重新学习python：
两年前学了点python之后就一直没做做过啥项目， 基本上全忘光了，复习一下搞点事情
or |and &
ord() ascii转16进制
chr() 16进制转ascii
>>> u‘ABC‘.encode(‘utf-8‘) ‘ABC‘ >>> u‘中文‘.encode(‘utf-8‘) ‘\xe4\xb8\xad\xe6\x96\x87‘
>>> ‘abc‘.decode(‘utf-8‘) u‘abc‘ >>> ‘\xe4\xb8\xad\xe6\x96\x87‘.decode(‘utf-8‘) u‘\u4e2d\u6587‘ >>> print ‘\xe4\xb8\xad\xe6\x96\x87‘.decode(‘utf-8‘) 中文
数组list：
append(‘a‘) 插到后面insert(1,‘a‘) 指定位置
pop() 删除末尾 删除指定
元组tuple：
只有1个元素的tuple定义时必须加一个逗号,，来消除歧义：
>>> t = (1,) >>> t (1,)
“可变的”tuple：t = (‘a‘, ‘b‘, [‘A‘, ‘B‘])
dict：key-value存储方式
通过in判断key是否存在：
iteritems
>>> ‘Thomas‘ in d False
通过dict提供的get方法：如果key不存在，可以返回None，或者自己指定的value(不改变dict)
dict = {
‘a‘ : "this a",
‘b‘ : "this b",
‘c‘ : "this c",
‘d‘ : "this d"
}
print dict.get(‘f‘,"hello")
print dict
hello
{‘a‘: ‘this a‘, ‘c‘: ‘this c‘, ‘b‘: ‘this b‘, ‘d‘: ‘this d‘}
用pop(key)方法，对应的value也会从dict中删除
和list比较，dict有以下几个特点：
- 查找和插入的速度极快，不会随着key的增加而增加；
- 需要占用大量的内存，内存浪费多。
而list相反：
- 查找和插入的时间随着元素的增加而增加；
- 占用空间小，浪费内存很少
set:一组key的集合，但不存储value。由于key不能重复，所以，在set中，没有重复的key。
通过add(key)方法可以添加元素到set中，可以重复添加，但不会有效果
通过remove(key)方法可以删除元素：
>>> s1 = set([1, 2, 3]) >>> s2 = set([2, 3, 4]) >>> s1 & s2 set([2, 3]) >>> s1 | s2 set([1, 2, 3, 4])
再议不可变对象 上面我们讲了，str是不变对象，而list是可变对象。 对于可变对象，比如list，对list进行操作，list内部的内容是会变化的，比如： >>> a = [‘c‘, ‘b‘, ‘a‘] >>> a.sort() >>> a [‘a‘, ‘b‘, ‘c‘] 而对于不可变对象，比如str，对str进行操作呢： >>> a = ‘abc‘ >>> a.replace(‘a‘, ‘A‘) ‘Abc‘ >>> a ‘abc‘ 虽然字符串有个replace()方法，也确实变出了‘Abc‘，但变量a最后仍是‘abc‘，应该怎么理解呢？ 我们先把代码改成下面这样： >>> a = ‘abc‘ >>> b = a.replace(‘a‘, ‘A‘) >>> b ‘Abc‘ >>> a ‘abc‘ 要始终牢记的是，a是变量，而‘abc‘才是字符串对象！有些时候，我们经常说，对象a的内容是‘abc‘，但其实是指，a本身是一个变量，它指向的对象的内容才是‘abc‘：
调用函数
http://docs.python.org/2/library/functions.html#abs
如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：
>>> from collections import Iterable >>> isinstance(‘abc‘, Iterable) # str是否可迭代 True >>> isinstance([1,2,3], Iterable) # list是否可迭代 True >>> isinstance(123, Iterable) # 整数是否可迭代 False
Python内置的enumerate函数可以把一个list变成索引-元素对
>>> for i, value in enumerate([‘A‘, ‘B‘, ‘C‘]): ... print i, value ... 0 A 1 B 2 C
>>> for x, y in [(1, 1), (2, 4), (3, 9)]: ... print x, y ... 1 1 2 4 3 9
for循环其实可以同时使用两个甚至多个变量，比如dict的iteritems()可以同时迭代key和value
>>> d = {‘x‘: ‘A‘, ‘y‘: ‘B‘, ‘z‘: ‘C‘ }
>>> for k, v in d.iteritems():
... print k, ‘=‘, v
...
y = B
x = A
z = C
列表生成式则可以用一行语句代替循环生成上面的list：
>>> [x * x for x in range(1, 11)] [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]>>> [m + n for m in ‘ABC‘ for n in ‘XYZ‘]
[‘AX‘, ‘AY‘, ‘AZ‘, ‘BX‘, ‘BY‘, ‘BZ‘, ‘CX‘, ‘CY‘, ‘CZ‘]>>> import os # 导入os模块，模块的概念后面讲到
>>> [d for d in os.listdir(‘.‘)] # os.listdir可以列出文件和目录
[‘.emacs.d‘, ‘.ssh‘, ‘.Trash‘, ‘Adlm‘, ‘Applications‘, ‘Desktop‘, ‘Documents‘, ‘Downloads‘, ‘Library‘, ‘Movies‘, ‘Music‘, ‘Pictures‘, ‘Public‘, ‘VirtualBox VMs‘, ‘Workspace‘, ‘XCode‘]list中所有的字符串变成小写:
list.lower()
>>> L = [‘Hello‘, ‘World‘, ‘IBM‘, ‘Apple‘] >>> [s.lower() for s in L] [‘hello‘, ‘world‘, ‘ibm‘, ‘apple‘]
使用内建的isinstance函数可以判断一个变量是不是字符串：
>>> x = ‘abc‘ >>> y = 123 >>> isinstance(x, str) True >>> isinstance(y, str) False
生成器generator： 只要把一个列表生成式的[]改成()，就创建了一个generator：
g = (x * x for x in range(10))
用 g.next() 打印
正确的方法是使用for循环，因为generator也是可迭代对象
>>> g = (x * x for x in range(10)) >>> for n in g: ... print n ... 0 1 4 9
把print b改为yield b就可以变成生成器generator：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b #print b
a, b = b, a + b
n = n + 1
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： >>> fib(6) <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。 举个简单的例子，定义一个generator，依次返回数字1，3，5： >>> def odd(): ... print ‘step 1‘ ... yield 1 ... print ‘step 2‘ ... yield 3 ... print ‘step 3‘ ... yield 5 ... >>> o = odd() >>> o.next() step 1 1 >>> o.next() step 2 3 >>> o.next() step 3 5 >>> o.next() Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration 可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next()就报错。 回到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()来调用它，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
map()
>>> def f(x): ... return x * x ... >>> map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9]) [1, 4, 9, 16, 25, 36, 49, 64, 81]
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
>>> def add(x, y): ... return x + y ... >>> reduce(add, [1, 3, 5, 7, 9]) 25
upper()——所有字母大写
lower()——所有字母小写
capitalize()——首字母大写，其他字母小写
title()——所有单词首字母大写，其他小写
filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素
def is_odd(n):
return n % 2 == 1
filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])
# 结果: [1, 5, 9, 15]
Python内置的sorted()函数就可以对list进行排序：
它还可以接收一个比较函数来实现自定义的排序。比如，如果要倒序排序，我们就可以自定义一个reversed_cmp函数：
def reversed_cmp(x, y):
if x > y:
return -1
if x < y:
return 1
return 0
传入自定义的比较函数reversed_cmp，就可以实现倒序排序：
>>> sorted([36, 5, 12, 9, 21], reversed_cmp) [36, 21, 12, 9, 5]
忽略大小写来比较两个字符串，实际上就是先把字符串都变成大写（或者都变成小写），再比较。
返回闭包时牢记的一点就是：返回函数不要引用任何循环变量，或者后续会发生变化的变量。
闭包
注意到返回的函数在其定义内部引用了局部变量args，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。
另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了f()才执行。我们来看一个例子：
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
在上面的例子中，每次循环，都创建了一个新的函数，然后，把创建的3个函数都返回了。
你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果是：
>>> f1()
9
>>> f2()
9
>>> f3()
9
匿名函数lambda x: x * x实际上就是：
def f(x):
return x * x
装饰器：def log(func):
def wrapper(*args, **kw):
print ‘call %s():‘ % func.__name__
return func(*args, **kw)
return wrapper
@log
def now():
print ‘2013-12-25
now()
把@log放到now()函数的定义处，相当于执行了语句：now = log(now)
偏函数import functools
def func(x,y):
print x+y
func2 = functools.partial(func, y=‘fuck‘)
func2("hello ")
模块别名：try:
import cStringIO as StringIO
except ImportError: # 导入失败会捕获到ImportError
import StringIO