python之路4：各种器

1. 装饰器
2. 生成器
3. 迭代器

一、装饰器

装饰器是函数，官方叫语法糖，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。

语法：　　

def wrapper(func):
    def result():
        print(‘before‘)
        func()
        print(‘after‘)

    return result

@wrapper
def foo():
    print(‘foo‘)

实例：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# __author__ = ‘lvlibing‘

import time

def timer(func): #timer(test1)  func = test1
    def deco(*args,**kwargs):
        start_time = time.time()
        func(*args,**kwargs) #run test1()
        stop_time = time.time()
        print(‘the func run time is %s‘ %(start_time - stop_time))
    return deco

@timer # test1 = timer(test1)
def test1():
    time.sleep(1)
    print(‘in the test1‘)

@timer # test2 =timer(test2) = deco test2(name) = deco(name)
def test2(name,age):
    print(‘test2:‘,name,age)

test1()
test2(‘lv‘,22)

二、生成器

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：

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。

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。

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。

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# __author__ = ‘lvlibing‘

import time

"""
‘列表生成式‘
a = (x * x for x in range(100))
print(a)

for loop in a:
    print(loop)

print(a.__next__())
# print(a.__next__())
# print(a.__next__())
"""
#Fibonacci斐波那契数列
def fibnaci(max):
    n,a,b = 0,0,1
    while n < max:
        #print(b) #会执行return，获得done返回值
        yield b #函数定义中包含yield关键字,此时函数将变成一个生成器，不会执行return
    #tuple = (b,a+b)
    # a,b = tuple[0],tuple[1]
        a,b = b,a+b
        n += 1
    return ‘done‘

f=fibnaci(10)
print(f)
# print(f.__next__())
‘‘‘
for n in f:
    print(n)

‘‘‘
while True:
    try:
        t = next(f)
        print(‘f:‘,t)
    except StopIteration as e:
        print(‘Generator return value:‘, e.value)
        break

#生产消费者模型，协程（生成器并行运算）
def consumer(name):
    print(‘%s准备吃包子了‘%name)
    while True:
        baozhi = yield
        print(‘包子[%s]来了,被[%s]吃了‘ %(baozhi,name))

def producer(name):
    c1 = consumer(‘a‘)
    c2 = consumer(‘b‘)
    c1.__next__()
    c2.__next__()
    print(‘后厨开始准备做包子‘)
    for i in range(10):
        time.sleep(1)
        print(‘做了2个包子‘)
        c1.send(i)#send方法调用前面函数yiled
        c2.send(i)#send方法调用前面函数yiled

producer(‘lv‘)

三、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。

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。

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。

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。

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# __author__ = ‘lvlibing‘

from collections import Iterable
from collections import Iterator

print(isinstance((), Iterable))#T
print(isinstance([], Iterable))#T
print(isinstance({}, Iterable))#T

print(isinstance({}, Iterator))#F
print(isinstance([], Iterator))#F
print(isinstance(iter([]), Iterator))#T
print(isinstance(iter({}), Iterator))#T

‘‘‘
for x in [1,3,5,7,9]:
    pass
等同
it = iter([1,3,5,7,9])
while True:
    try:
        x = next(it)
    except StopIteration:
        break
‘‘‘