Python全栈Day 18部分知识点

执行应用程序和函数都是在执行功能

　　rb

f=open('aaa','rb',encoding='utf-8')　　#b的方式不能指定编码

#!/usr/bin/env python
# -*- coding:utf-8 -*-
f=open('ttt','rb')
data=f.read()
print(data)

输出

b'hello xe4xbdxa0xe5xa5xbd 123 12 1'　　　#Windows中回车是 这个整体；Linux或Unix平台是

字符串---encode--->bytes

bytes---decode--->字符串

　　wb

#!/usr/bin/env python
# -*- coding:utf-8 -*-
f=open('ttt_new','wb')
f.write(bytes('111
',encoding='utf-8'))  #字符串要转化为二进制，中间必须经过字符编码

　　另一种编码方式，

　　>>>'杨建'.encode('utf-8')

　　>>>b'xe6x9dxa8xe5xbbxba'

　　ab

　　不代表在最后一行追加，而是从最后的位置追加。

二进制这种方式代表处理数据的方式，不代表最后的内容，用二进制的好处：文件中不仅是文本，还包括视频、图片

　　文件操作的其他方法

　　closed判断是否关闭

　　encoding文件编码格式　　

　　flush内存中的数据刷到硬盘中

　　tell光标当前所在位置　　read(3)代表读取3个字符，其余的文件内光标移动都是以字节位单位，如seek/tell/read/truncate

　　　　　　f=open('aaa','r',encoding='utf-8',newline='')　　#读取文件中真正的换行符号Windows系统中是

　　　　　　 f=open('aaa','r',encoding='utf-8')　　#读取文件中python变换后换行符号

　　seek用来控制光标的移动　　f.seek(3,0) 0即从文件开头数三个字节，不写0也行，是默认　　f.seek(3,1) 1即相对于上一次光标停留位值，使用相对位置的时候文件操作方式必须带b　　f.seek(-10,2) 2即从文件末尾倒10个字节　

　　truncate文件截取，从文件的首行首字符开始截断，截断文件为n个字符；无n表示从当前位置起截断；截断之后n后面的所有字符被删除。

循环文件的推荐方式

for i in f:　　#一条一条读，不符合的从内存中清除，不用一下都读出来，对文件句柄遍历循环

　　print(i)

高效率获取文件最后一行的方式

迭代器和生成器

递归：自己调用自己　　；　　迭代：每一次对过程的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值。

　　迭代器

　　　　迭代器协议：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么引起一个StopIteration异常，以终止迭代（只能往后走不能往前退）

　　　　可迭代对象：实现了迭代器协议的对象

　　　　协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如for循环,sum,min,max函数）使用迭代器协议访问对象

　　　　python中强大的for循环机制（跟索引无关，就是基于迭代器协议工作的）字符串、列表、元组、字典、集合、文件对象，这些都不是可迭代对象，只不过在for循环时，调用了它们内部的__iter__方法，把它们变成了可迭代对象。然后for循环调用可迭代对象的__next__方法去取值，而且for循环会捕捉StopIteration异常，以终止迭代。所以对象都可以通过for循环来遍历，while可以通过下标访问对象，但无序对象就无法访问了。

　　　　　　l=[1,2,3]

　　　　　　for i in l:　　#1. 调用__iter__方法生成可迭代对象i_l=l.__iter__()或者iter(l)；2. i_1.__next()__　　next()就是在iter_l.__next__()

　　　　　　　　print(i)

#!/usr/bin/env python
# -*- coding:utf-8 -*-
l=[1,2,3]
iter_l=l.__iter__()
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())

输出

1

2

3

简单的赋值方式：

1 #!/usr/bin/env python
2 # -*- coding:utf-8 -*-
3 t=('123',8)
4 a,b=t　　print(a,b)

5 #想赋值，必须参数个数对应上否则会报错
6 #如果第3行变成t=('123',8,9)其余不变，会报too many values to unpack
7 #如果第4行变成a,b,c=t其余不变，会报not enough values to unpack

输出

123 8

　　生成器　　

　　　　可以理解为一种数据类型，它自动实现了迭代器协议，本身就是可迭代对象。

　　　　函数中有yield（相当于return，但可以执行多次），执行就得到了个生成器。

　　　　两种创建方式1.() ; 2.yield

　　三元运算

　　　　列表生成式

写法比较简单，但占内存太多，列表解析需要生成列表，列表元素过多会卡死。

#!/usr/bin/env python
# -*- coding:utf-8 -*-
l=['鸡蛋%s'%i for i in range(10)] #列表是内存对象，鸡蛋都放到内存里了。
l1=['鸡蛋%s'%i for i in range(10) if i>5]
#l1=['鸡蛋%s'%i for i in range(10) if i>5 else i] #没有四元表达式
l2=['鸡蛋%s'%i for i in range(10) if i<5]
print(l)
print(l1)
print(l2)

输出

['鸡蛋0', '鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4', '鸡蛋5', '鸡蛋6', '鸡蛋7', '鸡蛋8', '鸡蛋9']

['鸡蛋6', '鸡蛋7', '鸡蛋8', '鸡蛋9']
['鸡蛋0', '鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4']

　　　　生成器表达式

　　函数只要有yield就是生成器函数。

　　把列表解析[]换成()得到的就是生成器表达式，它们都是便利的编程方式，只不过，生成器表达式更节省内存，因为生成器表达式是基于迭代器协议的next方法一个个取值的

#!/usr/bin/env python
# -*- coding:utf-8 -*-
laomuji=('鸡蛋%s'%i for i in range(10))   #生成器
print(laomuji)
print(laomuji.__next__())
print(next(laomuji))
print(next(laomuji))
print(next(laomuji))

输出

鸡蛋0
鸡蛋1
鸡蛋2
鸡蛋3

#!/usr/bin/env python
# -*- coding:utf-8 -*-
def foo():
    print('ok')
    yield 1
    print('ok2')
    yield 2
    #其实这里有一个return None
g=foo() #生成了一个生成器对象
# print(g)    #打印generator object at ……
# next(g) #打印ok，执行yield 1，然后执行下个next(g)
# next(g) #回到yield 1往下执行，打印ok2，执行yield 2，执行return None.
for i in g:
    print(i)    #这里的i即yield的值

输出

ok
1
ok2
2

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#斐波那契数列 0 1 1 2 3 5 8 13 21...
def fib(max):
    n,before,after=0,0,1
    while n<max:
        print(before)
        before,after=after,before+after #依据之前的状态做运算
        #上面这句相当于下面第10行-第12行代码的效果
        #tmp=before
        #before=after
        #after=tmp+after
        n=n+1   
14 fib(5)

输出

0
1
1
2
3

　　　　生成器实现斐波那契数列

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#斐波那契数列 0 1 1 2 3 5 8 13 21...
def fib(max):
    n,before,after=0,0,1
    while n<max:
        yield before
        before,after=after,before+after #依据之前的状态做运算
        n=n+1
a=fib(8)
print(next(a))
print(next(a))
print(next(a))
print(next(a))
print(next(a))

输出

0
1
1
2
3

　　　　send方法

#!/usr/bin/env python
# -*- coding:utf-8 -*-
def bar():
    print('ok1')
    count=yield 1
    print(count)
    yield 2
b=bar()
s=b.send(None)    #next(b)  第一次send前如果没有next，只能传一个空数据
# print(s) # 如果把此行加进去会输出1
s1=b.send('eeee')  #把'eee'给了yield前面的count，得到yield 2的值
print(s1)

输出

ok1
eeee
2

#!/usr/bin/env python
# -*- coding:utf-8 -*-
def bar():
    print('ok1')
    yield 1
    #print(count)
    yield 2
b=bar()
s=b.send(None)    #next(b)  第一次send前如果没有next，只能传一个空数据
print(s)
s1=b.send('eeee')  #想把'eee'给了yield前面的参数，可参数没定义，但是没报错
print(s1)

输出

ok1
1
2

　　生成器

 1 #!/usr/bin/env python
 2 # -*- coding:utf-8 -*-
 3 def run():
 4     print('run a while')
 5     yield 1
 6     print('run a while')
 7     yield 2
 8     print('run a while')
 9     yield 3
10 
11 r=run()
12 next(r) #执行next就运行一次，直到遇上yield停住
13 next(r)

输出

run a while
run a while

　　生成器的好处是延迟计时，一次返回一个结果，不会一次性生成所有结果，对大数据量处理非常有用。另外，生成器还可以有效提高代码可读性。

 1 #!/usr/bin/env python
 2 # -*- coding:utf-8 -*-
 3 def test():
 4     for i in range(4):
 5         yield i
 6 t=test()
 7 t1=(i for i in t)
 8 t2=(i for i in t1)
 9 print(list(t1))　　#此时t1生成器的东西都遍历光了，list/sum...都能遍历生成器
10 print(list(t2))

输出

[0, 1, 2, 3]
[]

　　　　　　

　　迭代器运行的三种方式：

　　　　next(t)

　　　　t.__next__()

　　　　t.send('123')