本課主題
- 生成器介紹和操作实战
- 迭代器介紹和操作实战
- 序例化和反序例化
- Json 和 Pickle 操作实战
- 字符串格式化的应用
- 本周作业
生成器介紹和操作实战
什么是生成器，生成器是一个对象，它具有生成指定条件数据成力的一个对象，它不会生成，当只有循还它的时候才会生成，在Python2.7 有一个range( ) 和xrange ( ) 函数，它们是负责生成数据的，range( ) 会直接在內存中生成一个有数据的列表，然后xrange( ) 会生成一个对象，当你循还它的时候才会生成数据，它会有垃圾回收机制把没用的数据回收。
# range( ) >>> li = range(10) >>> li [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> type(li) <type ‘list‘> # xrange( ) >>> li2 = xrange(10) >>> li2 xrange(10) >>> type(li2) <type ‘xrange‘>
Python2.7里range( ) 和 xrange( )
对于生产来说是使用函数把它创造的，只有函数里存在一个关键事: "yield" 它便叫做生成器。但执行以下程序时，其实什么都没有打印出来，因为生成器返回的是一个对象，你需要循还它的时候才会生成数据。它第一次循还的時候，会找第一个 yield 后面的值然后就停下来，第二次循还会再次找下一个 yield 后面的值，然后打印出来，直到没无再找到 yield就会终止。
>>> def func():
... print("start")
... yield 1
... yield 2
... yield 3
>>> ret = func()
>>> print(ret, type(ret))
(<generator object func at 0x100708b40>, <type ‘generator‘>)
>>> for i in ret:
... print(i)
start
1
2
3
生成器基本概念
现在可以结果 __next__( )函数来调用生成器,__next__( ) 的功能进入函数然后找到 yield,只有找到 yield 便退出,并且获取yield后面的数据，直到找不到 yield，如果没有 yield 但是你还调用 __next__( )的话便会报错!! 也可以说是保存上一次执行的位置 (默认是 Yield 后面的数据位置)，当下一次再执行的时候，会在当前那个位置继续往下走。
def func():
print(111)
yield 1
print(222)
yield 2
print(333)
yield 3
ret = func()
r = ret.__next__() #进入函数找到 yield，并获取yield后面的数据
print("r:",r)
r1 = ret.__next__() #进入函数找到 yield，并获取yield后面的数据
print("r1:",r)
生成器結合__next__( )例子
動手自己寫一個生成器
具有生产能力的叫生成器,具有获取能力的叫迭代器，迭代器每一次迭代目的是取一個值
1 def myrange(args): 2 start = 0 3 while True: 4 if start > args: 5 return 6 yield start 7 start += 1 8 9 r = myrange(3) 10 ret = r.__next__() 11 print(ret) #0 12 13 ret = r.__next__() 14 print(ret) #1 15 16 ret = r.__next__() 17 print(ret) #2 18 19 ret = r.__next__() 20 print(ret) #3
生成器
迭代器介紹和操作实战
当你用生成器生成一个东西之后，它返回的是具有生成指定条件数据成力的一个对象，这个对象是一个可迭代的对象，然后你可以调用循还或者是__next__( )函数来获取这个对象里的值。
总结：生成器负责生成，返回的可迭代的对象叫迭代器!!!!
** Python 的 For = 其他語言的 Foreach
1 import lib.common 2 lib.common .f1()
Module
1 import sys 2 for file in sys.path: 3 print(file) 4 5 6 #/Users/jcchoiling/PycharmProjects/s13/day5 7 #/Users/jcchoiling/PycharmProjects/s13 8 #/usr/local/Cellar/python3/3.5.1/Frameworks/Python.framework/Versions/3.5/lib/python35.zip 9 #/usr/local/Cellar/python3/3.5.1/Frameworks/Python.framework/Versions/3.5/lib/python3.5 10 #/usr/local/Cellar/python3/3.5.1/Frameworks/Python.framework/Versions/3.5/lib/python3.5/plat-darwin 11 #/usr/local/Cellar/python3/3.5.1/Frameworks/Python.framework/Versions/3.5/lib/python3.5/lib-dynload
Module:sys
序例化与反序例化
Json
字符串 <--> Python 的基本数据类型之间的转换
序列化 - dumps( ): 把 Python 的字典变成字符串，将 Python 基本数据类型转化成字符串形式
>>> import json
>>> dic = {"k1":"v1"}
>>> print(dic, type(dict))
{‘k1‘: ‘v1‘} <class ‘type‘>
>>> ret = json.dumps(dic) #把 Json 转换成字典
>>> print(ret, type(ret))
{"k1": "v1"} <class ‘str‘>
序例化
反序列化 - loads( )：把字符串转化成 Python 基本的数据类型
>>> s1 = ‘{"k1":"v1"}‘
>>> dic = json.loads(s1)
>>> print(s1, type(s1))
{"k1":"v1"} <class ‘str‘>
>>> print(dic, type(dic))
{‘k1‘: ‘v1‘} <class ‘dict‘>
反序列化
不同语言之间对引号的定义都不同，有些时单引号代表字符，双引号则代表字符串，在进行序例化的时候，外面的括号必顺是单引号，里面的内容必顺是双引号，因为Json是一种可以跨平台进行信息传递的一种格式，这是确保能够在不同语言中Json 都能够进行序例化和反序例化。
>>> import json >>> r = json.dumps([11,22,33]) # 把基本数据类型转换成字符串(序例化) >>> print(r, type(r)) [11, 22, 33] <class ‘str‘> >>> li = ‘["alex","eric"]‘ >>> ret = json.loads(li) # 把字符串转换成列表(反序例化) >>> print(ret,type(ret)) [‘alex‘, ‘eric‘] <class ‘list‘>
综合例子
对于dumps( ) 和 loads( ) 的操作是发生在内存里，但 Json 也有一个叫 dump( ) 和 load( ) 的函数，它们主要比前面的两个函数多了一个步骤，如果是dump( )的话，它会先进行序例化(基本类型--> 字符串)，然后把结果写到另外一个文件里。如果是 load( )的话，它会先把结果写进文件然后从文件里获取信息，然后进行反序例化(字符串 --> 基本类型)。
import json
li = [11,22,33]
json.dump(li,open("db","w")) #第一步：先序例代, 第二步：把序例代後的結果寫列文件裡e.g. db
li = json.load(open("db","r"))
print(li,type(li))
#[11, 22, 33] <class ‘list‘>
dump和load的操作
Pickle
Python 的 Pickle 有特殊的序例化和反序例化功能，它也有 dumps()和 loads()的方法，Pickle 只能在 Python 語言用，序列化后返回一个 pickle 认识的字符串，它也只支持以字節的方式來操作
>>> import pickle >>> li = [11,22,33] >>> r=pickle.dumps(li) >>> print(r) b‘\x80\x03]q\x00(K\x0bK\x16K!e.‘ >>> ret = pickle.loads(r) >>> print(ret) [11, 22, 33]
pickle的dumps和loads操作
>>> import pickle
>>> li = [11,22,33]
>>> r=pickle.dump(li,open("db","wb"))
>>> ret = pickle.load(open("db","rb"))
>>> print(ret)
[11, 22, 33]
pickle的dump和load操作
Json 和 Pickle 的对比：
- Json 更适合跨平台/语言的操作
- Pickle 适合复杂类型的操作
import pickle class Foo(): def __init__(self): pass f = Foo() p = pickle.dumps(f)pickle dumps 一个对象
实战例子
一般来说信息之间通信是通过发送Http-request 来获取的，我给你请求你给我字符串、它们会返回一个Json形式的字符串，然后你要通过反序例化把它转换成 Python 的字典来进行下一步的操作，调用 request.get( )时会把你需要的信息，比如说请求状态、Cookie、Header, etc. 都封装到response对象里(e.g. response = request.get("http//....")，然后调用 response.text( ) 來获取这次请求返回的内容。
import requests
import json
#获取天气数据API
#通过 http request 取天气的数据
response = requests.get("http://wthrcdn.etouch.cn/weather_mini?city=上海")
response.encoding = ‘utf-8‘
print("Before", type(response)) #把它变成字符串
#然后进行反序列化,把字符串转换成 Python 的数据类型:字典
ret = json.loads(response.text)
print("After", type(ret)) #把它由字符串变成字典
print(ret)
#Before <class ‘requests.models.Response‘>
#After <class ‘dict‘>
#{‘status‘: 1000, ‘data‘: {‘city‘: ‘上海‘, ‘yesterday‘: {‘date‘: ‘2日星期五‘, ‘type‘: ‘晴‘, ‘fl‘: ‘微风‘, ‘low‘: ‘低温 25℃‘, ‘high‘: ‘高温 34℃‘, ‘fx‘: ‘西风‘}, ‘forecast‘: [{‘date‘: ‘3日星期六‘, ‘type‘: ‘晴‘, ‘low‘: ‘低温 25℃‘, ‘high‘: ‘高温 35℃‘, ‘fengli‘: ‘微风级‘, ‘fengxiang‘: ‘东北风‘}, {‘date‘: ‘4日星期天‘, ‘type‘: ‘多云‘, ‘low‘: ‘低温 25℃‘, ‘high‘: ‘高温 33℃‘, ‘fengli‘: ‘微风级‘, ‘fengxiang‘: ‘东北风‘}, {‘date‘: ‘5日星期一‘, ‘type‘: ‘阴‘, ‘low‘: ‘低温 24℃‘, ‘high‘: ‘高温 32℃‘, ‘fengli‘: ‘微风级‘, ‘fengxiang‘: ‘东北风‘}, {‘date‘: ‘6日星期二‘, ‘type‘: ‘阴‘, ‘low‘: ‘低温 24℃‘, ‘high‘: ‘高温 29℃‘, ‘fengli‘: ‘微风级‘, ‘fengxiang‘: ‘东北风‘}, {‘date‘: ‘7日星期三‘, ‘type‘: ‘阵雨‘, ‘low‘: ‘低温 23℃‘, ‘high‘: ‘高温 29℃‘, ‘fengli‘: ‘微风级‘, ‘fengxiang‘: ‘东北风‘}], ‘ganmao‘: ‘各项气象条件适宜，发生感冒机率较低。但请避免长期处于空调房间中，以防感冒。‘, ‘aqi‘: ‘115‘, ‘wendu‘: ‘31‘}, ‘desc‘: ‘OK‘}
获取天气数据API
字符串格式化的应用
[更新中]
本周作业
ATM 作業
模疑实现一个 ATM + 购物商城程序
- 额度15000 或自定义
- 实现购物商城，卖东西加入购物车，调用信用卡接口结账
- 可以提现，手续费 5%
- 每月 22号出粮，每月10号为还款日、过期未还，按欠款总额 5% 每日利息
- 支持多账户登录
- 支持账户间转账
- 记录每月日常流水
- 提供还款接口
- ATM记录操作日志
- 接供管理接口，包括添加账户，用户额度，冻结账户等
bin 執行文件
atm.py start 每口程序不超過10行
shopping.py
modules/core
conf 配置文件
user_db
log format
log 日誌
db