Python之路：Python各个器

1、迭代器

迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，知道所有的元素被访问完结束。迭代器只能往前不会后退，不过这也没什么，因为人们很少在迭代途中往后退。

1.1 使用迭代器的优点

对于原生支持随机访问的数据结构（如tuple、list），迭代器和经典for循环的索引访问相比并无优势，反而丢失了索引值（可以使用内建函数enumerate()找回这个索引值）。但对于无法随机访问的数据结构（比如set）而言，迭代器是唯一的访问元素的方式。

另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件，或是斐波那契数列等等。

迭代器更大的功劳是提供了一个统一的访问集合的接口，只要定义了__iter__()方法对象，就可以使用迭代器访问。

迭代器有两个基本的方法

• next方法：返回迭代器的下一个元素
• __iter__方法：返回迭代器对象本身

下面用生成斐波那契数列为例子，说明为何用迭代器

def fab(max):

n, a, b = 0, 0, 1

while n < max:

print b

a, b = b, a + b

n = n + 1

直接在函数fab(max)中用print打印会导致函数的可复用性变差，因为fab返回None。其他函数无法获得fab函数返回的数列。

def fab(max):

L = []

n, a, b = 0, 0, 1

while n < max:

L.append(b)

a, b = b, a + b

n = n + 1

return L

满足了可复用性的需求，但是占用了内存空间，最好不要。

使用迭代器一个显而易见的好处就是：每次只从对象中读取一条数据，不会造成内存的过大开销。

对比

for i in range(100): pass

for i in xrange(100): pass

前一个返回1000个元素的列表，后面这个在每次迭代中返回一个元素，因此可以使用迭代器来解决复用可占空间的问题

class Fab(object):

def __init__(self, max):

self.max = max

self.n, self.a, self.b = 0, 0, 1

def __iter__(self):

return self

def next(self):

if self.n < self.max:

r = self.b

self.a, self.b = self.b, self.a + self.b

self.n = self.n + 1

return r

raise StopIteration()

执行

Fab类通过 next() 不断返回数列的下一个数，内存占用始终为常数　　

1.2 使用迭代器

使用内建的函数iter(iterable)可以获取迭代器对象：

使用next()方法可以访问下一个元素：

python处理迭代器越界是抛出StopIteration异常

了解了StopIteration，可以使用迭代器进行遍历了

lst = range(5)

it = iter(lst)

try:

while True:

val = it.next()

print val

except StopIteration:

pass

结果

事实上，因为迭代器如此普遍，python专门为for关键字做了迭代器的语法糖。在for循环中，Python将自动调用工厂函数iter()获得迭代器，自动调用next()获取元素，还完成了检查StopIteration异常的工作。如下

>>> a = (1, 2, 3, 4)

>>> for key in a:

print key

首先python对关键字in后的对象调用iter函数迭代器，然后调用迭代器的next方法获得元素，直到抛出StopIteration异常。

1.3 定义迭代器

下面一个例子——斐波那契数列

# -*- coding: utf-8 -*-

class Fabs(object):

def __init__(self,max):

self.max = max

self.n, self.a, self.b = 0, 0, 1 #特别指出：第0项是0，第1项是第一个1.整个数列从1开始

def __iter__(self):

return self

def next(self):

if self.n < self.max:

r = self.b

self.a, self.b = self.b, self.a + self.b

self.n = self.n + 1

return r

raise StopIteration()

print Fabs(5)

for key in Fabs(5):

print key

结果

2、生成器

yield关键字用来定义生成器（Generator），其具体功能是可以当return使用，从函数里返回一个值，不同之处是用yield返回之后，可以让函数从上回yield返回的地点继续执行。也就是说，yield返回函数，交给调用者一个返回值，然后再“瞬移”回去，让函数继续运行， 直到吓一跳yield语句再返回一个新的值

（用于做数据库的链接池）

几个例子说明下（还是用生成斐波那契数列说明）

可以看出生成器（yield）的简洁性效果

def fab(max):

n, a, b = 0, 0, 1

while n < max:

yield b

a, b = b, a + b

n = n = 1

执行

简单地讲，yield 的作用就是把一个函数变成一个generator，带有yield 的函数不再是一个普通函数，Python 解释器会将其视为一个generator，调用fab(5) 不会执行fab 函数，而是返回一个 iterable 对象！在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

也可以手动调用 fab(5) 的 next() 方法（因为 fab(5) 是一个 generator 对象，该对象具有 next() 方法），这样我们就可以更清楚地看到 fab 的执行流程：

return作用

在一个生成器中，如果没有return，则默认执行到函数完毕；如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。例如

文件读取

def read_file(fpath):

BLOCK_SIZE = 1024

with open(fpath, 'rb') as f:

while True:

block = f.read(BLOCK_SIZE)

if block:

yield block

else:

return

如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取。

3、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。就是函数加上python的语法
第一步执行装饰器函数，第二步对被装饰的函数名重新复值

使用装饰器可以在函数执行前和执行后添加相应操作。

例1：  装饰器含多个参数

vim auth.py

# -*- coding: utf-8 -*-

#装饰器就是函数加上python的语法
#第一步执行装饰器函数，第二步对被装饰的函数名重新复值
def auth(func):                          #当函数传入N个参数时
   def inner(*arg,**kwargs):
       print "login user..."
       func(*arg,**kwargs)
       print "logout user..."
   return inner

@auth
def f1():
    print "f1"
@auth
def f5(arg,warg):            #传入N个参数
    print "f5",arg,warg

vim f1.py

# -*- coding: utf-8 -*-
import auth
auth.f1()

print "========="

auth.f5("10.2.3.1","10.2.2.1")

例2：  装饰器含返回值的函数

vim auth.py

# -*- coding: utf-8 -*-

def auth(func):                          #当函数传入N个参数时
   def inner(*arg,**kwargs):
       print "login user..."
       temp = func(*arg,**kwargs)
       print "logout user..."
       return temp                      

   return inner

@auth
def f6(arg):
    server_list = ['c1','c2','c3']
    return server_list

vim f1.py

# -*- coding: utf-8 -*-
import auth

ret_list = auth.f6('test')

print ret_list

例3：装饰器实现登陆验证

vim auth1.py

# -*- coding: utf-8 -*-

def login():
   name = "lenliu"
   if name == "lenliu":
       return True
   else:
       return False

def auth(func):
    def inner(*arg,**kwargs):
        login_list = login()
        if not login_list:
            return "非法用户...."
        temp = func(*arg,**kwargs)
        return temp
    return inner

@auth
def f7(arg):
    server_list = ['D1','D2','D3']
    return server_list

vim f1.py

# -*- coding: utf-8 -*-
import auth1
print "========="
ret_list = auth1.f7('test')
print ret_list

 

例4：装饰器实现token验证

vim auth2.py

# -*- coding: utf-8 -*-

def login(key):
     local = "1234qwerasdfzxcv5678."
     if local == key:
           return True
     else:
           return False

def auth2(func):
     def inner(*args,**kwargs):
          key = kwargs.pop("token")
          is_login = login(key)
          if not is_login:
               return "非法用户"
          temp = func(*args,**kwargs)
          return temp
     return inner

@auth2
def f8(arg):
    server_list = ['D1','D2','D3']
    return server_list

vim f2.py

# -*- coding: utf-8 -*-

import auth2

key = "1234qwerasdfzxcv5678."

ret_list = auth2.f8('test',token=key)
print ret_list

例5：多层装饰器

vim auth3.py

# -*- coding: utf-8 -*-
# 一个函数可以被多个装饰器调用的，从上往下执行装饰器
# 二层装饰器就是在一个装饰器外面套一个盒子，再加一层装饰器就是再套一个盒子

# 可用于用户权限验证
def w1(func):
   def inner():
       print "w1 before"
       func()
       print "w1 after"
   return inner
def w2(func):
   def inner():
       print "w2 before"
       func()
       print "w2 after"
   return inner

@w1
@w2
def foo():
     print "foo..."
foo()

例6：至少三层装饰器

至少3层，如何使用：

@w1

1、执行w1函数

2、将w1函数的返回值赋值给被装饰器的函数的函数名

@w2（arg）

1、执行w2函数，得到返回值，ret

2、创建装饰器，@+ret结合：@ret

3、

1、执行w1函数

2、将w1函数的返回值赋值给被装饰器的函数的函数名

# -*- coding: utf-8 -*-

def Before(request,kargs):
    print 'before'
def After(request,kargs):
    print 'after'

def Filter(before_func,after_func):
    def outer(main_func):
        def wrapper(request,kargs):
            before_result = before_func(request,kargs)
            if(before_result != None):
                return before_result
            main_result = main_func(request,kargs)
            if(main_result != None):
                return main_result
            after_result = after_func(request,kargs)
            if(after_result != None):
                return after_result
        return wrapper
    return outer

@Filter(Before, After)
def Index(request,kargs):
     print 'index'

Index('lenliu','amy')