【从零开始学Python】篇12-进阶篇-三器(迭代、生成、装饰)

# 这些都是迭代for i in [1, 2, 3]:    print(i)for c in "hello":    print(c)for k in {"name": "小明", "age": 18}:    print(k)

# 判断是否可迭代from collections.abc import Iterableprint(isinstance([1,2,3], Iterable))# Trueprint(isinstance("abc", Iterable))# Trueprint(isinstance(123, Iterable))# False

# 从可迭代对象获取迭代器my_list =[1,2,3]iterator =iter(my_list)# 或 my_list.__iter__()# 手动获取元素print(next(iterator))# 1  或 iterator.__next__()print(next(iterator))# 2print(next(iterator))# 3print(next(iterator))# StopIteration 异常，没有更多元素了

# 普通列表：一次性加载1000万个数字 → 内存爆炸 💥big_list =[i for i inrange(10000000)]# 迭代器：一次只产生一个 → 内存友好 ✅big_iterator =iter(range(10000000))next(big_iterator)# 只拿一个

class CountDown:    """倒计时迭代器"""    def __init__(self, start):        self.current = start    def __iter__(self):        return self  # 迭代器返回自己    def __next__(self):        if self.current < 0:            raise StopIteration        value = self.current        self.current -= 1        return value# 使用for num in CountDown(5):    print(num)  # 5 4 3 2 1 0   

def count_down(n):    while n >= 0:        yield n  # 暂停，返回 n        n -= 1# 调用生成器函数，得到一个生成器对象g = count_down(5)print(g)  # <generator object count_down at 0x...># 使用生成器for num in count_down(5):    print(num)  # 5 4 3 2 1 0# 或者手动获取g = count_down(3)print(next(g))  # 3print(next(g))  # 2print(next(g))  # 1print(next(g))  # 0print(next(g))  # StopIteration

# 列表推导式：立即生成所有数据squares_list = [x**2 for x in range(10)]print(squares_list)  # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]# 生成器表达式：惰性生成squares_gen = (x**2 for x in range(10))print(squares_gen)   # <generator object <genexpr> at 0x...># 逐个获取print(next(squares_gen))  # 0print(next(squares_gen))  # 1# 也可以 for 循环for val in (x**2 for x in range(5)):    print(val)  # 0 1 4 9 16

import sys# 列表：占用大量内存list_nums = [i for i in range(1000000)]print(sys.getsizeof(list_nums))  # 约 8MB# 生成器：几乎不占内存gen_nums = (i for i in range(1000000))print(sys.getsizeof(gen_nums))   # 约 112 字节# 两者都可以遍历，但内存消耗天差地别

def read_large_file(file_path):    """一行一行读取大文件，不一次性加载到内存"""    with open(file_path, 'r', encoding='utf-8') as f:        for line in f:            yield line.strip()# 使用for line in read_large_file("big_file.txt"):    process(line)  # 处理每一行

def fibonacci():    """无限生成斐波那契数列"""    a, b = 0, 1    while True:        yield a        a, b = b, a + b# 取前10个fib = fibonacci()for i in range(10):    print(next(fib))  # 0 1 1 2 3 5 8 13 21 34# 不要直接 list(fibonacci())，会无限循环！

def read_logs(file_path):    for line in open(file_path):        yield line.strip()def filter_error(lines):    for line in lines:        if "ERROR" in line:            yield linedef extract_message(error_lines):    for line in error_lines:        yield line.split("ERROR:")[-1]# 流水线：一条龙处理，每步都是惰性logs = read_logs("app.log")errors = filter_error(logs)messages = extract_message(errors)for msg in messages:    print(msg)

# 1. 赋值给变量def greet(name):    return f"Hello {name}"say_hello = greetprint(say_hello("小明"))  # Hello 小明# 2. 作为参数传递def run(func, value):    return func(value)print(run(greet, "小红"))  # Hello 小红# 3. 作为返回值def make_greeter(prefix):    def greeter(name):        return f"{prefix}{name}"    return greeterhello = make_greeter("Hi")print(hello("李四"))  # Hi 李四

# 定义一个装饰器def my_decorator(func):    def wrapper():        print("函数执行前...")        func()        print("函数执行后...")    return wrapper# 使用装饰器@my_decoratordef say_hello():    print("Hello!")# 等价于# say_hello = my_decorator(say_hello)say_hello()# 输出：# 函数执行前...# Hello!# 函数执行后...

def timer(func):    """计算函数执行时间的装饰器"""    import time    def wrapper(*args, **kwargs):        start = time.time()        result = func(*args, **kwargs)        end = time.time()        print(f"{func.__name__} 耗时：{end-start:.4f}秒")        return result    return wrapper@timerdef slow_sum(n):    total = 0    for i in range(n):        total += i    return total@timerdef greet(name, greeting="你好"):    print(f"{greeting}，{name}")# 使用slow_sum(10000000)   # slow_sum 耗时：0.23秒greet("小明")         # 你好，小明  greet 耗时：0.0000秒

def repeat(times):    """重复执行函数的装饰器"""    def decorator(func):        def wrapper(*args, **kwargs):            results = []            for i in range(times):                result = func(*args, **kwargs)                results.append(result)            return results        return wrapper    return decorator@repeat(3)def say_hello():    return "Hello"print(say_hello())  # ['Hello', 'Hello', 'Hello']

def bold(func):    def wrapper():        return "<b>" + func() + "</b>"    return wrapperdef italic(func):    def wrapper():        return "<i>" + func() + "</i>"     return wrapper@bold@italicdef say():    return "Hello"print(say())  # <b><i>Hello</i></b># 从下往上执行：先 italic，再 bold

from functools import wrapsdef my_decorator(func):    @wraps(func)  # 保留原函数的元信息    def wrapper(*args, **kwargs):        """wrapper 的文档"""        print("装饰器执行")        return func(*args, **kwargs)    return wrapper@my_decoratordef greet(name):    """greet 的文档"""    print(f"Hello {name}")print(greet.__name__)   # greet（没有@wraps会变成wrapper）print(greet.__doc__)    # greet 的文档

from functools import wrapsuser_logged_in = False  # 模拟登录状态def login_required(func):    @wraps(func)    def wrapper(*args, **kwargs):        if not user_logged_in:            return "请先登录"        return func(*args, **kwargs)    return wrapper@login_requireddef view_profile(user_id):    return f"查看用户 {user_id} 的档案"@login_requireddef delete_post(post_id):    return f"删除文章 {post_id}"print(view_profile(100))   # 请先登录

import timefrom functools import wrapsdef retry(max_retries=3, delay=1):    def decorator(func):        @wraps(func)        def wrapper(*args, **kwargs):            last_exception = None            for attempt in range(max_retries):                try:                    return func(*args, **kwargs)                except Exception as e:                    last_exception = e                    print(f"尝试 {attempt+1}/{max_retries} 失败: {e}")                    if attempt < max_retries - 1:                        time.sleep(delay)            raise last_exception        return wrapper    return decorator@retry(max_retries=3, delay=0.5)def unstable_function():    import random    if random.random() < 0.7:        raise ValueError("随机失败")    return "成功"print(unstable_function())

from functools import wraps, lru_cache# 方式1：手动实现def cache(func):    _cache = {}    @wraps(func)    def wrapper(*args):        if args in _cache:            print("从缓存获取结果")            return _cache[args]        print("计算结果")        result = func(*args)        _cache[args] = result        return result    return wrapper@cachedef fib(n):    if n < 2:        return n    return fib(n-1) + fib(n-2)print(fib(10))  # 只计算一次，后面从缓存取# 方式2：使用内置的 lru_cache（更推荐）from functools import lru_cache@lru_cache(maxsize=128)def fib2(n):    if n < 2:        return n    return fib2(n-1) + fib2(n-2)print(fib2(100))  # 轻松计算，有缓存

import timefrom functools import wrapsdef log(func):    @wraps(func)    def wrapper(*args, **kwargs):        print(f"[调用] {func.__name__} 参数: {args}, {kwargs}")        start = time.time()        result = func(*args, **kwargs)        end = time.time()        print(f"[返回] {func.__name__} 结果: {result} 耗时: {end-start:.4f}s")        return result    return wrapper@logdef add(a, b):    return a + b@logdef multiply(a, b):    return a * badd(3, 5)multiply(4, 6)

g = (x for x in range(5))print(list(g))  # [0,1,2,3,4]print(list(g))  # [] 空了！# 需要重新创建g2 = (x for x in range(5))

def bad_decorator(func):    def wrapper():        return func()    return wrapper@bad_decoratordef hello():    """重要文档"""    passprint(hello.__name__)  # wrapper（丢失了原函数名）print(hello.__doc__)   # None（丢失了文档）# 加上 @wraps 解决

class MyClass:    @staticmethod    def method():  # 这个可以        pass    @timer  # ❌ 如果 timer 没有处理 self，会出错    def method2(self):        pass

# 生成器本身内存小，但每次 next 都要计算# 对于小数据，列表可能更快# 100个以内的数据，用列表即可

import timefrom functools import wraps, lru_cachedef log_and_time(func):    """日志+计时的装饰器"""    @wraps(func)    def wrapper(*args, **kwargs):        print(f"[调用] {func.__name__}({args})")        start = time.time()        result = func(*args, **kwargs)        end = time.time()        print(f"[返回] {result} 耗时: {(end-start)*1000:.2f}ms")        return result    return wrapper@log_and_time@lru_cache(maxsize=None)def fib(n):    if n < 2:        return n    return fib(n-1) + fib(n-2)print(fib(35))# 第一次：计算所有，打印日志# 第二次：fib(35) 直接返回缓存，极快print(fib(35))  # 从缓存取，不打印日志