标签：app import try 无法 path class python 存储 逻辑
格式：result=值1 if x<y else 值2
满足if条件result=值1，否则result=值2
>>> 3 if 3>2 else 10 >>> 3 if 3>4 else 10 >>> 3+2 if 3>0 else 3-1 >>> 3+2 if 3>0 and 3>4 else 3-1
1 s=‘hello‘ 2 res=[i.upper() for i in s] 3 print(res) 4 5 [‘H‘,‘E‘,‘L‘,‘L‘,‘O‘]
l=[1,31,73,84,57,22] l_new=[] #一般写法 for i in l: if i > 50: l_new.append(i) print(l_new) #解析式写法 res=[i for i in l if i > 50] print(res)
for i in obj1: if 条件1: for i in obj2： if 条件2： for i in obj3: if 条件3： ... l=[1,31,73,84,57,22] print([i for i in l if i > 50]) print([i for i in l if i < 50]) print([i for i in l if i > 20 and i < 50])
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：
>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>
创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：
>>> next(g) >>> next(g) >>> next(g) >>> next(g) >>> next(g) >>> next(g) >>> next(g) >>> next(g) >>> next(g) >>> next(g) >>> next(g) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：
>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 1 9 25 49 81
所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
def fib(max): n, a, b = 0, 0, 1 while n < max: print(b) a, b = b, a + b n = n + 1 return ‘done‘
注意，赋值语句：
a, b = b, a + b
相当于：
t = (b, a + b) # t是一个tuple a = t[0] b = t[1]
但不必显式写出临时变量t就可以赋值。
上面的函数可以输出斐波那契数列的前N个数：
>>> fib(6) 1 3 8 ‘done‘
仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
def fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1 return ‘done‘
这就是定义generator的另一种方法。
如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
>>> f = fib(6) >>> f <generator object fib at 0x104feaaa0>
这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。
而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
举个简单的例子，定义一个generator，依次返回数字1，3，5：
def odd(): print(‘step 1‘) yield 1 print(‘step 2‘) yield(3) print(‘step 3‘) yield(5)
调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：
>>> o = odd() >>> next(o) step 1 >>> next(o) step 2 >>> next(o) step 3 >>> next(o) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。
回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。
同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：
>>> for n in fib(6): ... print(n) ... 1 3 8
但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：
>>> g = fib(6) >>> while True: ... try: ... x = next(g) ... print(‘g:‘, x) ... except StopIteration as e: ... print(‘Generator return value:‘, e.value) ... break ... g: 1 g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done
生成器就是迭代器
yield的功能：
1.与return类似，都可以返回值，但不一样的地方在于yield返回多次值，而return只能返回一次值
2.为函数封装好了__iter__和__next__方法，把函数的执行结果做成了迭代器
3.遵循迭代器的取值方式obj.__next__（），触发的函数的执行，函数暂停与再继续的状态都是由yield保存的
d={‘a‘:1,‘b‘:2,‘c‘:3}
obj=d.__iter__()
while True:
try:
i=obj.__next__()
print(i)
except StopIteration:
break
def foo(): print(‘first‘) yield 1 print(‘second‘) yield 2 print(‘third‘) yield 3 print(‘fouth‘) g=foo() for i in g: print(i)
import time def countdown(n): print(‘start---->‘) while n>=0: yield n time.sleep(1) n-=1 print(‘stop---->‘) g=countdown(5) for i in g: print(i)
动态查看文件最后一行，并过滤显示。
import time def tail(filepath,encoding=‘utf-8‘): with open(filepath,encoding=encoding) as f: f.seek(0,2) while True: line=f.readline() if line: yield line else: time.sleep(0.5) def grep(lines,pattern): for line in lines: if pattern in line: yield line g1=tail(‘day9.txt‘) g2=grep(g1, ‘error‘) g3=grep(g2, ‘404‘) for i in g3: print(i)
标签：app import try 无法 path class python 存储 逻辑
原文地址：http://www.cnblogs.com/f1443526266/p/7054544.html
