高级语法
with语句
文件操作回顾
- 文件使用完后必须关闭
- 因为文件对象会占用操作系统的资源，并且操作系统同一时间能打开的文件数量也是有限的
- 这种写法可能出现一定的安全隐患，错误代码如下:
- 由于文件读写时都有可能产生IOError，一旦出错，后面的f.close()就不会调用。
- 为了保证无论是否出错都能正确地关闭文件，我们可以使用try…finally来解决
with语句
with语句执行完成后，自动调用关闭文件操作，即使出现异常也会自动调用关闭文件操作
上下文管理器
一个类只要实现了__enter__()和__exit__()这个两个方法，通过该类创建的对象我们就称之为上下文管理器
- with语句之所以这么强大，背后是由上下文管理器做支撑的
- 刚才使用open函数创建的文件对象就是就是一个上下文管理器对象。
- 大白话: with管理的对象就是上下文管理器; with xxx as后面的操作的对象就是被管理的对象
- 定义一个File类，实现__enter__()和__exit__()方法
- 然后使用with语句来完成操作文件
- 一个类只要实现了enter和exit这个两个方法，通过该类创建的对象我们就称之为上下文管理器
- __enter__()表示上文方法，需要返回一个操作文件对象
- __exit__()表示下文方法，with语句执行完成会自动执行，即使出现异常也会执行该方法
迭代器
什么是迭代器
迭代器(Iterator)是Python中的一种对象，用于在数据集合中逐个访问元素，而不需要暴露数据集合的底层实现。它提供了一种遍历集合元素的标准方式，适用于任何支持迭代的数据结构，如列表、元组等，range()就是一个迭代器
- 手动管理: 需要显式地实现__iter__()和__next__()方法。
- 状态管理: 迭代器需要自己管理迭代的状态，包括当前位置和结束条件。
- 内存使用: 内存使用取决于迭代器的实现，通常是惰性计算(即按需生成数据)。
"""
演示自定义迭代器
概述: 自定义的类,只要重写了__iter__()和__next__()方法, 就可以称为迭代器
目的: 惰性加载, 用的时候才会获取
"""
# 需求: 模拟range(1,6)
for i in range(1, 6):
print(i)
# 自定义迭代器
class MyIterator:
# 重写init魔法方法,初始化属性,指定范围
def __init__(self, start, end):
self.current_value = start # 当前值, 默认为开始值
self.end = end # 结束值
# 重写inter魔法方法, 返回迭代器对象本身
def __iter__(self):
return self
# 迭代方法, 返回当前值, 并更新当前值
def __next__(self):
if self.current_value >= self.end:
raise StopIteration # 抛出异常, 迭代结束
value = self.current_value # 保存当前值, 返回给调用者
self.current_value += 1 # 更新当前值
return value
for i in MyIterator(1, 6):
print(i)
生成器
什么是生成器
根据程序员制定的规则循环生成数据，当条件不成立时则生成数据结束。数据不是一次性全部生成出来，而是使用一个，再生成一个，可以节约大量的内存。
创建生成器的方式:
生成器推导式
"""
生成器推导式
"""
# 创建生成器
# 注意1: 括号()代表 这是一个生成器,不是元组
# 注意2: 括号()里面写的是数据生成的规则,返回一个对象
my_generator = (i * 2 for i in range(10))
print(my_generator) # <generator object <genexpr> at 0x000001D4D7597A00>
# next函数获取生成器下一个值
# value = next(my_generator)
# print(value)
# 遍历生成器
for i in my_generator:
print(i)
yield生成器
只要在def函数里面看到有yield关键字那么就是生成器
"""
yield生成器
"""
def my_generator(n):
for i in range(n):
yield i
if __name__ == '__main__':
g= my_generator(5)
# 获取生成器的下个值
# result = next(g)
# print(result)
# 遍历生成器
# while True:
# try:
# result = next(g)
# print(result)
# except StopIteration:
# break
# 遍历生成器
# for循环内部自动处理了停止迭代异常，使用起来更加方便
for i in g:
print(i)
生成器的应用场景-数据迭代器dataloader的封装
import math
def dataset_loader(bath_size):
# 读歌词
with open('data.txt', 'r', encoding='utf-8') as file:
lines = file.readlines()
# 总计歌词总行数
lyrics_number = len(lines)
# 计算批次数
batches_number = math.ceil(lyrics_number / bath_size)
# 遍历每批数据
for i in range(batches_number):
yield lines[i * bath_size : i * bath_size + bath_size]
if __name__ == '__main__':
for batch in dataset_loader(4):
print(batch)
生成器和迭代器区别?
迭代器: 需要实现__iter__和__next__方法，手动管理迭代状态。
生成器: 通过yield关键字简化实现，自动管理迭代状态。
迭代器: 通常需要更多的代码来管理状态和迭代逻辑。
生成器: 代码更简洁，更容易理解和维护。
迭代器: 性能和内存使用取决于实现，通常也是惰性计算。
生成器: 由于使用了 yield，内存使用和性能优化自动管理，适合处理大数据或流数。
迭代器: 适合需要对迭代过程进行高度控制，或者需要自定义复杂的迭代逻辑时使用
生成器: 适合需要简洁地生成序列数据，尤其是在处理大数据或需要按需生成数据时，能够节省内存和提高性能
property
property属性的介绍
负责把一个方法当做属性进行使用，这样做可以简化代码使用。
定义property属性有两种方式:
装饰器方式
"""
修饰器方式
"""
class Person:
def __init__(self, age):
self.__age = age
# 获取属性
@property
def age(self):
return self.__age
# 修改属性
@age.setter
def age(self, age):
self.__age = age
if __name__ == '__main__':
p = Person(18)
print(p.age)
p.age = 20
print(p.age)
类属性方式
"""
类属性方式
"""
class Person:
def __init__(self):
self.__age = 0
# 获取属性
def get_age(self):
return self.__age
# 修改属性
def set_age(self, age):
self.__age = age
# 类属性方式的property属性 (封装操作age的方法)
age = property(get_age, set_age)
if __name__ == '__main__':
p = Person()
print(p.age)
p.age = 20
print(p.age)
正则表达式
概述
为什么要学习正则表达式
在实际开发过程中经常会有查找符合某些规则的字符串
比如: 邮箱、图片地址、手机号码等。想匹配或者查找符合某些规则的字符串就可以使用正则表达式了。
什么是正则表达式
正则表达式(regular expression)描述了一种字符串匹配的模式
- 数据验证(表单验证、如手机、邮箱、IP地址)
- 数据检索(数据检索、数据抓取)=>爬虫功能
- 数据隐藏(135****6235王先生)
- 数据过滤(论坛敏感关键词过滤)
re模块的介绍
在Python中需要通过正则表达式对字符串进行匹配时，可使用re模块
re模块使用三步走
- import re
- result =re.match(pattern正则表达式, string要匹配的字符串，flags=0)
- flags: 可选，表示匹配模式，比如忽略大小写，多行模式等
- result.group()
正则表达式编写
匹配单个字符
1、能够使用re模块匹配单个字符
2、能够使用re模块匹配单个字符
匹配多个字符
1、能够使用re模块匹配多个字符
匹配首尾字符
1、能够使用re模块匹配指定字符串开头或者结尾
匹配分组
1、匹配分组
2、扩展
设置分组名: (?p<分组名>)
使用分组名: (?p=分组名)
