一、装饰器
1、定义：本质是函数，装饰其他函数就是为其他函数添加附件功能。
2、原则：
a.不能修改被装饰的函数的源代码；
b.不能修改被装饰的函数的调用方式；
实例：
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#Author:ye import time #装饰器
def time_cha(func):#func等于test
time_start = time.time()
func()#此时func()相当于test()
time.sleep(2)
time_stop = time.time()
print("the time cha is :%s" % (time_stop - time_start)) #主函数
def test():
print("*")
time.sleep(1)
print("*")
time.sleep(1)
print("in the test") #单独调用主函数
test() #将装饰器套用在主函数上
time_cha(test)#此方式改变了主函数的调用方式
3、实现装饰器的知识储备：
a.函数即“变量”
b.高阶函数
b1.把一个函数名当做实参传递给另外一个函数（在不修改被装饰函数的前提下，增加其功能）
实例：
def test1():#此函数时源代码
print("in the test1") def test2(func):#此函数时装饰器
print("in the test2")
print(func)#打印test1的内存地址
func()#这里相当于test1() test1()
test2(test1)#将test1这个函数名作为实参传递给test2，这样实现了高阶函数
b2.返回值中包含函数名（不改变函数（源代码）的调用方式）
实例：
def test1():#源代码
print("in the test1") def test2(func):#装饰器
print("in the test2")
func()
return test1#通过return，把函数名作为返回值 test1 = test2(test1)#此处是test1函数名的内存地址
test1()#执行test1函数
c.嵌套函数
def test1():#第一层函数
print("in the test1") def test2():#第二层函数
print("in the test2") test2()#第一层函数执行时，调用第二层函数 test1()#执行第一层函数
4、装饰器的案例分析：
案例背景：首先定义两个模块，欧美专区和河南专区，两个专区的使用前提是需要登录。
步骤一：首先实现两个专区的免登录访问；
步骤二：定义登录模块，然后以登录模块做为装饰器，装饰在欧美专区和河南专区上
步骤三：当调用到两个专区模块时，再进行登录验证，不能调用之前就进行验证（此处涉及到了嵌套函数的使用）
status = False #初始化登录状态，false表示未登录，true表示已登录 def login(func): #定义登录模块（装饰器函数）
def inner(): #定义嵌套函数
_uername = "zhangye" #定义用户数据
global status #将函数内变量全局化 if status ==False: #根据状态判断是否需要登录
username = input("请输入用户名：")
if username == _uername:
print("welcome...")
status = True #登录成功后，将默认状态由false转化为true
if status == True:
print(func)
func()
return inner #未调用时，不进行验证，只返回一个第二层的函数名（验证函数的函数名） @login #还未到真正调用函数的地方，所以此处不需要进行登录验证，只返回第二层的函数名即可。
def america():
print("*****欧美专区*****") @login #还未到真正调用验证函数的地方，所以此处不需要进行登录验证，只返回第二层函数名即可。
def henan():
print("*****河南专区*****") america() #调用时，执行第二层函数。因为上面已经拿到了第二层的函数名
henan() #调用时，执行第二层函数。因为上面已经拿到了第二层的函数名
二、生成器
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。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。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
实例一：
data = [1,2,3,4,5,6,7,8,9,]
#列表生成式（装逼的写法）
data = [i*2 if i > 4 else i for i in data]
print(data)
==》[1, 2, 3, 4, 10, 12, 14, 16, 18]#列表生成器（数据用到的时候才生成）
data2 = (i*2 if i > 4 else i for i in data)
print(data2)
==》<generator object <genexpr> at 0x000002797C151DB0>小结：生成器只有在调用时，才会生成相应的数据。 实例二、
import time#定义消费者模型函数def consumer(name): print("%s 准备吃包子啦！" %name)
while True:
baozi = yield
print("包子[%s]来了，被[%s]吃了！" % (baozi,name))#定义生产者模型函数
def producer(name):
c_a = consumer("A")
c_b = consumer("B")
c_a.__next__()
c_b.__next__()
print("老子开始准备做包子了！")
for i in range(10):
time.sleep(1)
print("做了2个包子！")
c_a.send(i)
c_b.send(i)producer("alex")三、迭代器
我们知道，可以直接作用于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函数。
这些可以直接作用于for循环的对象统称为可迭代对象，Iterable
可以使用isinstance()判断一个对象是否是Iterable对象：
from collections import Iterable#判断字符串是否可迭代
data = "abc"
print(isinstance(data,Iterable)) #===》True#判断列表是否可迭代
data = [1,2,3]
print(isinstance(data,Iterable)) #===》True#判断字典是否可迭代
data = {1:"ye",2:"zhang",3:"alex"}
print(isinstance(data,Iterable)) #===》True#判断元组是否可迭代
data = (1,2,3)
print(isinstance(data,Iterable)) #===》True注1：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。
注2：字典、集合、元组、字符串等都是可迭代对象，但是不是迭代器。但是可以通过iter()函数获得一个迭代器。
