迭代器：

迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完才结束。迭代器只能向前不会后退，不过这没什么大不了的，因为人们很少在迭代中往后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中的所有元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件。

特点：

1、  访问者不需要关心迭代器内部的结构，仅需要通过next()方法不断去取下一个内容。

2、  不能随机访问集合中的某个值，只能从头到尾依次访问。

3、  访问到一半时不能往回退。

4、  便于循环比较大的数据集合，节省内存。

1 names=iter(['alex','jack','rain'])2 print(names)3 print(names.__next__())4 print(names.__next__())5 6 
     
      7 alex8 jack
     

生成器的使用：

定义：一个函数调用的时候返回一个迭代器，那这个函数就叫做生成器，如果函数中包含yield语法，那这个函数就会变成生成器。

1 def cash_out(amount): 2    while amount>0: 3        amount-=100 4        yield 100 5 print('又来取钱呢啦！') 6 atm=cash_out(500) 7 print(type(atm)) 8 print(atm.__next__()) 9 print(atm.__next__())10 print('叫个大保健…')11 print(atm.__next__())12 13 又来取钱呢啦！14 
     
      15 10016 10017 叫个大保健…18 100
     

作用：

这个yield的主要效果呢，就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以再重新调用这个函数，从上次yield的下一句开始执行。

另外，还可通过yield实现在单线程的情况下实现并发运算的效果（这就是我们所熟知的生产者-消费者模型）

生产者-消费者模型：

1 import time 2 def consumer(name): 3     print("%s 准备吃包子啦!" %name) 4     while True: 5        baozi = yield 6  7        print("包子[%s]来了,被[%s]吃了!" %(baozi,name)) 8  9 def producer(name):10     c = consumer('A')11     c2 = consumer('B')12     c.__next__()13     c2.__next__()14     print("老子开始准备做包子啦!")15     for i in range(10):16         time.sleep(1)17         print("做了2个包子!")18         c.send(i)19         c2.send(i)20 21 producer("alex")

装饰器原理介绍和基本实现：

 原理：

1 def  login(func): 2      print('passed user verification…') 3      return func 4 def home(name): 5    print('welcome [%s] to home page'%name) 6 def tv(name): 7    print('welcome [%s] to tv page'%name) 8 def moive(name): 9    print('welcome [%s] to moive page'%name)10 tv=login(tv)11 tv(name='peony')12 13 passed user verification…14 welcome [peony] to tv page

基本实现：

1 def  login(func): 2      def inner(arg): 3         print('passed user verification…') 4         func(arg) 5      return inner 6 def home(name): 7    print('welcome [%s] to home page'%name) 8 @login 9 def tv(name):10    print('welcome [%s] to tv page'%name)11 def moive(name):12    print('welcome [%s] to moive page'%name)13 tv('Alex')14 15 passed user verification…16 welcome [Alex] to tv page

实现带参数的复杂装饰器：

1 def w1(func): 2     def inner(arg): 3         # 验证1 4         # 验证2 5         # 验证3 6         return func(arg) 7     return inner 8  9 @w110 def f1(arg):11     print 'f1'12 13 一个参数

1 def w1(func): 2     def inner(arg1,arg2): 3         # 验证1 4         # 验证2 5         # 验证3 6         return func(arg1,arg2) 7     return inner 8  9 @w110 def f1(arg1,arg2):11     print 'f1'12 13 两个参数

1 def w1(func): 2     def inner(arg1,arg2,arg3): 3         # 验证1 4         # 验证2 5         # 验证3 6         return func(arg1,arg2,arg3) 7     return inner 8  9 @w110 def f1(arg1,arg2,arg3):11     print 'f1'12 13 三个参数

可以装饰具有处理n个参数的函数的装饰器：

1 def w1(func): 2     def inner(*args,**kwargs): 3         # 验证1 4         # 验证2 5         # 验证3 6         return func(*args,**kwargs) 7     return inner 8   9 @w110 def f1(arg1,arg2,arg3):11     print 'f1'

一个函数可以被多个装饰器装饰：

1 def w1(func): 2     def inner(*args,**kwargs): 3         # 验证1 4         # 验证2 5         # 验证3 6         return func(*args,**kwargs) 7     return inner 8   9 def w2(func):10     def inner(*args,**kwargs):11         # 验证112         # 验证213         # 验证314         return func(*args,**kwargs)15     return inner16  17  18 @w119 @w220 def f1(arg1,arg2,arg3):21     print 'f1'

(1)简单的装饰器：

1 def w1(main_func):2     def outer(request,kargs):3      print('before')4      main_func(request,kargs)5      print('after')6     return outer7 @w18 def show():9     print('show')

其执行流程为：

python解释器就会从上到下解释代码，步骤如下：

1. def w1(main_func):  ==>将w1函数加载到内存
2. @w1

没错，从表面上看解释器仅仅会解释这两句代码，因为函数在没有被调用之前其内部代码不会被执行。从表面上看解释器着实会执行这两句，但是 @w1 这一句代码里却有大文章，@函数名 是python的一种语法糖。如上例@w1内部会执行以下操作：

• • 执行w1函数，并将 @w1 下面的 函数 作为w1函数的参数，即：@w1 等价于 w1(show)，show函数重新定义为w1(show)的返回值
  • 执行show()，这个时候是新show()=outer，即为

print('before')main_func(request,kargs)#原来的show()print('after')

(2)复杂的装饰器：

1 def Before(request,kargs): 2     print('before') 3 def After(request,kargs): 4     print('after') 5 def Filter(before_func,after_func): 6     def outer(main_func): 7         def wrapper(request,kargs): 8              before_func(request,kargs) 9              main_func(request,kargs)10              after_func(request,kargs)11         return wrapper12     return outer13 14 @Filter(Before, After)15 def Index(request,kargs):16     print ('index')

其执行流程为：

（1）执行Filter(before,after)

（2）@Filter(before,after)变成@outer，其参数是Index

（3）新Index=wrapper()

递归原理及实现：

递归

特点

递归算法是一种直接或者间接地调用自身算法的过程。在计算机编写程序中，递归算法对解决一大类问题是十分有效的，它往往使算法的描述简洁而且易于理解。

递归算法解决问题的特点：

(1) 递归就是在过程或函数里调用自身。

(2) 在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。

(3) 递归算法解题通常显得很简洁，但递归算法解题的运行效率较低。所以一般不提倡用递归算法设计程序。

(4) 在 的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成 等。所以一般不提倡用递归算法设计程序。

要求

递归算法所体现的“重复”一般有三个要求：

一是每次调用在规模上都有所缩小(通常是减半)；

二是相邻两次重复之间有紧密的联系，前一次要为后一次做准备(通常前一次的输出就作为后一次的输入)；

三是在问题的规模极小时必须用直接给出解答而不再进行 ，因而每次递归调用都是有条件的(以规模未达到直接解答的大小为条件)，无条件递归调用将会成为死循环而不能正常结束。

举一个简单的小例子：

1 def calc(n): 2     print(n) 3     if n/2>1: 4         res=calc(n/2) 5         print('res:',res) 6         print("N:",n) 7         return n 8 calc(10) 9 10 1011 5.012 2.513 1.2514 res: None15 N: 2.516 res: 2.517 N: 5.018 res: 5.019 N: 10

（1）使用递归实现二分查找算法，

1 def binary_search(data_source,find_n): 2     mid=int(len(data_source)/2) 3     if len(data_source)>=1: 4         if data_source[mid]>find_n: 5             print("data in left of [%s]"%data_source[mid]) 6             binary_search(data_source[:mid],find_n) 7         elif data_source[mid]

（2）使用递归实现斐波那契数列，

1 def func(arg1,arg2,stop):2        if arg1==0:3           print (arg1,arg2)4        arg3=arg1+arg25        print(arg3)6        if arg3

（3）算法基础之2维数组90度旋转：

data=[[col for col in range(4)] for row in range(4)]for row in data:    print(row)print('-------------')for r_index,row in enumerate(data):    for c_index in range(r_index,len(row)):        tmp=data[c_index][r_index]        data[c_index][r_index]=row[c_index]        data[r_index][c_index]=tmp    print('-------------')    for r in data:print(r)

正则表达式基础：

语法:

1 import re #导入模块名2  3 p = re.compile("^[0-9]")  #生成要匹配的正则对象 ， ^代表从开头匹配，[0-9]代表匹配0至9的任意一个数字， 所以这里的意思是对传进来的字符串进行匹配，如果这个字符串的开头第一个字符是数字，就代表匹配上了4  5 m = p.match('14534Abc')   #按上面生成的正则对象 去匹配 字符串， 如果能匹配成功，这个m就会有值， 否则m为None
if m: #不为空代表匹配上了6 　　print(m.group())　　　　#m.group()返回匹配上的结果，此处为1，因为匹配上的是1这个字符
else:
　　print("doesn't match.")

上面的第2 和第3行也可以合并成一行来写：

m = p.match("^[0-9]",'14534Abc')

它们的效果是一样的，区别在于：第一种方式是提前对要匹配的格式进行了编译（对匹配公式进行解析），这样再去匹配的时候就不用在编译匹配的格式，第2种简写是每次匹配的时候 都 要进行一次匹配公式的编译，所以，如果你需要从一个5w行的文件中匹配出所有以数字开头的行，建议先把正则公式进行编译再匹配，这样速度会快点。

匹配格式

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}
re{ n,}	精确匹配n个前面表达式。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	G匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字
\W	匹配非字母数字
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。c
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的子表达式。
\10	匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。

正则表达式常用5种操作：

re.match(pattern, string)　　　　 # 从头匹配

re.search(pattern, string)　　　　# 匹配整个字符串，直到找到一个匹配

re.split()　　　　　　　　　　　　# 将匹配到的格式当做分割点对字符串分割成列表

1 import re2 m = re.split("[0-9]", "alex1rain2jack3helen rachel8")3 print(m)4 输出：5 ['alex', 'rain', 'jack', 'helen rachel', '']

re.findall()　　　　　　　　　　# 找到所有要匹配的字符并返回列表格式

1 import re2 m = re.findall("[0-9]", "alex1rain2jack3helen rachel8")3 print(m)4 输出：5 ['1', '2', '3', '8']

re.sub(pattern, repl, string, count,flag) 　　　# 替换匹配到的字符

1 import re2 m=re.sub("[0-9]","|", "alex1rain2jack3helen rachel8",count=2 )3 print(m)4 输出：5 alex|rain|jack3helen rachel8

正则表达式实例

字符匹配

实例	描述
python	匹配 "python".

字符类

实例	描述
[Pp]ython	匹配 "Python" 或 "python"
rub[ye]	匹配 "ruby" 或 "rube"
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符

特殊字符类

实例	描述
.	匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。

re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。