Python3进阶：高级特性一

接下来的文章学习Python的高级内容，这部分和之前相比有一定的难度，需要认真学习。加油吧，少年！

两个魔法变量

在Python中有两个变量参数容易困扰我们。它们是*args和**kwargs。接下来我们看看究竟是什么意思！

*args

*args和**kwargs主要用于函数定义。可以将不定数量的参数传递给函数。
*args是用来发送一个非键值对的可变数量的参数列表给函数。

举个🌰：

def test_var_args(f_arg, *argv):
    print('first normal arg: ', f_arg)
    for arg in argv:
        print('anothor arg throgh * argv:', arg)

test_var_args('yasoob', 'python', 'eggs', 'test')

输出结果：

first normal arg:  yasoob
anothor arg throgh * argv: python
anothor arg throgh * argv: eggs
anothor arg throgh * argv: test

输出结果看出： f_arg只对应一项。

**kwargs

**kwargs允许将不定长度的键值对，作为参数传递。

🌰：

def greet_me(**kwargs):
    for key, value in kwargs.items():
        print("{0} == {1}".format(key, value))

greet_me(name = "yasoob", age = "12")

输出结果：

name == yasoob
age == 12

*args和**kwargs使用

使用它们调用函数，🌰：

def test_args_kwars(arg1, arg2, arg3):
    print('arg1', arg1)
    print('arg2', arg2)
    print('arg3', arg3)

# 使用*args
args = ('two', 3, 5)
test_args_kwars(*args)

# 使用**kwargs
kwargs = {'arg3': 3, 'arg2': 'two', 'arg1': 5}
test_args_kwars(**kwargs)

标准参数与*args、**kwargs在使用时的顺序。

some_func(frags, *args, **kwargs)

调试（Debug）

调试在处理代码bug非常重要。

从命令行运行

python3 -m pdb xxx.py

触发调试功能，第一行指令处停止。

从脚本内部运行

设置断点，使用pdb.set_trace()方法实现。

import pdb

def make_bread():
    pdb.set_trace()
    return "I dont have time"

print(make_bread())

命令列表

• c: 继续执行
• w: 显示当前正在执行的代码行的上下文信息
• a: 打印当前函数的参数列表
• s: 执行当前代码行，并停在第一个能停的地方（相当于单步进入）
• n: 继续执行到当前函数的下一行，或者当前行直接返回（单步跳过）

n 和 s 区别： s单步进入会进入当前行调用函数内部并停在里面，而单步跳过会全速执行完当前行调用的函数，并停在当前函数的下一行。

其他内容请参考官方文档

生成器

前面在学习类时，简单学习了生成器。接下我们将深入学习生成器相关知识。学习生成器之前，我们需要了解迭代器和相关内容。

迭代器是让程序可以迭代遍历一个容器的对象。分为三个部分：

• 可迭代对象（iterable）
• 迭代器（iterator）
• 迭代（iteration）

可迭代对象（iterable）

Python中任意对象，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索引的__getitem__方法，那么他就是一个可迭代对象。简单来说，就是提供了迭代器的对象。

迭代器（iterator）

对象只要实现__next__方法，它就是一个迭代器。

迭代（iteration）

例如，循环遍历就是迭代。

生成器

生成器也是一种迭代器，但是只能对其迭代一次。因为它们并没有把所有的值存在内存中，而是运行时生成值。通过遍历来使用它。另外，它们并不返回值，而是yield一个值。

举个🌰

def generator_function():
    for i in range(10):
        yield i

for item in generator_function():
    print(item)

# 输出 0 - 9

上面的只是例子。真正的运行场景是：不想在同一时间创建大量结果集分配到内存中，减少资源消耗。在Python3中生成器应用很广广泛。

高级函数

Map， Fiter和Reduce三个函数为函数式编程提供便利。

Map

Map将一个函数映射到一个输入列表的所有元素上。

格式：

map(函数， 列表)

将列表中元素一个个传递给函数，并收集输出。在Python3中返回的是迭代器。
通常，使用匿名函数来配合map。

例如:

squared = list(map(lambda x: x ** 2, range(1, 10)))

Filter

顾名思义，Filter过滤列表中的元素，并且返回一个所有符合要求的元素组成的列表。符合要求就是函数映射到该元素时返回值为True。

number_list = range(-5, 5)
less_than_zero = filter(lambda x : x < 0, number_list)
print(list(less_than_zero))

# Output: [-5, -4, -3, -2, -1]

Reduce

对一个列表进行一些计算并返回结果时， Reduce是非常有用的函数。

例如：计算乘积

from functools import reduce
product = reduce((lambda x, y: x * y), [1, 2, 3, 4])
print(product)

# output: 24

装饰器

装饰器（Decorators）是Python的一个重要部分。他们是修改其他函数的功能的函数。

学习装饰器之前，你应该知道一切皆对象、函数定义函数、函数返回函数、将函数作为参数传递。如果对上面内容不了解，那请补一下面向对象吧。

第一个装饰器

def a_new_decorator(a_func):
    def wrapTheFunction():

        print("before")
        a_func() # 注意有括号，别问我怎么知道的
        print("after")

    return wrapTheFunction

def a_function_requiring_decoration():
    print("dslafalsfdsa")
    
a_function_requiring_decoration()
# Output： dslafalsfdsa

a_function_requiring_decoration = a_new_decorator(a_function_requiring_decoration)

# 获得返回函数
a_function_requiring_decoration()
# Output：before
# 			dslafalsfdsa
# 			after

装饰器作用：封装了一个函数，用来修改函数行为

上面的简短写法：

@a_new_decorator
def a_function_requiring_decoration():
    print("dslafalsfdsa")
a_function_requiring_decoration()

# Output：before
# 			dslafalsfdsa
# 			after

上面的@a_new_decorator就相当于a_function_requiring_decoration = a_new_decorator(a_function_requiring_decoration)。

👆是装饰器的基本工作原理。但是这样写存在一个问题。

请看:

print(a_function_requiring_decoration.__name__)
# Output : wrapTheFunction

我们希望的结果是，Output应该输出：a_function_requiring_decoration。Python提供了一个函数解决这个问题，就是functools.wraps。

修改方法：

def a_new_decorator(a_func):
	@wraps(a_func)
    def wrapTheFunction():
        print("before")
        a_func() # 注意有括号，别问我怎么知道的
        print("after")
        
    return wrapTheFunction

在wrapTheFunction之前添加@wraps()。注意需要引包from functools import wraps。

好了现在学会装饰器了，接下来练习一下吧！

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())

can_run = False
print(func())


# Output:
#   Function is running
#   Function will not run

@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

授权检验

装饰能有助于检查某个人是否被授权使用一个web应用的断点。它们被大量使用在Flask和Django框架中。

日志

日志是装饰器运行的另一个亮点。

带参数的装饰

@wraps可以接收一个参数，就像普通的函数一样。我们也可以实现。

例子：

from functools import wraps

# 定义一个函数，返回装饰器
def logit(logfile = 'out.log'):
	# 定义一个装饰器
    def logging_decorator(func):
    	# 使用wraps重新设置“__name__”
        @wraps(func)
        def wraped_function(*args, **kwargs):
            log_string = func.__name__ + " was called"
            print(log_string)
            with open(logfile, 'a') as opened_file:
                opened_file.write(log_string + '\n')
            return func(*args, **kwargs)
        return wraped_function
    return logging_decorator

@logit()
def myfunc1():
    pass
myfunc1()
# output : myfunc1 was called

# 设置文件名称
@logit(logfile = 'func2.log')
def myfunc2():
    pass

myfunc2()
# output : myfunc2 was called

装饰器类

上面只是将装饰器写成函数的形式，接下来，以类的形式实现装饰器。

下面还是以logit为例：

from functools import wraps

class logit(object):
    def __init__(self, logfile = 'classout.log'):
        self.logfile = logfile
    def __call__(self, func):
        @wraps(func)
        def wrapped_function(*args, **kwargs):

            log_string = func.__name__ + " was called"
            print(log_string)
            # 打开并写入日志
            with open(self.logfile, 'a') as opened_file:
                # 将日志保存到指定文件
                opened_file.write(log_string + '\n')
            # 发送一个通知
            self.notify()
            return func(*args, **kwargs)
        return wrapped_function
    def notify(self):
        # 只打印日志，不做别的
        pass

调用方法和函数形式相同。

因为是装饰器类，所以具有类的特性：

class email_logit(logit):
    def __init__(self, email="jesus_lqq@163.com", *args, **kwargs):
        self.email = email
        super(logit, self).__init__(*args, *kwargs)
    def notify(self):
        # 发送一封Email到self.email
        pass

@email_logit和@logit产生同样的效果，只是前者会发送email。

小结

以上内容学习了*args和**kwargs作用和区别，高阶函数，Debug调试，生成器和装饰器的原理和应用。学会不是目的，应用才是王道。

参考

• 官方文档
• Python进阶