标签：可调用对象 现在 sed 闭包 exist 不可变类 rac 固定 问题
1. 打开文件，得到文件句柄并赋值给一个变量
f=open(‘a.txt‘,‘r‘,encoding=‘utf-8‘) #默认打开模式就为r
2. 通过句柄对文件进行操作
data=f.read()
3. 关闭文件
f.close()
打开文件的过程解析
1、由应用程序向操作系统发起系统调用open(...)
2、操作系统打开该文件，并返回一个文件句柄给应用程序
3、应用程序将文件句柄赋值给变量f
强调第一点：
打开一个文件包含两部分资源：操作系统级打开的文件+应用程序的变量。在操作完毕一个文件时，
必须把与该文件的这两部分资源一个不落地回收，回收方法为：
1、f.close() #回收操作系统级打开的文件
2、del f #回收应用程序级的变量
其中del f一定要发生在f.close()之后，否则就会导致操作系统打开的文件还没有关闭，白白占用资源，
而python自动的垃圾回收机制决定了我们无需考虑del f，这就要求我们，在操作完毕文件后，
一定要记住f.close()
傻瓜式操作方式：使用with关键字来帮我们管理上下文
with open(‘a.txt‘,‘w‘) as f:
pass
with open(‘a.txt‘,‘r‘) as read_f,open(‘b.txt‘,‘w‘) as write_f:
data=read_f.read()
write_f.write(data)
强调第二点：
f=open(...)是由操作系统打开文件，那么如果我们没有为open指定编码，那么打开文件的默认编码很明显是操作系统说了算了，操作系统会用自己的默认编码去打开文件，在windows下是gbk，在linux下是utf-8。
这就用到了上节课讲的字符编码的知识：若要保证不乱码，文件以什么方式存的，就要以什么方式打开。
f=open(‘a.txt‘,‘r‘,encoding=‘utf-8‘)
文件句柄 = open（‘文件路径‘,‘模式‘）
模式可以是以下方式以及他们之间的组合：
| Character | Meaning |
|---|---|
| ‘r‘ | open for reading (default) |
| ‘w‘ | open for writing, truncating the file first |
| ‘a‘ | open for writing, appending to the end of the file if it exists |
| ‘b‘ | binary mode |
| ‘t‘ | text mode (default) |
| ‘+‘ | open a disk file for updating (reading and writing) |
| ‘U‘ | universal newline mode (for backwards compatibility; should not be used in new code) |
#掌握
f.read() #读取所有内容,光标移动到文件末尾
f.readline() #读取一行内容,光标移动到第二行首部
f.readlines() #读取每一行内容,存放于列表中
f.write(‘1111\n222\n‘) #针对文本模式的写,需要自己写换行符
f.write(‘1111\n222\n‘.encode(‘utf-8‘)) #针对b模式的写,需要自己写换行符
f.writelines([‘333\n‘,‘444\n‘]) #文件模式
f.writelines([bytes(‘333\n‘,encoding=‘utf-8‘),‘444\n‘.encode(‘utf-8‘)]) #b模式
#了解
f.readable() #文件是否可读
f.writable() #文件是否可读
f.closed #文件是否关闭
f.encoding #如果文件打开模式为b,则没有该属性
f.flush() #立刻将文件内容从内存刷到硬盘
f.name
方式一：将硬盘存放的该文件的内容全部加载到内存，在内存中是可以修改的，修改完毕后，再由内存覆盖到硬盘（word，vim，nodpad++等编辑器）
import os
with open(‘a.txt‘) as read_f,open(‘.a.txt.swap‘,‘w‘) as write_f:
data=read_f.read() #全部读入内存,如果文件很大,会很卡
data=data.replace(‘alex‘,‘SB‘) #在内存中完成修改
write_f.write(data) #一次性写入新文件
os.remove(‘a.txt‘)
os.rename(‘.a.txt.swap‘,‘a.txt‘)
方式二：将硬盘存放的该文件的内容一行一行地读入内存，修改完毕就写入新文件，最后用新文件覆盖源文件
import os
with open(‘a.txt‘) as read_f,open(‘.a.txt.swap‘,‘w‘) as write_f:
for line in read_f:
line=line.replace(‘alex‘,‘SB‘)
write_f.write(line)
os.remove(‘a.txt‘)
os.rename(‘.a.txt.swap‘,‘a.txt‘)
函数是一种具备某种功能的工具
如果我们想用函数就需要我们先去定义函数，将函数定义好之后我们就可以使用函数了
函数分为两类 一种是内置函数，另一种是自定义函数
#1、内置函数
为了方便我们的开发，针对一些简单的功能，python解释器已经为我们定义好了的函数即内置函数。对于内置函数，我们可以拿来就用而无需事先定义，如len(),sum(),max()
ps：我们将会在最后详细介绍常用的内置函数。
#2、自定义函数
很明显内置函数所能提供的功能是有限的，这就需要我们自己根据需求，事先定制好我们自己的函数来实现某种功能，以后，在遇到应用场景时，调用自定义的函数即可。例如
如何定义函数
定义函数的语法
def 函数名（参数）：
函数体
return 返回的值
函数名要见名知意
要能够体现函数的功能
函数的使用原则是 先定义再调用
***
函数是一种变量，它必须先定义才能引用，如果没有定义就引用就会导致引用的函数是一个不存在的变量名
函数在定义阶段只会检测语法，不会执行代码
调用函数的时候 会先找到函数名，再根据函数名调用函数的代码 （函数名加括号）
1 语句形式：foo()
2 表达式形式：3*len(‘hello‘)
3 当中另外一个函数的参数：range(len(‘hello‘))
函数的参数分为：实参和形参
#1、位置参数：按照从左到右的顺序定义的参数
位置形参：必选参数
位置实参：按照位置给形参传值
#2、关键字参数：按照key=value的形式定义的实参
无需按照位置为形参传值
注意的问题：
1. 关键字实参必须在位置实参右面
2. 对同一个形参不能重复传值
#3、默认参数：形参在定义时就已经为其赋值
可以传值也可以不传值，经常需要变得参数定义成位置形参，变化较小的参数定义成默认参数（形参）
注意的问题：
1. 只在定义时赋值一次
2. 默认参数的定义应该在位置形参右面
3. 默认参数通常应该定义成不可变类型
#4、可变长参数：
可变长指的是实参值的个数不固定
而实参有按位置和按关键字两种形式定义，针对这两种形式的可变长，形参对应有两种解决方案来完整地存放它们，分别是*args，**kwargs
===========*args===========
def foo(x,y,*args):
print(x,y)
print(args)
foo(1,2,3,4,5)
def foo(x,y,*args):
print(x,y)
print(args)
foo(1,2,*[3,4,5])
def foo(x,y,z):
print(x,y,z)
foo(*[1,2,3])
===========**kwargs===========
def foo(x,y,**kwargs):
print(x,y)
print(kwargs)
foo(1,y=2,a=1,b=2,c=3)
def foo(x,y,**kwargs):
print(x,y)
print(kwargs)
foo(1,y=2,**{‘a‘:1,‘b‘:2,‘c‘:3})
def foo(x,y,z):
print(x,y,z)
foo(**{‘z‘:1,‘x‘:2,‘y‘:3})
===========*args+**kwargs===========
def foo(x,y):
print(x,y)
def wrapper(*args,**kwargs):
print(‘====>‘)
foo(*args,**kwargs)
#5、命名关键字参数：*后定义的参数，必须被传值（有默认值的除外），且必须按照关键字实参的形式传递
可以保证，传入的参数中一定包含某些关键字
def foo(x,y,*args,a=1,b,**kwargs):
print(x,y)
print(args)
print(a)
print(b)
print(kwargs)
foo(1,2,3,4,5,b=3,c=4,d=5)
结果：
1
2
(3, 4, 5)
1
3
{‘c‘: 4, ‘d‘: 5}
函数的特点
函数是第一类对象，即函数可以当作数据传递
1 可以被引用
2 可以当作参数传递
3 返回值可以是函数
4 可以当作容器类型的元素
函数的嵌套调用：
def max(x,y):
return x if x > y else y
def max4(a,b,c,d):
res1=max(a,b)
res2=max(res1,c)
res3=max(res2,d)
return res3
print(max4(1,2,3,4))
函数的嵌套定义：
def f1():
def f2():
def f3():
print(‘from f3‘)
f3()
f2()
f1()
名称空间：python中存放名字的地方
如 n=2 2存放在内存中 而n则是存放在联系 n=2关系的名称空间中
名称空间的加载顺序
1、python解释器先启动，因而首先加载的是：内置名称空间
2、执行test.py文件，然后以文件为基础，加载全局名称空间
3、在执行文件的过程中如果调用函数，则临时产生局部名称空间
局部名称空间--->全局名称空间--->内置名称空间
#需要注意的是：在全局无法查看局部的，在局部可以查看全局的，如下示例
# max=1
def f1():
# max=2
def f2():
# max=3
print(max)
f2()
f1()
print(max)
作用域指的就是全局范围以及局部范围
#1 - 全局范围（内置名称空间与全局名称空间属于该范围）：全局存活，全局有效
# - 局部范围（局部名称空间属于该范围）：临时存活，局部有效
#2、作用域关系是在函数定义阶段就已经固定的，与函数的调用位置无关，如下
x=1
def f1():
def f2():
print(x)
return f2
x=100
def f3(func):
x=2
func()
x=10000
f3(f1())
#3、查看作用域：globals(),locals()
LEGB 代表名字查找顺序: locals -> enclosing function -> globals -> __builtins__
locals 是函数内的名字空间，包括局部变量和形参
enclosing 外部嵌套函数的名字空间（闭包中常见）
globals 全局变量，函数定义所在模块的名字空间
builtins 内置模块的名字空间
#内部函数包含对外部作用域而非全局作用域的引用
#提示：之前我们都是通过参数将外部的值传给函数，闭包提供了另外一种思路
def counter():
n=0
def incr():
nonlocal n
x=n
n+=1
return x
return incr
c=counter()
print(c())
print(c())
print(c())
print(c.__closure__[0].cell_contents) #查看闭包的元素
#闭包的意义：返回的函数对象，不仅仅是一个函数对象，在该函数外还包裹了一层作用域，这使得，该函数无论在何处调用，优先使用自己外层包裹的作用域
#应用领域：延迟计算（原来我们是传参，现在我们是包起来）
from urllib.request import urlopen
def index(url):
def get():
return urlopen(url).read()
return get
baidu=index(‘http://www.baidu.com‘)
print(baidu().decode(‘utf-8‘))
#开放封闭原则：对修改封闭，对扩展开放
装饰器他人的器具，本身可以是任意可调用对象，被装饰者也可以是任意可调用对象。
强调装饰器的原则：1 不修改被装饰对象的源代码 2 不修改被装饰对象的调用方式
装饰器的目标：在遵循1和2的前提下，为被装饰对象添加上新功能
import time
def timmer(func):
def wrapper(*args,**kwargs):
start_time=time.time()
res=func(*args,**kwargs)
stop_time=time.time()
print(‘run time is %s‘ %(stop_time-start_time))
return res
return wrapper
@timmer
def foo():
time.sleep(3)
print(‘from foo‘)
foo()
def auth(driver=‘file‘):
def auth2(func):
def wrapper(*args,**kwargs):
name=input("user: ")
pwd=input("pwd: ")
if driver == ‘file‘:
if name == ‘egon‘ and pwd == ‘123‘:
print(‘login successful‘)
res=func(*args,**kwargs)
return res
elif driver == ‘ldap‘:
print(‘ldap‘)
return wrapper
return auth2
@auth(driver=‘file‘)
def foo(name):
print(name)
foo(‘egon‘)
被装饰函数的正上方，单独一行
@deco1
@deco2
@deco3
def foo():
pass
foo=deco1(deco2(deco3(foo)))
from functools import wraps
def deco(func):
@wraps(func) #加在最内层函数正上方
def wrapper(*args,**kwargs):
return func(*args,**kwargs)
return wrapper
@deco
def index():
‘‘‘哈哈哈哈‘‘‘
print(‘from index‘)
print(index.__doc__)
1. 加载顺序(outter函数的调用顺序):自下而上
2. 执行顺序(wrapper函数的执行顺序):自上而下
def outter1(func1): #func1=wrapper2的内存地址
print(‘加载了outter1‘)
def wrapper1(*args,**kwargs):
print(‘执行了wrapper1‘)
res1=func1(*args,**kwargs)
return res1
return wrapper1
def outter2(func2): #func2=wrapper3的内存地址
print(‘加载了outter2‘)
def wrapper2(*args,**kwargs):
print(‘执行了wrapper2‘)
res2=func2(*args,**kwargs)
return res2
return wrapper2
def outter3(func3): # func3=最原始的那个index的内存地址
print(‘加载了outter3‘)
def wrapper3(*args,**kwargs):
print(‘执行了wrapper3‘)
res3=func3(*args,**kwargs)
return res3
return wrapper3
@outter1 # outter1(wrapper2的内存地址)======>index=wrapper1的内存地址
@outter2 # outter2(wrapper3的内存地址)======>wrapper2的内存地址
@outter3 # outter3(最原始的那个index的内存地址)===>wrapper3的内存地址
def index():
print(‘from index‘)
print(‘======================================================‘)
index()
#迭代器即迭代的工具，那什么是迭代呢？#迭代是一个重复的过程，每次重复即一次迭代，并且每次迭代的结果都是下一次迭代的初始值
while True: #只是单纯地重复，因而不是迭代
print(‘===>‘)
l=[1,2,3]
count=0
while count < len(l): #迭代
print(l[count])
count+=1
1、为何要有迭代器？
对于序列类型：字符串、列表、元组，我们可以使用索引的方式迭代取出其包含的元素。但对于字典、集合、文件等类型是没有索引的，若还想取出其内部包含的元素，则必须找出一种不依赖于索引的迭代方式，这就是迭代器
2、什么是可迭代对象？
可迭代对象指的是内置有__iter__方法的对象，即obj.__iter__，如下
‘hello‘.__iter__
(1,2,3).__iter__
[1,2,3].__iter__
{‘a‘:1}.__iter__
{‘a‘,‘b‘}.__iter__
open(‘a.txt‘).__iter__
3、什么是迭代器对象？
可迭代对象执行obj.__iter__()得到的结果就是迭代器对象
而迭代器对象指的是即内置有__iter__又内置有__next__方法的对象
文件类型是迭代器对象
open(‘a.txt‘).__iter__()
open(‘a.txt‘).__next__()
4、注意：
迭代器对象一定是可迭代对象，而可迭代对象不一定是迭代器对象
优点：
- 提供一种统一的、不依赖于索引的迭代方式
- 惰性计算，节省内存
缺点：
- 无法获取长度（只有在next完毕才知道到底有几个值）
- 一次性的，只能往后走，不能往前退
#只要函数内部包含有yield关键字，那么函数名()的到的结果就是生成器，并且不会执行函数内部代码
def func():
print(‘====>first‘)
yield 1
print(‘====>second‘)
yield 2
print(‘====>third‘)
yield 3
print(‘====>end‘)
g=func()
print(g) #<generator object func at 0x0000000002184360>
g.__iter__
g.__next__
#2、所以生成器就是迭代器，因此可以这么取值
res=next(g)
print(res)
1、把列表推导式的[]换成()就是生成器表达式
2、示例：生一筐鸡蛋变成给你一只老母鸡，用的时候就下蛋，这也是生成器的特性
>>> chicken=(‘鸡蛋%s‘ %i for i in range(5))
>>> chicken
<generator object <genexpr> at 0x10143f200>
>>> next(chicken)
‘鸡蛋0‘
>>> list(chicken) #因chicken可迭代，因而可以转成列表
[‘鸡蛋1‘, ‘鸡蛋2‘, ‘鸡蛋3‘, ‘鸡蛋4‘,]
3、优点：省内存，一次只产生一个值在内存中
标签：可调用对象 现在 sed 闭包 exist 不可变类 rac 固定 问题
原文地址：https://www.cnblogs.com/x945669/p/13221051.html
