一，复习
'''
函数的嵌套定义：在函数内部定义另一个函数
闭包：被嵌套的函数
-- 1.外层通过形参给内层函数传参
-- 2.验证执行
开放封闭原则: 功能可以拓展，但源代码与调用方式都不可以改变
装饰器：装饰器名就是外层函数 @outer
@outer # fn = outer(fn)
def fn(): pass
'''
def wrap(func):
def inner(*args, **kwagrs):
# res = func(*args, **kwagrs)
res = outer.inner()
return res
return inner
def outer(func):
def inner(*args, **kwagrs):
pass
res = func(*args, **kwagrs)
pass # res
return res
return inner
@wrap # fn = warp(fn) = wrap(outer.inner) = wrap.inner
@outer # fn = outer(fn) = outer.inner
def fn(n1, n2, n3): pass
fn(1, 2, 3)
二，今日内容
# 1.带参装饰器 | wraps(文档注释) 了了解
# 2.迭代器 *****
# 可迭代对象
# 迭代器对象
# for迭代器
# 枚举对象
# 递归 ***
三，带参装饰器
# 通常，装饰器为被装饰的函数添加新功能，需要外界的参数
# -- outer参数固定一个，就是func
# -- inner参数固定同被装饰的函数，也不能添加新参数
# -- 可以借助函数的嵌套定义，外层给内层传参
def wrap(info):
def outer(func):
# info = 0
def inner(*args, **kwargs):
print('新：拓展的新功能，可能也需要外界的参数%s' % info)
res = func(*args, **kwargs)
return res
return inner
return outer
@wrap('外部参数')
def fn(): pass
# 系统的wraps带参装饰器：改变inner的假指向，本质外界使用的还是inner，但是打印显示的是wraps中的函数
from functools import wraps
def outer(func):
@wraps(func)
def inner(*args, **kwargs):
res = func(*args, **kwargs)
return res
return inner
@outer
def fn(): pass
四，迭代器
# 迭代器对象: 可以不用依赖索引取值的容器
# 可迭代对象：可以通过某种方法得到迭代器对象
# 迭代器优点：可以不用依赖索引取值
# 迭代器缺点：只能从前往后依次取值
五，可迭代对象
# 可迭代对象：有__iter__()方法的对象是可迭代对象，可迭代对象调用__iter__()得到迭代器对象
ls = [4, 1, 5, 2, 3]
res = ls.__iter__() # => 可迭代对象
print(res) # <list_iterator object at 0x000002732B0C7470>
# 可迭代对象有哪些：str | list | tuple | set | dict | range() | enumerate() | file | 生成器对象
六，迭代器对象
# 迭代器对象：有__next__()方法的对象是迭代器对象，迭代器对象依赖__next__()方法进行取值
with open('1.txt', 'rb') as f:
res = f.__next__() # 文件中的第一行内容
print(res)
res = f.__next__() # 文件中的第二行内容
print(res)
# 迭代器对象有哪些：enumerate() | file | 生成器对象
# 注：迭代器对象调用__iter__()方法返回的还是迭代器对象（返回自身）
七，for循环迭代器
# 直接用while True循环在迭代器对象中通过 __next__() 取值，终究会有取空的时候，取空再取值，报StopIteration异常
ls = [3, 1, 2, 3, 5]
iterator = ls.__iter__()
while True:
try:
print(iterator.__next__())
except StopIteration:
# print('取空了')
break
# for循环就是对while取迭代器对象的封装
for v in ls:
print(v)
for v in ls.__iter__(): # 可迭代对象.__iter__() => 迭代器对象
print(v)
iterator = ls.__iter__()
for v in iterator: # 迭代器对象.__iter__() => 自身
print(v)
# for循环迭代器的工作原理：
# for v in obj: pass
# 1）获取obj.__iter__()的结果，就是得到要操作的 迭代器对象
# 2）迭代器对象通过__next__()方法进行取值，依次将当前循环的取值结果赋值给v
# 3）当取值抛异常，自动处理StopIteration异常结束取值循环
八，生成器
# 生成器：自定义的迭代器对象
# -- 就是用函数语法来声明生成器，用yield关键字取代return关键字来返回值，参数没有多少变化
# 总结：有yield关键字的函数，函数名() 不是调用函数，而是生成得到 生成器对象，生成器对象就是迭代器对象，可以通过 __next__() 进行取值
# 执行流程:
def fn():
yield 1
yield 3
yield 5
obj = fn()
obj.__next__() # 从开始往下执行，遇到第一个yield停止，拿到yield的返回值
obj.__next__() # 从上一次停止的yield往下执行，在再遇到的yield时停止，拿到当前停止的yield的返回值
# ... # 以此类推，直到无法获得下一个yield，抛StopIteration异常
# 可以直接被for循环遍历
for v in fn():
print v
生成器案例：
# 案例一：创建生成器，从其取值，依次得到1! 2! 3! ...
def jiecheng():
ji = 1
count = 1
while True:
ji *= count
yield ji
count += 1
obj = jiecheng()
print(obj.__next__())
print(obj.__next__())
print(obj.__next__()) # 可以无限取
# 案例二：
def jiecheng_num(num):
ji = 1
for i in range(1, num + 1):
ji *= i
yield ji
# ...
obj = jiecheng_num(3)
print(obj.__next__())
print(obj.__next__())
print(obj.__next__())
print(obj.__next__()) # 有异常了
for v in jiecheng_num(5):
print(v) # 会自动处理异常停止
# 案例三：
def my_range(num): # => [0, 1, 2, ..., num - 1]
count = 0
while count < num:
yield count
count += 1
for v in my_range(10):
print(v, end=' ')
print(list(my_range(10)))
九，枚举对象
# 给可迭代器对象及迭代器对象添加迭代索引
s = 'abc'
for v in enumerate(s):
print(v) # (0 'a') | (1 'b') | (2 'c')
