Python【基础第四篇】

一、迭代器(iterator)

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，直到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。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

特点：

访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容
不能随机访问集合中的某个值，只能从头到尾依次访问
访问到一半时不能往回退
便于循环比较大的数据集合，节省内存

#iter()

s = '民主在哪里'   #s是一个iterable对象，它有__getitem__()方法

it = iter(s)             #it是一个iterator对象，它有 __next__()和__iter__()方法

print(s)

print(it.__next__())

print(it.__next__())

print(it.__next__())

print(it.__next__())

输出结果：

民主在哪里

民

主

在

哪

生成器(generator)

定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器



def cash_money(a):

    while a >0:

        a -= 100

        yield '取走100'                   

        print('又来拿钱了！')

atm = cash_money(500)

print(atm.__next__())

print('我是败家子，全部花掉')

print(atm.__next__())

print('花掉一分不剩')

print(atm.__next__())

作用：

这个yield的主要效果呢，就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以再重新调用这个函数，从上次yield的下一句开始执行。

另外，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(3):

        time.sleep(1)

        print("做了2个包子!")

        c.send(i)　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　#send方法是传送yield值

        c2.send(i)　　　　　　　　　　　　　　　　　　　　　　　　　　

producer('xigang')

二、装饰器



def login(func):

    def inner(arg):

        print('验证')

        return func(arg)

    return inner

@login                                                        #相当于： tv = login(tv)

def tv(arg1):

    print('welcom to tv page')

def movie():

    print('movie')

movie()

tv(1)

结果：



结果：

movie

验证

welcom to tv page

带参数装饰器

#!/usr/bin/env/ python

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(1,2)

三、递归

特点

递归算法是一种直接或者间接地调用自身算法的过程。在计算机编写程序中，递归算法对解决一大类问题是十分有效的，它往往使算法的描述简洁而且易于理解。

递归算法解决问题的特点：

递归就是在过程或函数里调用自身。
在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。
递归算法解题通常显得很简洁，但递归算法解题的运行效率较低。所以一般不提倡用递归算法设计程序。
在递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成栈溢出等。所以一般不提倡用递归算法设计程序。

要求

递归算法所体现的“重复”一般有三个要求：

一是每次调用在规模上都有所缩小(通常是减半)；
二是相邻两次重复之间有紧密的联系，前一次要为后一次做准备(通常前一次的输出就作为后一次的输入)；
三是在问题的规模极小时必须用直接给出解答而不再进行递归调用，因而每次递归调用都是有条件的(以规模未达到直接解答的大小为条件)，无条件递归调用将会成为死循环而不能正常结束。

当在上千万元素列表中查找一个元素，遍历列表会非常慢，一个一个遍历寻找，用递归方法可以迅速找到，如下：



def binary_search(data_source,find_n):

    mid = int(len(data_source)/2)

    if len(data_source)>1:

        if data_source[mid] >find_n:

            print('data in left of %s' % data_source[mid])

            binary_search(data_source[:mid],find_n)

        elif data_source[mid] <find_n:

            print('data in right of %s' % data_source[mid])

            binary_search(data_source[mid:],find_n)

        else:

            print('found find_s,',data_source[mid])

    else:

        print('cannot find ........')

if __name__ == '__main__':

    data = list(range(1,7000000))

    binary_search(data,655350)

四、算法

要求：生成一个4*4的2维数组并将其顺时针旋转90度



array=[[col for col in range(5)] for row in range(5)] #初始化一个4*4数组

#array=[[col for col in 'abcde'] for row in range(5)]

for row in array: #旋转前先看看数组长啥样

    print(row)

print('-------------')

for i,row in enumerate(array):

    for index in range(i,len(row)):

        tmp = array[index][i] #get each rows' data by column's index

        array[index][i] = array[i][index] #

        print tmp,array[i][index]  #= tmp

        array[i][index] = tmp

    for r in array:print r

    print('--one big loop --')

五、正则表达式

匹配格式

模式描述

^ 匹配字符串的开头

$ 匹配字符串的末尾。

. 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。

[...] 用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'

[^...] 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。

re* 匹配0个或多个的表达式。

re+ 匹配1个或多个的表达式。

re? 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式

re{ n}

re{ n,} 精确匹配n个前面表达式。

re{ n, m} 匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式

a| b 匹配a或b

(re) G匹配括号内的表达式，也表示一个组

(?imx) 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。

(?-imx) 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。

(?: re) 类似 (...), 但是不表示一个组

(?imx: re) 在括号中使用i, m, 或 x 可选标志

(?-imx: re) 在括号中不使用i, m, 或 x 可选标志

(?#...) 注释.

(?= re) 前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。

(?! re) 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功

(?> re) 匹配的独立模式，省去回溯。

\w 匹配字母数字

\W 匹配非字母数字

\s 匹配任意空白字符，等价于 [\t\n\r\f].

\S 匹配任意非空字符

\d 匹配任意数字，等价于 [0-9].

\D 匹配任意非数字

\A 匹配字符串开始

\Z 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。c

\z 匹配字符串结束

\G 匹配最后匹配完成的位置。

\b 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。

\B 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。

\n, \t, 等. 匹配一个换行符。匹配一个制表符。等

\1...\9 匹配第n个分组的子表达式。

\10 匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。

正则表达式常用5种操作

1、re.match(pattern, string)　　　　 # 从头匹配
2、re.search(pattern, string)　　　　# 匹配整个字符串，直到找到一个匹配
3、re.split()　　　　　　　　　　　　# 将匹配到的格式当做分割点对字符串分割成列表



>>>m = re.split("[0-9]", "alex1rain2jack3helen rachel8")

>>>print(m)

输出：　['alex', 'rain', 'jack', 'helen rachel', '']

4、re.findall()　　　　　　　　　　# 找到所有要匹配的字符并返回列表格式



>>>m = re.findall("[0-9]", "alex1rain2jack3helen rachel8")

>>>print(m)<br>

输出：['1', '2', '3', '8']

5、re.sub(pattern, repl, string, count,flag) 　　　# 替换匹配到的字符



m=re.sub("[0-9]","|", "alex1rain2jack3helen rachel8",count=2 )

print(m)

输出：alex|rain|jack3helen rachel8

re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。