Python之路,Day4 - Python基础4 (new版)

本节内容

迭代器&生成器

装饰器

Json & pickle 数据序列化

软件目录结构规范

作业:ATM项目开发

1.列表生成式，迭代器&生成器

列表生成式

孩子，我现在有个需求，看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],我要求你把列表里的每个值加1，你怎么实现？你可能会想到2种方式

通过生成器实现协程并行运算

迭代器

我们已经知道，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 function。

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：

而生成器不但可以作用于

for

循环，还可以被

next()

函数不断调用并返回下一个值，直到最后抛出

StopIteration

错误表示无法继续返回下一个值了。

*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

。

可以使用

isinstance()

判断一个对象是否是

Iterator

对象：

生成器都是

Iterator

对象，但

list

、

dict

、

str

虽然是

Iterable

，却不是

Iterator

。

把

list

、

dict

、

str

等

Iterable

变成

Iterator

可以使用

iter()

函数：

你可能会问，为什么

list

、

dict

、

str

等数据类型不是

Iterator

？

这是因为Python的

Iterator

对象表示的是一个数据流，Iterator对象可以被

next()

函数调用并不断返回下一个数据，直到没有数据时抛出

StopIteration

错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过

next()

函数实现按需计算下一个数据，所以

Iterator

的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator

甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

凡是可作用于

for

循环的对象都是

Iterable

类型；

凡是可作用于

next()

函数的对象都是

Iterator

类型，它们表示一个惰性计算的序列；

集合数据类型如

list

、

dict

、

str

等是

Iterable

但不是

Iterator

，不过可以通过

iter()

函数获得一个

Iterator

对象。

Python的

for

循环本质上就是通过不断调用

next()

函数实现的，例如：

实际上完全等价于：

1 #_*_coding:utf-8_*_
2
3
4 user_status = False #用户登录了就把这个改成True
5
6 def login(auth_type): #把要执行的模块从这里传进来
7     def auth(func):
8         def inner(*args,**kwargs):#再定义一层函数
9             if auth_type == "qq":
10                 _username = "alex" #假装这是DB里存的用户信息
11                 _password = "abc!23" #假装这是DB里存的用户信息
12                 global user_status
13
14                 if user_status == False:
15                     username = input("user:")
16                     password = input("pasword:")
17
18                     if username == _username and password == _password:
19                         print("welcome login....")
20                         user_status = True
21                     else:
22                         print("wrong username or password!")
23
24                 if user_status == True:
25                     return func(*args,**kwargs) # 看这里看这里，只要验证通过了，就调用相应功能
26             else:
27                 print("only support qq ")
28         return inner #用户调用login时，只会返回inner的内存地址，下次再调用时加上()才会执行inner函数
29
30     return auth
31
32 def home():
33     print("---首页----")
34
35 @login('qq')
36 def america():
37     #login() #执行前加上验证
38     print("----欧美专区----")
39
40 def japan():
41     print("----日韩专区----")
42
43 @login('weibo')
44 def henan(style):
45     '''
46     :param style: 喜欢看什么类型的，就传进来
47     :return:
48     '''
49     #login() #执行前加上验证
50     print("----河南专区----")
51
52 home()
53 # america = login(america) #你在这里相当于把america这个函数替换了
54 #henan = login(henan)
55
56 # #那用户调用时依然写
57 america()
58
59 # henan("3p")
60
61 带参数的装饰器

带参数的装饰器

3.Json & pickle 数据序列化

参考 http://www.cnblogs.com/alex3714/articles/5161349.html
　　

4.软件目录结构规范

为什么要设计好目录结构?

"设计项目目录结构"，就和"代码编码风格"一样，属于个人风格问题。对于这种风格上的规范，一直都存在两种态度:

一类同学认为，这种个人风格问题"无关紧要"。理由是能让程序work就好，风格问题根本不是问题。

另一类同学认为，规范化能更好的控制程序结构，让程序具有更高的可读性。

我是比较偏向于后者的，因为我是前一类同学思想行为下的直接受害者。我曾经维护过一个非常不好读的项目，其实现的逻辑并不复杂，但是却耗费了我非常长的时间去理解它想表达的意思。从此我个人对于提高项目可读性、可维护性的要求就很高了。"项目目录结构"其实也是属于"可读性和可维护性"的范畴，我们设计一个层次清晰的目录结构，就是为了达到以下两点:

可读性高: 不熟悉这个项目的代码的人，一眼就能看懂目录结构，知道程序启动脚本是哪个，测试目录在哪儿，配置文件在哪儿等等。从而非常快速的了解这个项目。

可维护性高: 定义好组织规则后，维护者就能很明确地知道，新增的哪个文件和代码应该放在什么目录之下。这个好处是，随着时间的推移，代码/配置的规模增加，项目结构不会混乱，仍然能够组织良好。

所以，我认为，保持一个层次清晰的目录结构是有必要的。更何况组织一个良好的工程目录，其实是一件很简单的事儿。

目录组织方式

关于如何组织一个较好的Python工程目录结构，已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上，能看到大家对Python目录结构的讨论。

这里面说的已经很好了，我也不打算重新造轮子列举各种不同的方式，这里面我说一下我的理解和体会。

假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:

Foo/
|-- bin/
|   |-- foo
|
|-- foo/
|   |-- tests/
|   |   |-- __init__.py
|   |   |-- test_main.py
|   |
|   |-- __init__.py
|   |-- main.py
|
|-- docs/
|   |-- conf.py
|   |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README

简要解释一下:

bin/

: 存放项目的一些可执行文件，当然你可以起名

script/

之类的也行。

foo/

: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录

tests/

存放单元测试代码； (3) 程序的入口最好命名为

main.py

。

docs/

: 存放一些文档。

setup.py

: 安装、部署、打包的脚本。

requirements.txt

: 存放软件依赖的外部Python包列表。

README

: 项目说明文件。

除此之外，有一些方案给出了更加多的内容。比如

LICENSE.txt

,

ChangeLog.txt

文件等，我没有列在这里，因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件，目录该如何组织，可以参考这篇文章。

下面，再简单讲一下我对这些目录的理解和个人要求吧。

关于README的内容

这个我觉得是每个项目都应该有的一个文件，目的是能简要描述该项目的信息，让读者快速了解这个项目。

它需要说明以下几个事项:

软件定位，软件的基本功能。

运行代码的方法: 安装环境、启动命令等。

简要的使用说明。

代码目录结构说明，更详细点可以说明软件的基本原理。

常见问题说明。

我觉得有以上几点是比较好的一个

README

。在软件开发初期，由于开发过程中以上内容可能不明确或者发生变化，并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候，是需要撰写这样的一个文档的。

可以参考Redis源码中Readme的写法，这里面简洁但是清晰的描述了Redis功能和源码结构。

关于requirements.txt和setup.py

setup.py

一般来说，用

setup.py

来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题，而是说，一个项目一定要有一个安装部署工具，能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。

这个我是踩过坑的。

我刚开始接触Python写项目的时候，安装环境、部署代码、运行程序这个过程全是手动完成，遇到过以下问题:

安装环境时经常忘了最近又添加了一个新的Python包，结果一到线上运行，程序就出错了。

Python包的版本依赖问题，有时候我们程序中使用的是一个版本的Python包，但是官方的已经是最新的包了，通过手动安装就可能装错了。

如果依赖的包很多的话，一个一个安装这些依赖是很费时的事情。

新同学开始写项目的时候，将程序跑起来非常麻烦，因为可能经常忘了要怎么安装各种依赖。

setup.py

可以将这些事情自动化起来，提高效率、减少出错的概率。"复杂的东西自动化，能自动化的东西一定要自动化。"是一个非常好的习惯。

setuptools的文档比较庞大，刚接触的话，可能不太好找到切入点。学习技术的方式就是看他人是怎么用的，可以参考一下Python的一个Web框架，flask是如何写的: setup.py

当然，简单点自己写个安装脚本（

deploy.sh

）替代

setup.py

也未尝不可。

requirements.txt

这个文件存在的目的是:

方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中，避免在

setup.py

安装依赖时漏掉软件包。

方便读者明确项目使用了哪些Python包。

这个文件的格式是每一行包含一个包依赖的说明，通常是

flask>=0.10

这种格式，要求是这个格式能被

pip

识别，这样就可以简单的通过

pip install -r requirements.txt

来把所有Python包依赖都装好了。具体格式说明： 点这里。

关于配置文件的使用方法

注意，在上面的目录结构中，没有将

conf.py

放在源码目录下，而是放在

docs/

目录下。

很多项目对配置文件的使用做法是:

配置文件写在一个或多个python文件中，比如此处的conf.py。

项目中哪个模块用到这个配置文件就直接通过

import conf

这种形式来在代码中使用配置。

这种做法我不太赞同:

这让单元测试变得困难（因为模块内部依赖了外部配置）

另一方面配置文件作为用户控制程序的接口，应当可以由用户自由指定该文件的路径。

程序组件可复用性太差，因为这种贯穿所有模块的代码硬编码方式，使得大部分模块都依赖

conf.py

这个文件。

所以，我认为配置的使用，更好的方式是，

模块的配置都是可以灵活配置的，不受外部配置文件的影响。

程序的配置也是可以灵活控制的。

能够佐证这个思想的是，用过nginx和mysql的同学都知道，nginx、mysql这些程序都可以自由的指定用户配置。

所以，不应当在代码中直接

import conf

来使用配置文件。上面目录结构中的

conf.py

，是给出的一个配置样例，不是在写死在程序中直接引用的配置文件。可以通过给

main.py

启动参数指定配置路径的方式来让程序读取配置内容。当然，这里的

conf.py

你可以换个类似的名字，比如

settings.py

。或者你也可以使用其他格式的内容来编写配置文件，比如

settings.yaml

之类的。

5.本节作业

作业需求：

模拟实现一个ATM + 购物商城程序

额度 15000或自定义

实现购物商城，买东西加入 购物车，调用信用卡接口结账

可以提现，手续费5%

每月22号出账单，每月10号为还款日，过期未还，按欠款总额 万分之5 每日计息

支持多账户登录

支持账户间转账

记录每月日常消费流水

提供还款接口

ATM记录操作日志

提供管理接口，包括添加账户、用户额度，冻结账户等。。。

用户认证用装饰器

示例代码 https://github.com/triaquae/py_training/tree/master/sample_code/day5-atm