第9章 Python高级特性

Python高级特性第9章授课课件目录迭代器与生成器装饰器的原理与应用上下文管理器多线程编程基础正则表达式入门闭包与函数式编程思想01迭代器与生成器迭代器(Iterator)原理定义实现了`__iter__()`和`__next__()`方法的对象。迭代器协议`__iter__()`返回迭代器对象本身。`__next__()`返回下一个元素，无元素则抛出`StopIteration`。迭代器工作流程示意图生成器(Generator)详解定义一种特殊的迭代器，使用`yield`关键字来返回数据。特点惰性计算只在需要时才生成数据，节省内存。状态暂停在`yield`处暂停执行，下次调用时从暂停处继续。生成器暂停与恢复示意图迭代器vs生成器特性迭代器生成器定义实现迭代器协议的对象使用yield的函数内存占用通常需要存储所有数据只存储状态，按需生成实现复杂度需手动实现协议方法自动实现，代码简洁适用场景自定义复杂迭代逻辑处理大数据流、无限序列复用性可多次遍历只能遍历一次02装饰器的原理与应用装饰器(Decorator)原理定义在不修改原函数代码的前提下，动态地为函数添加额外功能的工具。本质一个接收函数作为参数，并返回一个新函数的高阶函数。工作流程1定义装饰器函数2使用`@decorator`语法糖应用装饰器装饰器工作原理示意图装饰器应用场景日志记录记录函数的调用时间、参数和返回值，方便调试与监控。性能测试计算并监控函数的执行时间，快速定位性能瓶颈。权限验证在函数执行前检查用户权限，确保操作安全合规。缓存缓存函数计算结果，避免重复计算，提升响应速度。代码示例：性能测试importtimedeftimer_decorator(func):defwrapper(*args,**kwargs):start=time.time()result=func(*args,**kwargs)print(f"耗时:{time.time()-start}s")returnresultreturnwrapper@timer_decoratordefslow_function():time.sleep(2)03上下文管理器上下文管理器(ContextManager)定义一种用于管理资源的协议，确保资源在使用后被正确释放。核心方法__enter__():进入with语句块时调用，返回资源。__exit__():退出with语句块时调用，释放资源。优势自动资源管理，无需手动调用close()。异常安全，确保资源被释放。代码示例withopen('file.txt','r')asf:content=f.read()#文件在with块结束后自动关闭文件操作是上下文管理器最经典的应用。文件会在`with`块结束后自动关闭，无需手动干预。04多线程编程基础多线程(Multithreading)基础线程与进程进程：操作系统分配资源的基本单位。线程：进程内的执行单元，共享进程资源。核心优势提高程序响应性，避免单线程阻塞充分利用多核CPU，实现并行计算改善I/O密集型任务性能Python实现主要使用内置的`threading`模块。importthreading,timedefprint_numbers():...thread=threading.Thread(target=...)thread.start()thread.join()核心思想：让耗时操作在后台运行，避免阻塞主线程，提升程序响应性。05正则表达式入门正则表达式(RegularExpression)定义一种用于匹配字符串模式的强大工具。常用元字符.:匹配任意单个字符。:匹配前一个字符0次或多次。+:匹配前一个字符1次或多次。?:匹配前一个字符0次或1次。[]:匹配字符集中的任意一个字符。():用于分组和捕获匹配结果。Python示例importrepattern=r'\d+'#匹配一个或多个数字text="Thereare123applesand45oranges."result=re.findall(pattern,text)print(result)#输出:['123','45']核心模块：`re`Python内置的`re`模块提供了完整的正则表达式功能，用于字符串的匹配、搜索、替换等操作。06闭包与函数式编程思想闭包(Closure)定义一个函数及其相关的引用环境组合而成的实体。即使函数在其词法作用域之外执行，也能记住并访问其作用域。核心作用数据封装创建私有变量，避免全局污染，实现信息隐藏。状态保持内层函数可记住外层函数的变量状态，跨调用保持数据。代码示例defouter_function(x):definner_function(y):returnx+yreturninner_functionclosure=outer_function(5)print(closure(3))#输出:8构成三要素嵌套函数结构内层引用外层变量外层返回内层函数实战案例：文件内容分析器任务目标分析大型日志文件，统计不同级别错误的出现次数，以优化系统性能和快速定位问题。核心技术点生成器(Generator)逐行读取文件，避免加载整个文件到内存。正则表达式(Regex)灵活、高效地匹配和提取日志中的错误级别。字典(Dictionary)实时统计各类错误的出现次数。Python实现importredefread_log_file(file_path):withopen(file_path,'r')asf:forlineinf:yieldline.strip()defcount_error_levels(gen):error_counts={},pattern=r'ERROR:(\w+)'forlineingen:...returnerror_counts通过组合使用，实现了对大型日志文件的高效、低内存占用分析。常见问题排查(FAQ)Q1:迭代器遍历结束后，如何重置？A:迭代器通常是一次性的。若需重复遍历，可以创建一个新的迭代器对象，或者将可迭代对象转换为列表等支持多次访问的数据结构。Q2:装饰器会改变原函数的元信息吗？如何解决？A:会。可以使用`functools.wraps`装饰器来保留原函数的元信息。Q3:Python中的多线程为什么在CPU密集型任务上性能提升不明显？A:因为Python有GIL（全局解释器锁），它确保在任何时刻只有一个线程执行Python字节码。对于CPU密集型任务，多线程并不能真正实现并行执行，推荐使用多进程。Q4:闭包和装饰器的关系是什么？A:装饰器本质上是一种特殊的闭包。装饰器利用闭包的特性，在不修改原函数代码的情况下，动态地为函数添加功能。总结迭代器与生成器掌握惰性计算和按需生成数据的思想。装饰器学会在不修改原代码的情况下扩展函数功能。上下文管理器理解并善用`with`语句进行资源管理。多线程了解并发编程的基本概念和Python的实现方式。正则表达式掌握强大的字符串模式匹配工具。闭包理解函数式编程中的状态保持和数据封装。这些特性是Python语言的精华所在，希望大家能够在今后的项目中多多实践，灵活运用。课后实操任务任