status == False:         username = input("user:")         password = input("pasword:")           if username == _username and password == _password:             print("welcome login....")             user_status = True         else:             print("wrong username or password!")       if user_status == True:         func() # 看这里看这里，只要验证通过了，就调用相应功能   def home():     print("---首页----")   def america():     #login() #执行前加上验证     print("----欧美专区----")   def japan():     print("----日韩专区----")   def henan():     #login() #执行前加上验证     print("----河南专区----")       home() login(america) #需要验证就调用 login，把需要验证的功能 当做一个参数传给login # home() # america() login(henan)

你很开心，终于实现了老板的要求，不改变原功能代码的前提下，给功能加上了验证

你改变了调用方式呀， 想一想，现在没每个需要认证的模块，都必须调用你的login()方法，并把自己的函数名传给你，人家之前可不是这么调用 的， 试想，如果 有100个模块需要认证，那这100个模块都得更改调用方式，这么多模块肯定不止是一个人写的，让每个人再去修改调用方式 才能加上认证

但问题是，如何即不改变原功能代码，又不改变原有调用方式，还能加上认证呢？

学过匿名函数没有？

1 2 3 4

def plus(n):     return n+1   plus2 = lambda x:x+1

上面这两种写法是不是代表 同样的意思？

我给lambda x:x+1 起了个名字叫plus2，是不是相当于def plus2(x) ?

给函数赋值变量名就像def func_name　是一样的效果，如下面的plus(n)函数，你调用时可以用plus名，还可以再起个其它名字，如

1 2 3

calc = plus   calc(n)

之前写的下面这段调用 认证的代码

1 2 3 4 5

home() login(america) #需要验证就调用 login，把需要验证的功能 当做一个参数传给login # home() # america() login(henan)

你之所改变了调用方式，是因为用户每次调用时需要执行login(henan)，类似的。其实稍一改就可以了呀

1 2 3

home() america = login(america) henan = login(henan)

这样你，其它人调用henan时，其实相当于调用了login(henan), 通过login里的验证后，就会自动调用henan功能。

那用户调用时，应该是下面这个样子

1 2 3 4 5 6

home() america = login(america) #你在这里相当于把america这个函数替换了 henan = login(henan)   #那用户调用时依然写 america()

但问题在于，还不等用户调用 ，你的america = login(america)就会先自己把america执行了

想实现一开始你写的america = login(america)不触发你函数的执行，只需要在这个login里面再定义一层函数，第一次调用america = login(america)只调用到外层login，这个login虽然会执行，但不会触发认证了，因为认证的所有代码被封装在login里层的新定义 的函数里了，login只返回 里层函数的函数名，这样下次再执行america()时， 就会调用里层函数啦。。。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

def login(func): #把要执行的模块从这里传进来       def inner():#再定义一层函数         _username = "alex" #假装这是DB里存的用户信息         _password = "abc!23" #假装这是DB里存的用户信息         global user_status           if user_status == False:             username = input("user:")             password = input("pasword:")               if username == _username and password == _password:                 print("welcome login....")                 user_status = True             else:                 print("wrong username or password!")           if user_status == True:             func() # 看这里看这里，只要验证通过了，就调用相应功能       return inner #用户调用login时，只会返回inner的内存地址，下次再调用时加上()才会执行inner函数

这是开发中一个常用的玩法，叫语法糖，官方名称“装饰器”，其实上面的写法，还可以更简单

可以把下面代码去掉

1	america = login(america) #你在这里相当于把america这个函数替换了

只在你要装饰的函数上面加上下面代码

1 2 3 4 5 6 7 8 9 10 11 12

@login def america():     #login() #执行前加上验证     print("----欧美专区----")   def japan():     print("----日韩专区----")   @login def henan():     #login() #执行前加上验证     print("----河南专区----")

效果是一样的。

给你的“河南专区”版块 加了个参数，然后，结果 出错了。

怎么传个参数就不行了呢？

你调用henan时，其实是相当于调用的login，你的henan第一次调用时henan = login(henan)， login就返回了inner的内存地址，第2次用户自己调用henan("3p"),实际上相当于调用的时inner,但你的inner定义时并没有设置参数，但你给他传了个参数，所以自然就报错了

最终，你终于搞定了所有需求，完全遵循开放-封闭原则，最终代码如下 。

第二2天早上，产品经理又提了新的需求，要允许用户选择用qq\weibo\weixin认证，此时的你，已深谙装饰器各种装逼技巧，轻松的就实现了新的需求。

 user_status = False
 def login(authtype):
     def outer(func):
         def inter():
             if authtype == 'qq':
                 _username = 'yang'
                 _password = 'abc123'
                 global  user_status

                 if user_status == False:
                     username = input("username: ")
                     password = input("password: ")

                     if username == _username and password == _password:
                         print("欢迎你，尊敬的VIP 。 ")
                         user_status = True
                     else:
                         print("用户名或密码错误。 ")
                 if user_status == True:
                     func()
             else:
                 print("仅支持QQ。  ")
         return  inter
     return outer
 def home():
     print("---首页---")
 @login('qq')
 def amercia():
     print("---欧美专区---")

 def japan():
     print("---日韩专区---")
 @login('weixin')
 def henan():
     print("---河南专区---")

 home()
 amercia()
 japan()
 henan()

3. 软件目录结构规范

为什么要设计好目录结构?

"设计项目目录结构"，就和"代码编码风格"一样，属于个人风格问题。对于这种风格上的规范，一直都存在两种态度:

1. 一类同学认为，这种个人风格问题"无关紧要"。理由是能让程序work就好，风格问题根本不是问题。
2. 另一类同学认为，规范化能更好的控制程序结构，让程序具有更高的可读性。

我是比较偏向于后者的，因为我是前一类同学思想行为下的直接受害者。我曾经维护过一个非常不好读的项目，其实现的逻辑并不复杂，但是却耗费了我非常长的时间去理解它想表达的意思。从此我个人对于提高项目可读性、可维护性的要求就很高了。"项目目录结构"其实也是属于"可读性和可维护性"的范畴，我们设计一个层次清晰的目录结构，就是为了达到以下两点:

1. 可读性高: 不熟悉这个项目的代码的人，一眼就能看懂目录结构，知道程序启动脚本是哪个，测试目录在哪儿，配置文件在哪儿等等。从而非常快速的了解这个项目。
2. 可维护性高: 定义好组织规则后，维护者就能很明确地知道，新增的哪个文件和代码应该放在什么目录之下。这个好处是，随着时间的推移，代码/配置的规模增加，项目结构不会混乱，仍然能够组织良好。

所以，我认为，保持一个层次清晰的目录结构是有必要的。更何况组织一个良好的工程目录，其实是一件很简单的事儿。

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。

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。

4.模块初始

模块，用一砣代码实现了某个功能的代码集合。

类似于函数式编程和面向过程编程，函数式编程则完成一个功能，其他代码用来调用即可，提供了代码的重用性和代码间的耦合。而对于一个复杂的功能来，可能需要多个函数才能完成（函数又可以在不同的.py文件中），n个 .py 文件组成的代码集合就称为模块。

如：os 是系统相关的模块；file是文件操作相关的模块

模块分为三种：

• 自定义模块
• 内置标准模块（又称标准库）
• 开源模块 (https://pypi.python.org/pypi)

如何在py文件中引入自定义模块？

import os

from os import time

通过：

 for i in sys.path:
     print(i)

我们可以得到模块路径。

在pycharm中自动帮我们把pychram的路径加进去了。

但是在windows 系统执行的时候是不会把pychram的路径加进去的。

这时候我们需要手工添加进去：

 import  sys
 import  os
 BaseDir = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
 # #__file__是取文件的相对路径
 # os.path.abspath()是取文件的绝对路径
 # os.path.dirname()是取文件的上级路径
 sys.path.append(BaseDir)

python2中

目录里没有__init__,那就只是一个目录，目录是不可以被导入的。

有__init__，那这个目录就变成了包 = "package"

no matter py2 or py3 , only the package can be imported

howere, in py 3 ,the directory will also be treated as package,

__init__.pi in py3 is not mandatory.

 

 

5.常用模块

5.1、OS

提供对操作系统进行调用的接口：

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

os.getcwd() 获取当前工作目录，即当前python脚本工作的目录路径 os.chdir("dirname")  改变当前脚本工作目录；相当于shell下cd os.curdir  返回当前目录: ('.') os.pardir  获取当前目录的父目录字符串名：('..') os.makedirs('dirname1/dirname2')    可生成多层递归目录 os.removedirs('dirname1')    若目录为空，则删除，并递归到上一级目录，如若也为空，则删除，依此类推 os.mkdir('dirname')    生成单级目录；相当于shell中mkdir dirname os.rmdir('dirname')    删除单级空目录，若目录不为空则无法删除，报错；相当于shell中rmdir dirname os.listdir('dirname')    列出指定目录下的所有文件和子目录，包括隐藏文件，并以列表方式打印 os.remove()  删除一个文件 os.rename("oldname","newname")  重命名文件/目录 os.stat('path/filename')  获取文件/目录信息 os.sep    输出操作系统特定的路径分隔符，win下为"\\",Linux下为"/" os.linesep    输出当前平台使用的行终止符，win下为"\t\n",Linux下为"\n" os.pathsep    输出用于分割文件路径的字符串 os.name    输出字符串指示当前使用平台。win->'nt'; Linux->'posix' os.system("bash command")  运行shell命令，直接显示 os.environ  获取系统环境变量 os.path.abspath(path)  返回path规范化的绝对路径 os.path.split(path)  将path分割成目录和文件名二元组返回 os.path.dirname(path)  返回path的目录。其实就是os.path.split(path)的第一个元素 os.path.basename(path)  返回path最后的文件名。如何path以／或\结尾，那么就会返回空值。即os.path.split(path)的第二个元素 os.path.exists(path)  如果path存在，返回True；如果path不存在，返回False os.path.isabs(path)  如果path是绝对路径，返回True os.path.isfile(path)  如果path是一个存在的文件，返回True。否则返回False os.path.isdir(path)  如果path是一个存在的目录，则返回True。否则返回False os.path.join(path1[, path2[, ...]])  将多个路径组合后返回，第一个绝对路径之前的参数将被忽略 os.path.getatime(path)  返回path所指向的文件或者目录的最后存取时间 os.path.getmtime(path)  返回path所指向的文件或者目录的最后修改时间

5.2、sys

1 2 3 4 5 6 7 8

sys.argv           命令行参数List，第一个元素是程序本身路径 sys.exit(n)        退出程序，正常退出时exit(0) sys.version        获取Python解释程序的版本信息 sys.maxint         最大的Int值 sys.path           返回模块的搜索路径，初始化时使用PYTHONPATH环境变量的值 sys.platform       返回操作系统平台名称 sys.stdout.write('please:') 标准输出 val = sys.stdin.readline()[:-1] 标准输入

Python进度条实现：

 import  time
 import  sys
 for i in range(20):
     time.sleep(0.1)
     sys.stdout.write('>')
     sys.stdout.flush()

5.3 序列化模块

把内存对象转化成字符串的格式 就叫序列化。

把字符串转化成对应的内存对象 就叫反序列化。

序列化的作用就是持久化内存数据对象。

Python中用于序列化的两个模块：

• json     跨平台跨语言的数据传输格式，用于【字符串】和 【python基本数据类型】 间进行转换
• pickle   python内置的数据传输格式，多用于二进制形式，用于【python特有的类型】 和 【python基本数据类型】间进行转换

所有的语言都支持 json 。

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

#pickle.dumps将数据通过特殊的形式转换为只有python能识别的字符串
import pickle
data={'k1':123,'k2':'hello'}
p_str=pickle.dumps(data)
print(p_str)      ------->b'\x80\x03}q\x00(X\x02\x00\x00\x00k2q\x01X\x05\x00\x00\x00helloq\x02X\x02\x00\x00\x00k1q\x03K{u.'
s = pickle.loads(p_str)
print(s)       -------->{'k2': 'hello', 'k1': 123}
#pickle.dump将数据通过特殊的形式转换为只有python认识的字符串，并写入文件
with open('db','w') as fp:
    pickle.dump(data,fp)

json实例
#json.loads()#将字符串转换成python基本数据类型，注：里面一定要是双引号，外面是单引号
import json
s='{"name":"tina","age":"18"}'
l='[1,2,3,4]'
r=json.loads(l)
w=json.loads(s)
print(r,type(r))
print(w,type(w))
############执行结果如下：###########
[1, 2, 3, 4] <class 'list'>
{'age': '18', 'name': 'tina'} <class 'dict'>
#json.dumps()将python的基本数据类型转换成字符串
a={"name":"tina","age":"18"}
b=json.dumps(a)
print(b,type(b))
#############执行结果如下：##########
{"age": "18", "name": "tina"} <class 'str'>

#不带s的是对文件进行操作
dic = {'k1':123,'k2':345}
a=json.dump(dic,open('db','w'))
print(a,type(a))
#读内容
#字符串转换成字典
r=json.load(open('db','r'))
print(r,type(r))
#############执行结果如下：##########
写入db文件中的内容即为dict
{'k2': 345, 'k1': 123} <class 'dict'>

作业

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，最后结账的时候调用信用卡接口结账
3. 可以提现，手续费5%，最多只能取信用额度的一半
4. 支持多账户登录，每个用户信息独立
5. 支持账户间转账
6. 记录每月日常消费流水，记录 date  shop_name  transaction_type  intrest（手续费）
7. 提供还款接口
8. ATM记录操作日志
9. 提供管理接口，包括添加账户、用户额度，冻结账户等。。。
10. 用户认证用装饰器

程序介绍:
    实现ATM常用功能
    功能全部用python的基础知识实现,用到了time\os\sys\json\open\logging\函数\模块知识, 主要帮给大家一个简单的模块化编程的示例

程序结构:
day5-atm/
├── README
├── atm #ATM主程目录
│   ├── __init__.py
│   ├── bin #ATM 执行文件 目录
│   │   ├── __init__.py
│   │   ├── atm.py  #ATM 执行程序
│   │   └── manage.py #ATM 管理端,未实现
│   ├── conf #配置文件
│   │   ├── __init__.py
│   │   └── settings.py
│   ├── core #主要程序逻辑都 在这个目录 里
│   │   ├── __init__.py
│   │   ├── accounts.py  #用于从文件里加载和存储账户数据
│   │   ├── auth.py      #用户认证模块
│   │   ├── db_handler.py   #数据库连接引擎
│   │   ├── logger.py       #日志记录模块
│   │   ├── main.py         #主逻辑交互程序
│   │   └── transaction.py  #记账\还钱\取钱等所有的与账户金额相关的操作都 在这
│   ├── db  #用户数据存储的地方
│   │   ├── __init__.py
│   │   ├── account_sample.py #生成一个初始的账户数据 ,把这个数据 存成一个 以这个账户id为文件名的文件,放在accounts目录 就行了,程序自己去会这里找
│   │   └── accounts #存各个用户的账户数据 ,一个用户一个文件
│   │       └── 1234.json #一个用户账户示例文件
│   └── log #日志目录
│       ├── __init__.py
│       ├── access.log #用户访问和操作的相关日志
│       └── transactions.log    #所有的交易日志
└── shopping_mall #电子商城程序,需单独实现
    └── __init__.py