这篇文章主要介绍了python中的生成器、迭代器、闭包、装饰器的相关知识，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下
目录
1|1可迭代对象
[b]1|2判断是否可以迭代
1|3什么是迭代器
1|4iter()函数
1|5总结：
2|0生成器
2|1什么是生成器
3|0闭包
3|1什么是闭包
3|2闭包的一个例子
4|3装饰器带参数
迭代是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
1|1可迭代对象
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 。
1|2判断是否可以迭代
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(123,Iterable) # False isinstance((x for x in range(10)),Iterable) # True
1|3什么是迭代器
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可以使用 isinstance() 判断一个对象是否是 Iterator 对象：
from collections import Iterator isinstance([],Iterator) False isinstance({},Iterator) False isinstance((x for x in range(10)),Iterator) # True
生成器都是迭代器。
1|4iter()函数
虽然list 、 tuple 、 dict 、 set 、 str 等是可迭代对象，但他们不是迭代器。可以通过iter()函数把可迭代对象编程迭代器。
isinstance(iter([]),Iterator) # True isinstance(iter({}),Iterator) # True isinstance(iter("asdf"),Iterator) # True
1|5总结：
凡是可作用于 for 循环的对象都是 Iterable 类型。
凡是可作用于 next() 函数的对象都是 Iterator 类型。
集合数据类型如 list 、 dict 、 str 等是 Iterable 但不是 Iterator ，不过可以通过 iter() 函数获得一个 Iterator 对象。
2|0生成器
2|1什么是生成器
我们可以通过列表生成式来创建一个列表，但是收到内存的限制，列表的容量肯定是有限的。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。
最简单的方法是把列表生成式中的 [ ] 改成 ( ) 就好了。
a = [x for x in range(10)] print(a) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] b = (x for x in range(10)) print(b) # at 0x03387DB0>
如何遍历生成器
我们发现生成器不是能直接打印出来的，我们可以通过next()函数来获得生成器的下一个返回值。
生成器保存的是算法，每次调用 next(G) ，就计算出 G 的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 stopiteration 的异常。
**使用next() 或者__next __():** print(next(b)) # 0 print(next(b)) # 1 print(next(b)) # 2 print(next(b)) # 3 print(next(b)) # 4 print(next(b)) # 5 print(b.__next__()) # 6 print(b.__next__()) # 7 print(b.__next__()) # 8 print(b.__next__()) # 9 print(b.__next__()) # Traceback (most recent call last): # File "", line 2, in # stopiteration
那么有什么简单的方法呢？因为生成器是可迭代对象，也可以使用for循环来遍历它，并且不需要关心 stopiteration 异常。
b = (x for x in range(10)) for x in b: print(x) # 0 # 1 # 2 # 3 #...
1|2函数中使用yield创建生成器的方法
如果如果生成器推算的算法比较复杂，用类似列表生成式的 for 循环无法实现的时候，还可以用函数来实现。把你要返回的值前面加yield 即可。
def fn(): for x in range(3): yield x # 遍历函数实现的生成器 f = fn() print(next(f)) # 0 print(next(f)) # 1 print(next(f)) # 2 print(next(f)) # Traceback (most recent call last): # File "", line 1, in # stopiteration
使用生成器实现斐波拉契数列：
def fib(count): n = 0 a,b = 0,1 while n ", line 1, in # stopiteration: done
yield执行流程
当执行next(f)时，函数开始执行到yield，yield 右边的变量x作为next()的返回值被返回，此时函数保存当前的运行状态，并暂停执行。
再次调用next(f)时，函数从上次暂停的位置开始继续执行，再次遇到yield时重复上面的操作
直到生成器遍历结束
我们在循环过程中不断调用 yield ，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。同样的，把函数改成generator后，我们基本上从来不会用 next() 来获取下一个返回值，而是直接使用 for 循环来迭代：
for x in fib(5): print(x) # 1 # 1 # 2 # 3 # 5
但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获stopiteration错误，返回值包含在stopiteration的value中：
f = fib(5) while True: try: print(next(f)) except stopiteration as e: print("生成器返回值:%s"%e.value) break # 1 # 1 # 2 # 3 # 5 # 生成器返回值:done
1|3send方法
def gen(): i = 0 while i", line 1, in # stopiteration
上面代码可以看出next()、next ()、send(None)是等价的并没有什么区别。
send()其实是比他们更高级的，在之前的代码中yield i是没有返回值的即输出为None。
如果修改send()的形参，那么yield i 的返回值就是括号中的形参，在上面的代码中g.send("哈哈")相当于temp = "哈哈"，并且g.send("哈哈")的返回值就是变量i。
使用send时要注意，第一次调用生成器对象时，send()不能传参数否则会报错，第一次必须是send(None)，或者第一次调
用next()、next ()也可以。
3|0闭包
3|1什么是闭包
在函数内部再定义一个函数，并且这个函数用到了外边函数的变量，那么将这个函数以及用到的一些变量称之为闭包
def test(number): def test_in(number_in): print("test_in函数 的number_in=%s"%number_in) return number_in+number # 返回test_in函数的引用 return test_in ret = test(20) print(ret(100)) # 相当于直接调用test_in函数，并给它传值100 # test_in函数 的number_in=100 # 120 print(ret(200)) # test_in函数 的number_in=200 # 220
3|2闭包的一个例子
在数学中，一次函数：y=kx+b，在一条确定的直线中，它的k、b是不变的。求y时，根据确定的k、b、x来求出。def line_conf(k, b): def line(x): return k*x + b return line line1 = line_conf(1, 1) line2 = line_conf(4, 5) print(line1(5)) print(line2(5)) # 6 # 25如果没有闭包，我们需要每次创建直线函数的时候同时说明a,b,x。这样，我们就需要更多的参数传递，也减少了代码的可移植性。4|0装饰器
4|1什么是装饰器
def logging(func): def wrap(): print("正在打印日志！") func() return wrap
@logging # 该装饰器为函数增加了打印日志的额外功能，并且之前函数内部代码不会改变。
def login(): print("张三正在登陆。") login() # 正在打印日志！ # 张三正在登陆。 4|2两个装饰器 def makeBold(fn1): def wrapped(): print("----1----") return ""+fn1()+"[/b]" return wrapped def makeItalic(fn2): def wrapped(): print("----2----") return ""+fn2()+"" return wrapped @makeBold @makeItalic def f1(): print("----3----") return "hello world" ret = f1() # 此时f1并不是f1函数，它是makeBold装饰器返回的wrapped函数的引用。 print(ret) """ 输出结果： ----1---- ----2---- ----3---- hello world """
调用流程：
把函数f1的引用传入装饰器makeItalic中的变量fn2，此时fn2指向f1函数。
把装饰器makeItalic中wrapped函数的引用传入装饰器makeBold的变量fn1，此时fn1指向装饰器makeItalic中的wrapped函数。
ret = f1()表是执行f1所指向的函数，并返回给ret。
4|3装饰器带参数
一般情况下装饰器内部函数的参数都是不定长参数，保证通用性，确保装饰任何函数时都不会出错。
def logging(func): def wrap(*args,**kwargs): print("正在打印日志！") func(*args,**kwargs) return wrap
@logging # 该装饰器为函数增加了打印日志的额外功能，并且之前函数内部代码不会改变。
def login(name,dic): print("%s正在登陆。"%name) print(dic) login("李四",{"sex":"男"}) # 正在打印日志！ # 李四正在登陆。 # {'sex': '男'} 4|4类装饰器 class Test(object): def __init__(self, func): print("---初始化---") print("func name is %s"%func.__name__) self.__func = func def __call__(self): print("---装饰器中的功能---") self.__func() @Test def test(): print("----test---") test() """
输出结果：
---初始化---
func name is test
---装饰器中的功能---
----test---
"""
说明：
当用Test来装作装饰器对test函数进行装饰的时候，首先会创建Test的实例对象并且会把test这个函数名当做参数传递到__init__方法中即在__init__方法中的func变量指向了test函数体。
test函数相当于指向了用Test创建出来的实例对象。
当在使用test()进行调用时，就相当于让这个对象()，因此会调用这个对象的__call__方法。
为了能够在__call__方法中调用原来test指向的函数体，所以在__init __方法中就需要一个实例属性来保存这个函数体的引用所以才有了self.__func = func这句代码，从而在调用__call __方法中能够调用到test之前的函数体。
总结
以上所述是小编给大家介绍的python中的生成器、迭代器、闭包、装饰器,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对编程之家网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
