装饰器、迭代器、生成器

简介:

装饰器


'''

增加装饰时间模块

1、不修改原有函数内容

2、不修改函数调用方式

'''

import time

def timer(func):

    def deco():

        start_time=time.time()

        func()

        stop_time=time.time()

        print 'running time:',stop_time-start_time

    return deco()


@timer

def test1():

    time.sleep(3)

    print 'int the test1'



'''

增加认证模块

'''

import time

user,passwd='alex','abc123'

def auth(auth_type):

    def outer_wrapper(func):

        def wrapper(*args,**kwargs):

            if auth_type=='local':

                username=raw_input('username:')

                password=raw_input('password:')

                if user==username and password==passwd:

                    print '\033[32;1mUser has passed authentication\033[0m'

                    res=func(*args,**kwargs)

                    return res

                else:

                    exit('\033[31;1mInvalid username or password\033[0m')

            elif auth_type=='ldap':

                print 'no ldap'

        return wrapper

    return outer_wrapper


@auth(auth_type='local')

def index():

    print 'in the index'

    return 'from index'


@auth(auth_type='ldap')

def home():

    print 'in the home'

    return 'from home'


index()

home()


迭代器


迭代器就是有一个next()方法的对象。


迭代器也有一些限制,例如不能向后移动,不能回到开始,也不能复制一个迭代器。如果要再次或同时迭代同个对象,只能去创建另一个迭代器对象。


reversed()内建函数将返回一个反序列访问的迭代器。

enumerate()内建函数同样也返回迭代器。

此外,python还提供一整个itertools模块,它包含各种有用的迭代器。


如:

myTuple=(123,'xyz',45.67)

i=iter(myTuple)

i.next()


如果是一个实际应用程序,那么我们需要把代码放在一个try-except块中。序列现在会自动地产生它们自己的迭代器,所以一个for循环:

for i in seq:

 do_something_to(i)

实际上是这样工作的:

fetch=iter(seq)

while True:

    try:

        i=fetch.next()

    except StopIteration:

        break

    do_something_to(i)


除了序列之外,字典和文件是另外两个可迭代的python数据类型。


生成器


协同程序是可以运行的独立函数调用,可以暂停或者挂起,并从程序离开的地方继续或者重新开始。


挂起返回出中间值并多次继续的协同程序被称为生成器,那就是python的生成器真正做的事。


什么是python式的生成器?从语法上讲,生成器是一个带yield语句的函数。一个函数或者子程序只返回一次,但一个生成器能暂停执行并返回一个中间的结果——那就是yield语句的功能,返回一个值给调用者并暂停执行。当生成器的next()方法被调用的时候,它会准确地从离开地方继续。


python的for循环有next()调用和对StopIteration的处理。


如果想终结一个生成器,可以调用close()方法。












本文转自Grodd51CTO博客,原文链接:http://blog.51cto.com/juispan/1960330,如需转载请自行联系原作者

相关文章
|
3天前
|
云安全 人工智能 自然语言处理
|
7天前
|
人工智能 Java API
Java 正式进入 Agentic AI 时代:Spring AI Alibaba 1.1 发布背后的技术演进
Spring AI Alibaba 1.1 正式发布,提供极简方式构建企业级AI智能体。基于ReactAgent核心,支持多智能体协作、上下文工程与生产级管控,助力开发者快速打造可靠、可扩展的智能应用。
714 17
|
10天前
|
数据采集 人工智能 自然语言处理
Meta SAM3开源:让图像分割,听懂你的话
Meta发布并开源SAM 3,首个支持文本或视觉提示的统一图像视频分割模型,可精准分割“红色条纹伞”等开放词汇概念,覆盖400万独特概念,性能达人类水平75%–80%,推动视觉分割新突破。
749 57
Meta SAM3开源:让图像分割,听懂你的话
|
8天前
|
搜索推荐 编译器 Linux
一个可用于企业开发及通用跨平台的Makefile文件
一款适用于企业级开发的通用跨平台Makefile,支持C/C++混合编译、多目标输出(可执行文件、静态/动态库)、Release/Debug版本管理。配置简洁,仅需修改带`MF_CONFIGURE_`前缀的变量,支持脚本化配置与子Makefile管理,具备完善日志、错误提示和跨平台兼容性,附详细文档与示例,便于学习与集成。
329 116
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
AgentEvolver:让智能体系统学会「自我进化」
AgentEvolver 是一个自进化智能体系统,通过自我任务生成、经验导航与反思归因三大机制,推动AI从“被动执行”迈向“主动学习”。它显著提升强化学习效率,在更少参数下实现更强性能,助力智能体持续自我迭代。开源地址:https://github.com/modelscope/AgentEvolver
495 37
|
23天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~
|
2天前
|
Rust 安全
掌握Rust文件读取(从零开始的IO操作指南)
本教程手把手教你用Rust读取文件,涵盖`read_to_string`一次性读取和`BufReader`逐行高效读取,适合初学者掌握安全、高效的Rust文件操作,助你轻松入门系统编程。
149 113