分页查找

#5.随意写一个20行以上的文件(divmod)

# 运行程序，先将内容读到内存中，用列表存储。

# l = []

# 提示：一共有多少页

# 接收用户输入页码，每页5条，仅输出当页的内容

def read_page(bk_list,n,endline=None):

    startline = 5 * (n-1)

    endline = endline+startline-1 if endline else startline + 4

    # print(startline,endline)

    for i in range(startline,endline+1):

        print(bk_list[i],end = '')

def read_book(filename):

    f = open(filename)

    book_list = f.readlines()

    f.close()

    return book_list

book_list = read_book('tmp_file')

line_num = len(book_list)

x,y = divmod(line_num,5)

print(line_num,x,y)

# if y:

#     page = x+1

# else:

#     page = x

page = x+1 if y else x

print('一共有%s页'%page)

while True:

    page_num = input('请输入您要阅读的页码 ： ').strip()

    if page_num.isdigit():

        page_num = int(page_num)

        if page_num < page:

            read_page(book_list,page_num)

        elif page_num == page:

            read_page(book_list,page_num,y)

        else:

            print('您输入的内容有误')

一、可迭代对象

可以将某个数据集内的数据“一个挨着一个的取出来”，就叫做迭代。

可迭代协议

假如我们自己写了一个数据类型，希望这个数据类型里的东西也可以使用for被一个一个的取出来，那我们就必须满足for的要求。这个要求就叫做“协议”。

可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单，就是内部实现了__iter__方法。

可以被for循环的都是可迭代的，要想可迭代，内部必须有一个__iter__方法。

l = [1,2,3,4,5]

s = {1,2,3,4}

#索引

#for

# for i in l:

#     print(i)

# for i in 50:

#     print(i)

#iterable  可迭代的

#迭代

#str

#列表

#tuple

#set

#dict

#可迭代的 ——对应的标志  __iter__

# print('__iter__' in dir([1,2,3]))  #判断一个变量是不是一个可迭代的

二、迭代器

接着分析，__iter__方法做了什么事情呢？

print([1,2].__iter__())

结果

<list_iterator object at 0x1024784a8>
#可迭代协议

l = [1,2,3,4,5]

# for i in l:

#     print(i)

# print(iter(l))   #内置函数

l.__iter__()

#iterator  #迭代器

#iterator   iterable

l_iterator = iter(l)

# print(set(dir(l_iterator))-set(dir(l)))

#__next__

# iter({1,2,3})

迭代器协议

既什么叫“可迭代”之后，又一个历史新难题，什么叫“迭代器”？

虽然我们不知道什么叫迭代器，但是我们现在已经有一个迭代器了，这个迭代器是一个列表的迭代器。

我们来看看这个列表的迭代器比起列表来说实现了哪些新方法，这样就能揭开迭代器的神秘面纱了吧？

可迭代协议——凡是可迭代的内部都有一个__iter__方法
迭代器里既有iter方法，又有next方法  ——迭代器协议
通过iter(o)得到的结果就是一个迭代器，
'''

dir([1,2].__iter__())是列表迭代器中实现的所有方法，dir([1,2])是列表中实现的所有方法,都是以列表的形式返回给我们的，为了看的更清楚，我们分别把他们转换成集合，

然后取差集。

'''

#print(dir([1,2].__iter__()))

#print(dir([1,2]))

print(set(dir([1,2].__iter__()))-set(dir([1,2])))

结果：

{'__length_hint__', '__next__', '__setstate__'}

我们看到在列表迭代器中多了三个方法，那么这三个方法都分别做了什么事呢？

iter_l = [1,2,3,4,5,6].__iter__()

#获取迭代器中元素的长度

print(iter_l.__length_hint__())

#根据索引值指定从哪里开始迭代

print('*',iter_l.__setstate__(4))

#一个一个的取值

print('**',iter_l.__next__())

print('***',iter_l.__next__())

在for循环中，就是在内部调用了__next__方法才能取到一个一个的值。

那接下来我们就用迭代器的next方法来写一个不依赖for的遍历。

l=[1,2,8,1,9,4]

l_iterator=iter(l)

print(l_iterator.__next__())

print(l_iterator.__next__())

while True:

    try:

        print(next(l_iterator))

    except:

        break

判断是否是迭代器 和 可迭代对象的简便方法

#迭代器 大部分都是在python的内部去使用的，我们直接拿来用就行了

#迭代器：内置__iter__和__next__方法

from collections import Iterable

from collections import Iterator

#判断是否是迭代器 和 可迭代对象的简便方法

# s = 'abc'

# print(isinstance(s,Iterable))

# print(isinstance(s,Iterator))

# print(isinstance(iter(s),Iterator))

map_o = map(abs,[1,2,-3,4])

#map_o = [1,2,3,4]

print(isinstance(map_o,Iterable))

print(isinstance(map_o,Iterator))

range()

#不管是一个迭代器还是一个可迭代对象，都可以使用for循环遍历

#迭代器出现的原因 帮你节省内存

from collections import Iterable

from collections import Iterator

a = range(100)

print(isinstance(a,Iterable))

print(isinstance(a,Iterator))

为什么要有for循环

基于上面讲的列表这一大堆遍历方式，聪明的你立马看除了端倪，于是你不知死活大声喊道，你这不逗我玩呢么，有了下标的访问方式，我可以这样遍历一个列表啊

l=[1,2,3]

index=0

while index < len(l):

    print(l[index])

    index+=1

#要毛线for循环，要毛线可迭代，要毛线迭代器

for循环就是基于迭代器协议提供了一个统一的可以遍历所有对象的方法，即在遍历之前，先调用对象的__iter__方法将其转换成一个迭代器，然后使用迭代器协议去实现循环访问，这样所有的对象就都可以通过for循环来遍历了，

#可迭代协议  :  内部实现了__iter__方法

#迭代器协议  :  内部实现了__iter__ __next__方法

#可迭代和迭代器的不同点 : 迭代器多实现了一个__next__方法

#可迭代和迭代器的相同点 : 都可以用for循环

#判断迭代器和可迭代的方法

#第一种：判断内部是不是实现了 __next__

#'__next__' in dir(o)

#第二种：

# from collections import Iterable  #可迭代

# from collections import Iterator  #迭代器

# isinstance(o,Iterable)

# isinstance(o,Iterator)

#迭代器的特点

#可以用for循环

#可以节省内存

#你只能用一次  l = [1,2,3,4]

初识生成器

我们知道的迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处是可以节省内存。

如果在某些情况下，我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。

Python中提供的生成器：

1.生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行

2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表

生成器Generator：

　　本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)

　　特点：惰性运算,开发者自定义

生成器函数

一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，而是得到一个可迭代的对象。每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数执行结束。







import time

def genrator_fun1():

    a = 1

    print('现在定义了a变量')

    yield a

    b = 2

    print('现在又定义了b变量')

    yield b

g1 = genrator_fun1()

print('g1 : ',g1)       #打印g1可以发现g1就是一个生成器

print('-'*20)   #我是华丽的分割线

print(next(g1))

time.sleep(1)   #sleep一秒看清执行过程

print(next(g1))






生成器有什么好处呢？就是不会一下子在内存中生成太多数据


假如我想让工厂给学生做校服，生产2000000件衣服，我和工厂一说，工厂应该是先答应下来，然后再去生产，我可以一件一件的要，也可以根据学生一批一批的找工厂拿。
而不能是一说要生产2000000件衣服，工厂就先去做生产2000000件衣服，等回来做好了，学生都毕业了。。。






初识生成器二

def produce():

    """生产衣服"""

    for i in range(2000000):

        yield "生产了第%s件衣服"%i

product_g = produce()

print(product_g.__next__()) #要一件衣服

print(product_g.__next__()) #再要一件衣服

print(product_g.__next__()) #再要一件衣服

num = 0

for i in product_g:         #要一批衣服，比如5件

    print(i)

    num +=1

    if num == 5:

        break

#到这里我们找工厂拿了8件衣服，我一共让我的生产函数(也就是produce生成器函数)生产2000000件衣服。

#剩下的还有很多衣服，我们可以一直拿，也可以放着等想拿的时候再拿






读取文件






import time

def tail(filename):

    f = open(filename)

    f.seek(0, 2) #从文件末尾算起

    while True:

        line = f.readline()  # 读取文件中新的文本行

        if not line:

            time.sleep(0.1)

            continue

        yield line

tail_g = tail('tmp')

for line in tail_g:

    print(line)






计算移动平均值‘






#计算移动平均值

#7日平均年化收益

#10,12,11  = （10+12+11）/3

#total = 10 + 12  + 11

#day = 1 + 1 + 1

#avg = 10/1  22/2  33/3

#       10    11    11

def averager():

    total = 0

    day = 0

    avrage = 0

    while True:

        day_num  = yield avrage  #return avrage

        total += day_num

        day += 1

        avrage = total/day

# avg = averager()

# num = next(avg)  #激活生成器 avg.send(),什么都不send和next效果一样

# print(avg.send(10))  #传值 next

# print(avg.send(20))










__author__ = 'Administrator'

def wapper(fun):

    def inner(*args,**kwargs):

        g=fun(*args,**kwargs)

        next(g)

        return g

    return inner

@wapper

def aa():

    day=0

    total=0

    avrage =0

    while True:

        day_num=yield avrage

        total+=day_num

        day+=1

        avrage=total/day

g=aa()

print(g.send(20))






yield from






# __author__ = 'Administrator'

# def fun():

#     for i in "ab":

#         yield i

#         print("....")

#         yield 1

#

# aa=fun()

# while True:

#     try:

#         print(next(aa))

#     except:

#         break

# print(next(aa))

def fun():

    yield  from "abc"

    yield  from [1,2,4,5]

aa=fun()

print(next(aa))

print(aa.__next__())

print(next(aa))

print(aa.__next__())

while True:

    try:

        print(next(aa))

    except:

        break






n = yield r    //yield,放弃本函数的执行，同时把r的值返回给调用者send()。 n的值就是send(n)的参数值



r = c.send(n)    //r的值就是yield的参数值。






next()让包含yield的函数(Generator)执行

next()和send()在一定意义上作用是相似的，区别是send()可以传递值给yield表达式，而next()不能传递特定的值，只能传递None进去。因此，我们可以看做

c.next() 和 c.send(None) 作用是一样的。

第一次调用时，请使用next()语句或是send(None)，不能使用send发送一个非None的值，否则会出错的，因为没有yield语句来接收这个值。

1

2

3

4

5

6

def x():

        print 'bai wei'

        m = yield 5

        print m

        d = yield 12

        print 'reach here '

　　

c = x()

c.next()     //启动generator

c.next()     //给yield表达式传一个None值

输出  

bai wei

None

c = x()

　　  c.next()           /启动generator,运行到第一个yield处停止

　　  c.send('hi')　    //从停止的yield处继续运行，并把值hi传过去

输出

bai wei

hi

c = x()

　　  c.send('hi')    //出错，generator还没启动

输出

Traceback (most recent call last):

File "yield.py", line 36, in <module>

c.send('hi')

TypeError: can't send non-None value to a just-started generator










5. send(msg) 与 next()的返回值

send(msg) 和 next()是有返回值的，它们的返回值很特殊，返回的是下一个yield表达式的参数。比如yield 5，则返回 5 。到这里，是不是明白了一些什么东西？本文第一个例子中，通过for i in alist 遍历 Generator，其实是每次都调用了alist.Next()，而每次alist.Next()的返回值正是yield的参数，即我们开始认为被压进去的东东。我们再延续上面的例子：

def h():

    print 'Wen Chuan',

    m = yield 5

    print m

    d = yield 12

    print 'We are together!'

c = h()

m = c.next()  #m 获取了yield 5 的参数值 5

d = c.send('Fighting!')  #d 获取了yield 12 的参数值12

print 'We will never forget the date', m, '.', d

输出结果：

Wen Chuan Fighting!

We will never forget the date 5 . 12






列表推导式和生成器表达式






#老男孩由于峰哥的强势加盟很快走上了上市之路,alex思来想去决定下几个鸡蛋来报答峰哥

egg_list=['鸡蛋%s' %i for i in range(10)] #列表解析

#峰哥瞅着alex下的一筐鸡蛋,捂住了鼻子,说了句:哥,你还是给我只母鸡吧,我自己回家下

laomuji=('鸡蛋%s' %i for i in range(10))#生成器表达式

print(laomuji)

print(next(laomuji)) #next本质就是调用__next__

print(laomuji.__next__())

print(next(laomuji))










# for i in range(100):

#     print(i*i)

# l =[i*i for i in range(100)]

# print(l)

# l = [{'name':'v','age':28},{'name':'v'}]

# name_list = [dic['name'] for dic in l]

# print(name_list)

# l = [{'name':'v1','age':28},{'name':'v2'}]

# name_list_generator = (dic['name'] for dic in l)

# print(name_list_generator)

# print(next(name_list_generator))

# print(next(name_list_generator))

# egg_list=['鸡蛋%s' %i for i in range(10)]

# print(egg_list)

# laomuji = ('鸡蛋%s' %i for i in range(1,11))

# print(laomuji)

# print(next(laomuji))

# print(next(laomuji))

# print(sum([1,2,3]))

# print(sum(range(1,4)))

def func():

    # yield from 'ABC'

    for i in 'ABC':

        yield i

# g = func()

# print(next(g))

# print(next(g))

for i in range(10):

    print(i)

[i for i in range(10)]

a = 10

b=20

if a >b :

    print(a)

else:

    print(b)

a if a>b else b






一、复习


迭代器：拥有__iter__,__next__;


怎样从迭代器中取值:_next 和 for


生成器：


自己定义一个能实现迭代器功能的函数就是生成器


生成器函数：带yield的函数，调用生成器函数，不会执行函数中的任何功能，只是返回一个生成器，调用next、时才执行函数中内容，遇到yield停止，并返回yield的值


send方法就是向函数中传值，把值赋给yield对应的变量，同时还执行next方法


一个要用send方法的生成器函数中至少要有两个yield、


一个生成器函数中有多少个yield就可以调用多少个(next+send)方法、


生成器的激活只能用next方法


#2.生成器表达式
#new_g = (i*i for i in range(100)) #new_g是一个生成器表达式


二、作业


读文件，找带关键字的行






# 3.处理文件，用户指定要查找的文件和内容

# 将文件中包含要查找内容的每一行都输出到屏幕

def read(fname,str):

    with open(fname,encoding="utf-8")as f:

        l=f.readlines();

        for i in l:

            if str in i:

                yield i

aa=read("1","奥特曼")

for i in aa:

    print(i)






、进阶版本






__author__ = 'Administrator'

def init(fun):

    def inner(*args,**kwargs):

        g=fun(*args,**kwargs)

        next(g)

        return g

    return inner

@init

def read(g_read_line):

    while True:

        fname=yield

        str=yield

        with open(fname,encoding="utf-8")as f:

            l=f.readlines()

            for line in l:

                if str in line:

                    g_read_line.send(line)

@init

def read_line():

    while True:

        line=yield

        if line:print(line)

g_read=read(read_line())

g_read.send("1")

g_read.send("奥特曼")






列表推倒式和生成器表达式






new_l = []

for i in range(100):

    new_l.append(i*i)

#list(range(100))

new_l = [i*i for i in range(100)]

new_l = (i*i for i in range(100))  #生成器表达式






生成器相关面试题






# def demo():

#     for i in range(4):

#         yield i

# g=demo()

# g1=(i for i in g)

# g2=(i for i in g1)

# print(list(g2))

# print(list(g1))

def add(n,i):

    return n+i

def test():

    for i in range(4):

        yield i

g=test()

for n in [1,10]:

    g=(add(n,i) for i in g)

# # g=(add(n,i) for i in g)

# n = 10

# g=(add(n,i) for i in (add(n,i) for i in g))

# print(list(g))

# for i in [1,2]:

#     pass

#

# print(i)

import os

def init(func):   #预激活生成器的一个装饰器

    def wrapper(*args,**kwargs):

        g=func(*args,**kwargs)  #func是一个生成器函数，返回的g是一个生成器

        next(g)   #预激活生成器

        return g #返回激活后的生成器g

    return wrapper

@init    #list_files = init(list_files) == wrapper

def list_files(target): #target = opener_g

    while 1:

        dir_to_search=yield

        for top_dir,dir,files in os.walk(dir_to_search): #os.walk   (路径，文件夹，文件)

            for file in files:  #从文件列表中获取一个一个的文件

                target.send(os.path.join(top_dir,file))  #把文件的绝对路径传给了opener_g

@init    #opener = init(opener)  ==  wrapper

def opener(target): #target = cat_g

    while 1:

        file=yield   #拿到了一个文件的路径

        fn=open(file,encoding='utf-8') #打开文件获取了一个文件句柄

        target.send((file,fn))  #cat_g发送了一个文件的路径和句柄

@init  #cat = init(cat) == wrapper

def cat(target):  #target = grep_g

    while 1:

        file,fn=yield  #文件路径和文件的句柄

        for line in fn:

            target.send((file,line))  #文件路径，文件中的一行

@init  #grep = init(grep) == wrapper

def grep(pattern,target):  #要搜索的关键字，printer_g

    lst = []

    while 1:

        file,line=yield  #文件的路径和每一行

        if pattern in line and file not in lst: #判断关键字是否在当前行

            lst.append(file)

            target.send(file) #printer_g.send文件路径

@init  #printer = init(printer) == wrapper

def printer():

    while 1:

        file=yield  #获取一个文件路径

        if file:

            print(file)  #打印文件的路径：文件里包含了要搜索的关键字

g=list_files(opener(cat(grep('python',printer()))))

# g=list_files(opener(cat(grep('python',printer_g))))

# g=list_files(opener(cat(grep_g)))

# g=list_files(opener(catg)))

# g=list_files(opener_g)

g.send('D:\Python代码文件存放目录\S6\day18')

#用户给一个路径和关键字

#可以从一个文件路径中找到所有包含关键字的文件






二、匿名函数、


匿名函数 简单的需要用函数去解决的问题 匿名函数的函数体 只有一行也叫lambda表达式






# cal2 = lambda n : n*n

# ret = cal2(20)

# print(ret)

# def add(x,y):return x+y

# add2 = lambda x,y : x+y

# ret = add2(1,2)

# print(ret)








print(max(dic))

func = lambda k:dic[k]

print(max(dic,key = func))

print(max(dic,key=lambda k:dic[k]))






l = [1,2,3,4]

d=lambda x:x*x

print(list(map(d,l)))






l = [10,11,8,12]

# def func(x):

#     return x>10

# print(list(filter(func,l)))

# print(list(filter(lambda x:x>10,l)))








#现有两个元组(('a'),('b')),(('c'),('d'))，请使用python中匿名函数生成列表[{'a':'c'},{'b':'d'}]

t1 = (('a'),('b'))

t2 = (('c'),('d'))

print(list(zip(t1,t2)))

c=lambda t:{t[0]:t[1]}

d=map(c,zip(t1,t2))

print (list(d))

d=list(map(lambda z:{z[0],z[1]},zip(t1,t2)))

print(d)








l=[i for i in range(100) if i%3==0]

print(l)

print(len(l))






# names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],

#          ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]

# print([name for lst in names for name in lst if name.count('e') >=2])








mcase = {'a': 10, 'b': 34}

for i in mcase:

    print(i)

[i for i in mcase]

print({key:key+'1' for key in mcase})

print({key:mcase[key] for key in mcase})

print({mcase[key]:key for key in mcase})

mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}

mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase}

print(mcase_frequency)




												


											
python 可迭代对象，迭代器和生成器，lambda表达式的更多相关文章
	

    
						
  1. python 可迭代对象 迭代器  生成器总结
		
    可迭代对象 只要有魔法方法__iter__的就是可迭代对象  list和tuple和dict都是可迭代对象 迭代器 只要有魔法方法__iter__和__next__的就是可迭代对象 生成器 只要含有y ...
    
		
    2. 
						
  2. python编程系列---可迭代对象,迭代器和生成器详解
		
    一.三者在代码上的特征 1.有__iter__方法的对象就是可迭代类(对象) 2.有__iter__方法,__next()方法的对象就是迭代器3.生成器 == 函数+yield 生成器属于迭代器, 迭 ...
    
		
    3. 
						
  3. 一文搞懂Python可迭代、迭代器和生成器的概念
		
    关于我 一个有思想的程序猿,终身学习实践者,目前在一个创业团队任team lead,技术栈涉及Android.Python.Java和Go,这个也是我们团队的主要技术栈. Github:https:/ ...
    
		
    4. 
						
  4. Python可迭代对象、迭代器和生成器
		
    Python可迭代对象.迭代器和生成器 python 函数 表达式 序列 count utf-8 云栖征文 python可迭代对象 python迭代器 python生成器 摘要: 8.1 可迭代对象( ...
    
		
    5. 
						
  5. Python中的可迭代对象/迭代器/For循环工作机制/生成器
		
    本文分成6个部分: 1.iterable iterator区别 2.iterable的工作机制 3.iterator的工作机制 4.for循环的工作机制 5.generator的原理 6.总结 1.i ...
    
		
    6. 
						
  6. 可迭代对象&迭代器&生成器
		
    在python中,可迭代对象&迭代器&生成器的关系如下图: 即:生成器是一种特殊的迭代器,迭代器是一种特殊的可迭代对象. 可迭代对象 如上图,这里x是一个列表(可迭代对象),其实正如第 ...
    
		
    7. 
						
  7. 11.Python初窥门径(函数名,可迭代对象,迭代器)
		
    Python(函数名,可迭代对象,迭代器) 一.默认参数的坑 # 比较特殊,正常来说临时空间执行结束后应该删除,但在这里不是. def func(a,l=[]): l.append(a) return ...
    
		
    8. 
						
  8. Python进阶(三)----函数名,作用域,名称空间,f-string,可迭代对象,迭代器
		
    Python进阶(三)----函数名,作用域,名称空间,f-string,可迭代对象,迭代器 一丶关键字:global,nonlocal global 声明全局变量: ​ 1. 可以在局部作用域声明一 ...
    
		
    9. 
						
  9. 孤荷凌寒自学python第十六天python的迭代对象
		
    孤荷凌寒自学python第十六天python的迭代对象 (完整学习过程屏幕记录视频地址在文末,手写笔记在文末) 迭代也就是循环. python中的迭代对象有相关的如下几个术语: A容器 contrai ...
    
		
    10. 
						
  10. 【笔记】Python基础四：迭代器和生成器
		
    一,迭代器协议和for循环工作机制 (一),迭代器协议 1,迭代器协议:对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么就引起一个stopiteration异常,以终止迭代(只能往 ...
    
		
    11. 
		

	


随机推荐
	

    
									
  1. python之yield函数
			
    yield的英文单词意思是生产,刚接触Python的时候感到非常困惑,一直没弄明白yield的用法. 只是粗略的知道yield可以用来为一个函数返回值塞数据,比如下面的例子: def addlist( ...
    
			
    2. 
						
  2. MySQL性能调优与架构设计——第2章 MySQL架构组成
			
    第2章 MySQL架构组成 前言   麻雀虽小,五脏俱全.MySQL 虽然以简单著称,但其内部结构并不简单.本章从MySQL物理组成.逻辑组成,以及相关工具几个角度来介绍 MySQL 的整体架构组成, ...
    
			
    3. 
						
  3. OpenSSH/PuTTY/SSH使用
			
    OpenSSH/PuTTY/SSH 常用SSH服务指令 ① 启动SSH服务的命令 service sshd start ② 停止SSH服务的命令 service sshd stop ③ 重新启动SSH ...
    
			
    4. 
						
  4. android studio中使用recyclerview小白篇(三)
			
    继续接着昨天的来,昨天终于弄好了一个例子,但是那个没有点击事件, 需要自己添加,参照别人的例子,弄了个比较简单的,主要是改动myRecycleradatper.java中的部分. 增加如下的接口: / ...
    
			
    5. 
						
  5. 关于bootstrap模态框的初始化事件
			
    转:https://blog.csdn.net/u010181136/article/details/77579823
    
			
    6. 
						
  6. 使用VS Code编写Markdown文件
			
    VS Code默认支持Markdown文件文件格式,这里介绍两个比较实用的功能,后续有新发现,可以持续更新. 实时预览 顾名思义,实时编辑,实时预览解析效果. 在VS Code扩展中搜索"M ...
    
			
    7. 
						
  7. Spring学习----自动装配@Resource、@Autowired、@Qualifier
			
    直接看下面的代码即可明白: applicationContext.xml里面添加个bean: <!--注解的注入 --> <bean id="student3"  ...
    
			
    8. 
						
  8. springboot项目部署运行(后台)；端口被占用；
			
    打包: mvn clean package -Pprod -Dmaven.test.skip=true -Pprod 使用生产环境配置: -DskipTests,不执行测试用例,但编译测试用例类生成相 ...
    
			
    9. 
						
  9. Ext中setValue和setRawValue
			
    Ext.getCmp('modifyStatus').setValue(record.get('status').trim()); Ext.getCmp('modifyStatus').setRawV ...
    
			
    10. 
						
  10. 用C语言构建一个可执行程序的流程
			
    1.流程图 从用C语言写源代码,然后经过编译器.连接器到最终可执行程序的流程图大致如下图所示. 2.编译流程 首先,我们先用C语言把源代码写好,然后交给C语言编译器.C语言编译器内部分为前端和后端.  ...
    
			
    11.