⽣成器（Generators）
⾸先我们要理解迭代器(iterators)。根据维基百科，迭代器是⼀个让程序员可以遍历⼀个容 器（特别是列表）的对象。然⽽，⼀个迭代器在遍历并读取⼀个容器的数据元素时，并不 会执⾏⼀个迭代。你可能有点晕了，那我们来个慢动作。换句话说这⾥有三个部分：
- 可迭代对象(Iterable)
- 迭代器(Iterator)
- 迭代(Iteration)
上⾯这些部分互相联系。我们会先各个击破来讨论他们，然后再讨论⽣成器
可迭代对象(Iterable)
Python 中任意的对象，只要它定义了可以返回⼀个迭代器的 __iter__ ⽅法，或者定义了
可以⽀持下标索引的__getitem__⽅法(这些双下划线⽅法会在其他章节中全⾯解释)，
那么它就是⼀个可迭代对象。简单说，可迭代对象就是能提供迭代器的任意对象。那迭代 器又是什么呢？
迭代器(Iterator)
任意对象，只要定义了 next(Python2) 或者__next__⽅法，它就是⼀个迭代器。就这么简单。现在我们来理解迭代(iteration)
迭代(Iteration)
⽤简单的话讲，它就是从某个地⽅（⽐如⼀个列表）取出⼀个元素的过程。当我们使⽤⼀ 个循环来遍历某个东西时，这个过程本⾝就叫迭代。现在既然我们有了这些术语的基本理解
⽣成器(Generators)
⽣成器也是⼀种迭代器，但是你只能对其迭代⼀次。这是因为它们并没有把所有的值存在内存中，⽽是在运⾏时⽣成值。你通过遍历来使⽤它们，要么⽤⼀个“for”循环，要么将它们传递给任意可以进⾏迭代的函数和结构。⼤多数时候⽣成器是以函数来实现的。然⽽，它们并不返回⼀个值，⽽是 yield(暂且译作“⽣出”)⼀个值。这⾥有个⽣成器函数的简单 例⼦：
def generator_function():
for i in range(10):
yield i
for item in generator_function():
print(item)
# Output: 0
# 1
# 2
# 3
# 4
# 5
# 6
# 7
# 8
# 9
这个案例并不是⾮常实⽤。⽣成器最佳应⽤场景是：你不想同⼀时间将所有计算出来的⼤ 量结果集分配到内存当中，特别是结果集⾥还包含循环。 译者注：这样做会消耗⼤量资源 许多 Python 2 ⾥的标准库函数都会返回列表，⽽ Python 3 都修改成了返回⽣成器，因为⽣成 器占⽤更少的资源。
下⾯是⼀个计算斐波那契数列的⽣成器：
# generator version
def fibon(n):
a = b = 1
for i in range(n):
yield a
a, b = b, a + b
Now we can use it like this:
for x in fibon(1000000):
print(x)
⽤这种⽅式，我们可以不⽤担⼼它会使⽤⼤量资源。然⽽，之前如果我们这样来实现的 话：
def fibon(n):
a = b = 1
result = []
for i in range(n):
result.append(a)
a, b = b, a + b
return result
这也许会在计算很⼤的输⼊参数时，⽤尽所有的资源。我们已经讨论过⽣成器使⽤⼀次迭 代，但我们并没有测试过。在测试前你需要再知道⼀个 Python 内置函数：next()。它允 许我们获取⼀个序列的下⼀个元素。那我们来验证下我们的理解：
def generator_function():
for i in range(3):
yield i
gen = generator_function()
print(next(gen))
# Output: 0 print(next(gen))
# Output: 1 print(next(gen))
# Output: 2 print(next(gen))
# Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# StopIteration
我们可以看到，在 yield 掉所有的值后，next()触发了⼀个 StopIteration 的异常。 基本上这个异常告诉我们，所有的值都已经被 yield 完了。你也许会奇怪，为什么我们在 使⽤ for 循环时没有这个异常呢？啊哈，答案很简单。for 循环会⾃动捕捉到这个异常并 停⽌调⽤ next()。你知不知道 Python 中⼀些内置数据类型也⽀持迭代哦？我们这就去看 看：
my_string = "Yasoob"
next(my_string)
# Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# TypeError: str object is not an iterator
好吧，这不是我们预期的。这个异常说那个 str 对象不是⼀个迭代器。对，就是这样！它 是⼀个可迭代对象，⽽不是⼀个迭代器。这意味着它⽀持迭代，但我们不能直接对其进⾏ 迭代操作。那我们怎样才能对它实施迭代呢？是时候学习下另⼀个内置函数，iter。它 将根据⼀个可迭代对象返回⼀个迭代器对象。这⾥是我们如何使⽤它：
my_string = "Yasoob"
my_iter = iter(my_string)
next(my_iter)
# Output: 'Y'
现在好多啦。我肯定你已经爱上了学习⽣成器。⼀定要记住，想要完全掌握这个概念，你 只有使⽤它。确保你按照这个模式，并在⽣成器对你有意义的任何时候都使⽤它。你绝对 不会失望的！
装饰器
装饰器(Decorators)是 Python 的⼀个重要部分。简单地说：他们是修改其他函数的功能的函 数。他们有助于让我们的代码更简短，也更 Pythonic（Python 范⼉）。⼤多数初学者不知 道在哪⼉使⽤它们，所以我将要分享下，哪些区域⾥装饰器可以让你的代码更简洁。 ⾸先，让我们讨论下如何写你⾃⼰的装饰器。 这可能是最难掌握的概念之⼀。我们会每次只讨论⼀个步骤，这样你能完全理解它。
⼀切皆对象
⾸先我们来理解下 Python 中的函数
def hi(name="yasoob"):
return "hi " + name
print(hi())
# output: 'hi yasoob'
# 我们甚⾄可以将⼀个函数赋值给⼀个变量，⽐如 greet = hi
# 我们这⾥没有在使⽤⼩括号，因为我们并不是在调⽤hi函数
# ⽽是在将它放在greet变量⾥头。我们尝试运⾏下这个 print(greet())
# output: 'hi yasoob'
# 如果我们删掉旧的hi函数，看看会发⽣什么！
del hi
print(hi())
#outputs: NameError print(greet())
#outputs: 'hi yasoob'
在函数中定义函数
刚才那些就是函数的基本知识了。我们来让你的知识更进⼀步。在 Python 中我们可以在⼀ 个函数中定义另⼀个函数：
def hi(name="yasoob"):
print("now you are inside the hi() function")
def greet():
return "now you are in the greet() function"
def welcome():
return "now you are in the welcome() function"
print(greet()) print(welcome())
print("now you are back in the hi() function")
hi()
#output:now you are inside the hi() function # now you are in the greet() function
# now you are in the welcome() function
# now you are back in the hi() function
# 上⾯展示了⽆论何时你调⽤hi(), greet()和welcome()将会同时被调⽤。
# 然后greet()和welcome()函数在hi()函数之外是不能访问的，⽐如：
greet() #outputs: NameError: name 'greet' is not defined
那现在我们知道了可以在函数中定义另外的函数。也就是说：我们可以创建嵌套的函数。 现在你需要再多学⼀点，就是函数也能返回函数。
从函数中返回函数
其实并不需要在⼀个函数⾥去执⾏另⼀个函数，我们也可以将其作为输出返回出来：
def hi(name="yasoob"):
def greet():
return "now you are in the greet() function"
def welcome():
return "now you are in the welcome() function"
if name == "yasoob":
return greet
else:
return welcome
a = hi()
print(a)
#outputs: <function greet at 0x7f2143c01500>
#上⾯清晰地展示了`a`现在指向到hi()函数中的greet()函数
#现在试试这个 print(a())
#outputs: now you are in the greet() function
再次看看这个代码。在 if/else 语句中我们返回 greet 和 welcome，⽽不是 greet()和 welcome()。为什么那样？这是因为当你把⼀对⼩括号放在后⾯，这个函数就会执⾏； 然⽽如果你不放括号在它后⾯，那它可以被到处传递，并且可以赋值给别的变量⽽不去执 ⾏它。 你明⽩了吗？让我再稍微多解释点细节。 当我们写下 a = hi()，hi()会被执⾏，⽽由于 name 参数默认是 yasoob，所以函 数 greet 被返回了。如果我们把语句改为 a = hi(name = "ali")，那么 welcome 函数 将被返回。我们还可以打印出 hi()()，这会输出 now you are in the greet() function。
将函数作为参数传给另⼀个函数
def hi():
return "hi yasoob!"
def doSomethingBeforeHi(func):
print("I am doing some boring work before executing hi()")
print(func())
doSomethingBeforeHi(hi)
#outputs:I am doing some boring work before executing hi()
# hi yasoob!
现在你已经具备所有必需知识，来进⼀步学习装饰器真正是什么了。装饰器让你在⼀个函 数的前后去执⾏代码。
你的第⼀个装饰器
在上⼀个例⼦⾥，其实我们已经创建了⼀个装饰器！现在我们修改下上⼀个装饰器，并编 写⼀个稍微更有⽤点的程序：
def a_new_decorator(a_func):
def wrapTheFunction():
print("I am doing some boring work before executing a_func()"
a_func()
print("I am doing some boring work after executing a_func()"
return wrapTheFunction
def a_function_requiring_decoration():
print("I am the function which needs some decoration to remove my foul smell"
a_function_requiring_decoration()
#outputs: "I am the function which needs some decoration to remove my foul smell"
a_function_requiring_decoration = a_new_decorator(a_function_requiring_decoration)
#now a_function_requiring_decoration is wrapped by wrapTheFunction()
a_function_requiring_decoration()
#outputs:I am doing some boring work before executing a_func()
# I am the function which needs some decoration to remove my foul smell
# I am doing some boring work after executing a_func()
你看明⽩了吗？我们刚刚应⽤了之前学习到的原理。这正是 python 中装饰器做的事情！它 们封装⼀个函数，并且⽤这样或者那样的⽅式来修改它的⾏为。现在你也许疑惑，我们在 代码⾥并没有使⽤@符号？那只是⼀个简短的⽅式来⽣成⼀个被装饰的函数。这⾥是我们 如何使⽤@来运⾏之前的代码
@a_new_decorator
def a_function_requiring_decoration():
"""Hey you! Decorate me!"""
print("I am the function which needs some decoration to "
"remove my foul smell")
a_function_requiring_decoration()
#outputs: I am doing some boring work before executing a_func()
# I am the function which needs some decoration to remove my foul smell
# I am doing some boring work after executing a_func()
#the @a_new_decorator is just a short way of saying:
a_function_requiring_decoration = a_new_decorator(a_function_requiring_decoration)
希望你现在对 Python 装饰器的工作原理有一个基本的理解。如果我们运行如下代码会存在一个问题：
print(a_function_requiring_decoration.__name__)
# Output: wrapTheFunction
这并不是我们想要的！Ouput 输出应该是“a_function_requiring_decoration”。这里的函数被 warpTheFunction 替代了。它重写了我们函数的名字和注释文档(docstring)。幸运的是 Python 提供给我们一个简单的函数来解决这个问题，那就是 functools.wraps。我们修改上一个例子来使用 functools.wraps：
from functools import wraps
def a_new_decorator(a_func):
@wraps(a_func)
def wrapTheFunction():
print("I am doing some boring work before executing a_func()")
a_func()
print("I am doing some boring work after executing a_func()")
return wrapTheFunction
@a_new_decorator
def a_function_requiring_decoration():
"""Hey yo! Decorate me!"""
print("I am the function which needs some decoration to "
"remove my foul smell")
print(a_function_requiring_decoration.__name__)
# Output: a_function_requiring_decoration
现在好多了。我们接下来学习装饰器的一些常用场景。
蓝本规范:
from functools import wraps
def decorator_name(f):
@wraps(f)
def decorated(*args, **kwargs):
if not can_run:
return "Function will not run"
return f(*args, **kwargs)
return decorated
@decorator_name
def func():
return("Function is running")
can_run = True
print(func())
# Output: Function is running
can_run = False
print(func())
# Output: Function will not run
注意：@wraps 接受一个函数来进行装饰，并加入了复制函数名称、注释文档、参数列表等等的功能。这可以让我们在装饰器里面访问在装饰之前的函数的属性。
使用场景
现在我们来看一下装饰器在哪些地方特别耀眼，以及使用它可以让一些事情管理起来变得更简单。
授权(Authorization)
装饰器能有助于检查某个人是否被授权去使用一个 web 应用的端点(endpoint)。它们被大量使用于 Flask 和 Django web 框架中。这里是一个例子来使用基于装饰器的授权：
from functools import wraps
def requires_auth(f):
@wraps(f)
def decorated(*args, **kwargs):
auth = request.authorization
if not auth or not check_auth(auth.username, auth.password):
authenticate()
return f(*args, **kwargs)
return decorated
日志(Logging)
日志是装饰器运用的另一个亮点。这是个例子：
from functools import wraps
def logit(func):
@wraps(func)
def with_logging(*args, **kwargs):
print(func.__name__ + " was called")
return func(*args, **kwargs)
return with_logging
@logit
def addition_func(x):
"""Do some math."""
return x + x
result = addition_func(4)
# Output: addition_func was called
我敢肯定你已经在思考装饰器的一个其他聪明用法了。
带参数的装饰器
来想想这个问题，难道@wraps 不也是个装饰器吗？但是，它接收一个参数，就像任何普通的函数能做的那样。那么，为什么我们不也那样做呢？
这是因为，当你使用@my_decorator 语法时，你是在应用一个以单个函数作为参数的一个包裹函数。记住，Python 里每个东西都是一个对象，而且这包括函数！记住了这些，我们可以编写一下能返回一个包裹函数的函数。
在函数中嵌入装饰器
我们回到日志的例子，并创建一个包裹函数，能让我们指定一个用于输出的日志文件。
from functools import wraps
def logit(logfile='out.log'):
def logging_decorator(func):
@wraps(func)
def wrapped_function(*args, **kwargs):
log_string = func.__name__ + " was called"
print(log_string)
# 打开logfile，并写入内容
with open(logfile, 'a') as opened_file:
# 现在将日志打到指定的logfile
opened_file.write(log_string + '\n')
return func(*args, **kwargs)
return wrapped_function
return logging_decorator
@logit()
def myfunc1():
pass
myfunc1()
# Output: myfunc1 was called
# 现在一个叫做 out.log 的文件出现了，里面的内容就是上面的字符串
@logit(logfile='func2.log')
def myfunc2():
pass
myfunc2()
# Output: myfunc2 was called
# 现在一个叫做 func2.log 的文件出现了，里面的内容就是上面的字符串
装饰器类
现在我们有了能用于正式环境的 logit 装饰器，但当我们的应用的某些部分还比较脆弱时，异常也许是需要更紧急关注的事情。比方说有时你只想打日志到一个文件。而有时你想把引起你注意的问题发送到一个 email，同时也保留日志，留个记录。这是一个使用继承的场景，但目前为止我们只看到过用来构建装饰器的函数。
幸运的是，类也可以用来构建装饰器。那我们现在以一个类而不是一个函数的方式，来重新构建 logit。
from functools import wraps
class logit(object):
def __init__(self, logfile='out.log'):
self.logfile = logfile
def __call__(self, func):
@wraps(func)
def wrapped_function(*args, **kwargs):
log_string = func.__name__ + " was called"
print(log_string)
# 打开logfile并写入
with open(self.logfile, 'a') as opened_file:
# 现在将日志打到指定的文件
opened_file.write(log_string + '\n')
# 现在，发送一个通知
self.notify()
return func(*args, **kwargs)
return wrapped_function
def notify(self):
# logit只打日志，不做别的
pass
这个实现有一个附加优势，在于比嵌套函数的方式更加整洁，而且包裹一个函数还是使用跟以前一样的语法：
@logit()
def myfunc1():
pass
现在，我们给 logit 创建子类，来添加 email 的功能(虽然 email 这个话题不会在这里展开)。
class email_logit(logit):
'''
一个logit的实现版本，可以在函数调用时发送email给管理员
'''
def __init__(self, email='admin@myproject.com', *args, **kwargs):
self.email = email
super(email_logit, self).__init__(*args, **kwargs)
def notify(self):
# 发送一封email到self.email
# 这里就不做实现了
pass
从现在起，@email_logit 将会和@logit 产生同样的效果，但是在打日志的基础上，还会多发送一封邮件给管理员。
