Python三大黑科技：迭代器、生成器、装饰器

可迭代对象

可迭代对象是迭代器、生成器、装饰器的基础，可迭代对象简单来说就是可以用for循环遍历的对象，比如常见的list，set和dict。

一、迭代器

对所有的可迭代对象调用 dir() 方法时，会发现他们都实现了 iter 方法。这样就可以通过 iter(object) 来返回一个迭代器。

a = 'abcdefg' b = iter(a) # 创建迭代器对象 print(type(b)) # <class 'str_iterator'>

可以看到调用 iter() 之后，变成了一个 str_iterator 的对象。会发现增加了 __next__方法。所有实现了 __iter__和__next__两个方法的对象，都是迭代器。

迭代器是带状态的对象，它会记录当前迭代所在的位置，以方便下次迭代的时候获取正确的元素。__iter__返回迭代器自身，__next__返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常。

# 迭代器 a = 'abcdefg' b = iter(a) # 创建迭代器对象 print(type(b)) while True: try: print(next(b)) except StopIteration: break

Python的for循环本质上就是通过不断调用next()函数实现的。

二、生成器

生成器就是含有yield关键字的函数,是一种用普通语法定义的迭代器。

# 生成器 def generator(): yield 'a' yield 'b' yield 'c' g = generator() print(type(g)) while True: try: print(next(g)) except StopIteration: break

同样是通过 def 定义，然后通过 yield 来支持迭代器协议，所以比迭代器写起来更简单。

进行函数调用的时候，返回一个生成器对象。在使用 next() 调用的时候，遇到 yield 就返回，记录此时的函数调用位置，下次调用 next() 时，从断点处开始。

系统遇到 yield 关键词会将值返回，称为挂起，与return不同。

def gen(n): while n > 0: print('Before') yield n n-=1 print('After') gg = gen(3) while True: try: print(next(gg)) print('-------------') except StopIteration: break

输出结果：

Before 3 ------------- After Before 2 ------------- After Before 1 ------------- After

你完全可以像使用 iterator 一样使用 generator ，当然除了定义。定义一个iterator，你需要分别实现__iter__()方法和__next__()方法,但 generator 只需要一个小小的yield 。

generator 还有 send() 和 close() 方法，都是只能在next()调用之后，生成器出去挂起状态时才能使用的。

生成器在Python中是一个非常强大的编程结构，可以用更少地中间变量写流式代码，此外，相比其它容器对象它更能节省内存和CPU，当然它可以用更少的代码来实现相似的功能。现在就可以动手重构你的代码了，但凡看到类似：

def something(): result = [] for ... in ...: result.append(x) return result

就可以用生成器函数来代替：

def iter_something(): for ... in ...: yield x

提示：python 是支持协程的，也就是微线程，就是通过 generator 来实现的。配合 generator 我们可以自定义函数的调用层次关系从而自己来调度线程。

栗子：斐波那契数列

下面使用普通函数、迭代器、生成器来实现斐波那契数列

def fab(max): x,y,z = 0, 0, 1 list = [] while x < max: list.append(y) y,z = z, x+y+z x += 1 return list

iterator方法：

class fab(object): ''' Iterator to produce Fibonacci ''' def __init__(self,max): self.max = max self.x = 0 self.y = 0 self.z = 1 def __iter__(self): return self def __next__(self): if self.x < self.max: r = self.z self.y,self.z = self.z,self.x + self.y + self.z self.x += 1 return r raise StopIteration('Done')

为了节省内存，和处于未知输出的考虑，使用迭代器来改善代码，但是迭代器什么都好，就是写起来不简洁。所以用 yield 来改写第三版。

Generator：

def fab(max): x,y,z = 0,0,1 while x < max: yield z y,z = z,x+y+z x += 1 for x in fab(8): print(x)

三、装饰器

装饰器（Decorator）是python中最吸引人的特性，装饰器本质上还是一个函数，它可以让已有的函数不做任何改动的情况下增加功能。

非常适合有切面需求的场景，比如权限校验，日志记录和性能测试等等。比如你想要执行某个函数前记录日志或者记录时间来统计性能，又不想改动这个函数，就可以通过装饰器来实现。

1.定义：增强函数或类的功能的一个函数。 2.作用：增强函数的功能

# 伪代码 def decorator(func): def wrapper(*args, **kwargs): # 可以自定义传入的参数 # *args：将函数传入的参数存储在元组类型的变量args中 # **kwargs：将函数的参数和值存储在字典类型的变量kwargs中 print(func.__name__) # 返回传入的方法名参数的调用 return func(*args, **kwargs) # 返回内层函数的函数名 return wrapper @decorator def f(): pass f()

3.装饰器可以传参，也可以不传参

# 装饰器 def decorator(func): # 嵌套函数 def wrap(*args, **kwargs): print('Start!') func(*args, **kwargs) # 类似于闭包，但是没有外部环境 print('End!') return wrap @decorator # 放在需要装饰的函数前 def f1(name): print('My name is ' + name) f1('hqh') # 调用方式不变

实际上是对装饰器的一个函数封装，并返回一个装饰器。可以把它看成一个带参数的闭包。 有了装饰器，我们就可以剥离出大量与函数功能本身无关的代码，增加了代码的重用性。

部分理论引用于：https://www.jianshu.com/p/efaa19594cf4