装饰器（http://egon09.blog.51cto.com/9161406/1836763）
１、装饰器：本质是函数；
装饰器（装饰其他函数），就是为其他函数添加附加功能；
原则：１．不能修改被装饰函数的源代码；
２．不能修改被装饰的函数的调用方式；
装饰器对被装饰的函数完全透明的，没有修改被装饰函数的代码和调用方式。
实现装饰器知识储备：
１．函数即“变量”；
２．高阶函数；
３．嵌套函数
高阶函数＋嵌套函数＝》装饰器
匿名函数（lambda表达式）
>>> calc = lambda x:x*3
>>> calc(2)6高阶函数：
a.把一个函数名当做实参传递给另外一个函数；
>>> def bar():
print("in the bar.....")>>> def foo(func):
print(func)
>>> foo(bar)<function bar at 0x7f8b3653cbf8>
b.返回值中包含函数名；
>>> import time
>>> def foo(): time.sleep(3) print("in the foo.....")>>> def main(func): print(func) return func>>> t = main(foo)<function foo at 0x7fb7dc9e3378>>>> t()in the foo.....
装饰器：
在不修改源代码的情况下，统计程序运行的时间：
import time def timmer(func): def warpper(*args,**kwargs): ＃warpper(*args,**kwargs)万能参数，可以指定参数，也可以不指定参数 start_time = time.time() #计算时间 func() stop_time = time.time() print("the func run time is %s" %(stop_time-start_time)) #计算函数的运行时间 return warpper @timmer ＃等价于test1 = timmer(test1)，因此函数的执行调用是在装饰器里面执行调用的 def test1(): time.sleep(3) print("in the test1") test1() 运行结果如下： in the test1
the func run time is 3.001983404159546装饰器带参数的情况：
import time def timmer(func): def warpper(*args,**kwargs): start_time = time.time() #计算时间 func(*args,**kwargs) ＃执行函数，装饰器参数情况 stop_time = time.time() print("the func run time is %s" %(stop_time-start_time)) #计算函数的运行时间 return warpper ＃返回内层函数名 @timmer def test1(): time.sleep(3) print("in the test1") @timmer ＃test2 = timmer(test2) def test2(name): print("in the test2 %s" %name) test1() test2("alex") 运行结果如下： in the test1
the func run time is 3.0032410621643066in the test2 alexthe func run time is 2.3603439331054688e-05装饰器返回值情况：
import timeuser,passwd = "alex","abc123"def auth(func): def wrapper(*args,**kwargs): username = input("Username:").strip() password = input("Password:").strip() if user == username and passwd == password: print("\033[32;1mUser has passed authentication.\033[0m") return func(*args,**kwargs) #实际上执行调用的函数 # res = func(*args,**kwargs) # return res #函数返回值的情况，因为装饰器调用的时候是在装饰器调用的函数，因此返回值也在这个函数中 else: exit("\033[31;1mInvalid username or password.\033[0m") return wrapperdef index(): print("welcome to index page...")@authdef home(): #用户自己页面 print("welcome to home page...") return "form home..."@authdef bbs(): print("welcome to bbs page")index()print(home())bbs()
装饰器带参数的情况：
实现：１、本地验证；２、远程验证
import timeuser,passwd = "alex","abc123"def auth(auth_type): '''函数的多层嵌套，先执行外层函数''' print("auth_type",auth_type) def out_wrapper(func): def wrapper(*args,**kwargs): print("wrapper func args:",*args,**kwargs) if auth_type == "local": username = input("Username:").strip() password = input("Password:").strip() if user == username and passwd == password: print("\033[32;1mUser has passed authentication.\033[0m") func(*args,**kwargs) #实际上执行调用的函数 # res = func(*args,**kwargs) # return res #函数返回值的情况，因为装饰器调用的时候是在装饰器调用的函数，因此返回值也在这个函数中 else: exit("\033[31;1mInvalid username or password.\033[0m") elif auth_type == "ldap": print("搞毛线lbap,傻逼．．．．") return wrapper return out_wrapperdef index(): print("welcome to index page...")@auth(auth_type="local")def home(): #用户自己页面 print("welcome to home page...") return "form home..."@auth(auth_type="ldap")def bbs(): print("welcome to bbs page")index()home()bbs() #函数没有，因为没有调用函数，函数的调用在装饰器里面，是装饰器调用了函数 迭代器和生成器
生成器
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
>>> l1 = (i for i in range(10)) >>> l1 <generator object <genexpr> at 0x7f6a9fbcaeb8> >>> l1.__next__() 0 >>> l1.__next__() 1 生成器：只有在调用时才会生成相应的数据；
只有通过__next__()方法进行执行，这种能够记录程序运行的状态，yield用来生成迭代器函数。（只能往后调用，不能向前或者往后推移，只记住当前状态，因此银行的系统用来记录的时候可以使用yield函数)。
'''利用yield实现异步的效果，发送接收消息'''import timedef consumer(name): '''消费者吃包子模型''' print("%s准备吃包子了......" %name) while True: '''循环，由于没有终止''' baozi = yield print("包子%s被%s吃了......" %(baozi,name))def producer(boss): '''生产者生产包子模型，生产者要生产包子''' c1 = consumer("A") c2 = consumer("B") c1.__next__() c2.__next__() '''接下来，生产者要生产包子了,并传递给消费者''' for i in range(1,10): time.sleep(1) c1.send(i) c2.send(i)producer("Alex") 运行如下： A准备吃包子了...... B准备吃包子了...... 包子1被A吃了...... 包子1被B吃了...... 包子2被A吃了...... 包子2被B吃了...... 包子3被A吃了...... 包子3被B吃了...... 包子4被A吃了...... 包子4被B吃了...... 包子5被A吃了...... 包子5被B吃了...... 包子6被A吃了...... 包子6被B吃了...... 包子7被A吃了...... 包子7被B吃了...... 包子8被A吃了...... 包子8被B吃了...... 包子9被A吃了...... 包子9被B吃了..... 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
>>> from collections import Iterable >>> isinstance ([], Iterable) True >>> isinstance ({}, Iterable) True >>> isinstance ( 'abc' , Iterable) True >>> isinstance ((x for x in range ( 10 )), Iterable) True >>> isinstance ( 100 , Iterable) False