注意：本《Python 简易速速上手小册》

核心目的在于让零基础新手「快速构建 Python 知识体系」

7.1 装饰器和闭包

在 Python 的世界里，装饰器和闭包就像是魔法师的法术，能够在不改变原有代码结构的情况下赋予程序新的力量。让我们一步一步探索这些魔法，并通过一些示例来加深理解。

7.1.1 装饰器（Decorators）

装饰器是一种强大的功能，允许你在不修改原有函数定义的情况下，增加额外的功能。

装饰器是一个函数，它接受一个函数作为参数并返回一个新的函数。你可以使用它来"装饰"其他函数，给这些函数添加额外的功能。

示例：记录函数执行时间的装饰器

import timedef timer_decorator(func):def wrapper(*args, **kwargs):start_time = time.time()result = func(*args, **kwargs)end_time = time.time()print(f"执行 {func.__name__} 耗时: {end_time - start_time} 秒")return resultreturn wrapper@timer_decorator
def example_function():time.sleep(2)example_function()

这个装饰器timer_decorator记录了被装饰函数的执行时间。使用@timer_decorator语法，我们将其应用于example_function。

7.1.2 闭包（Closures）

闭包允许你在一个内部函数中，访问其外部函数的作用域。

当一个函数返回另一个定义在其内部的函数时，这个内部函数就称为闭包。闭包可以访问外部函数的局部变量，即使外部函数的执行已经结束。

示例：使用闭包创建计数器

def make_counter():count = 0def counter():nonlocal countcount += 1return countreturn countercounter1 = make_counter()
print(counter1())  # 输出: 1
print(counter1())  # 输出: 2

这个示例中，make_counter函数返回了counter闭包。每次调用counter时，它都会访问并修改make_counter中的count变量。

通过掌握装饰器和闭包，你将能够写出更加强大和灵活的 Python 代码。这些工具不仅提升了代码的重用性，还增加了代码的可读性和维护性。现在，你已经准备好在你的编程工具箱中添加这些魔法工具了！

7.2 迭代器和生成器

在 Python 的世界中，迭代器和生成器是处理数据流的核心工具。它们使得数据处理变得高效而优雅。让我们一起探索这些强大的工具，并通过实际示例来理解它们的用法和优势。

7.2.1 迭代器（Iterators）

迭代器允许我们逐个访问集合中的元素，而不需要一次性将它们全部加载到内存中。

迭代器是实现了__iter__()和__next__()方法的对象。__iter__()返回迭代器对象本身，__next__()返回容器中的下一个项目。

示例：自定义迭代器

class CountDown:def __init__(self, start):self.current = startdef __iter__(self):return selfdef __next__(self):if self.current <= 0:raise StopIterationelse:num = self.currentself.current -= 1return num# 使用自定义迭代器
for number in CountDown(5):print(number)

这个示例中，CountDown类是一个迭代器，它从指定的数字开始倒数到零。

7.2.2 生成器（Generators）

生成器是一种特殊的迭代器，它更简洁易用。生成器函数使用yield语句产生一系列的值。

生成器是使用函数而不是类来实现的迭代器。每次yield生成一个值后，函数的状态被冻结，下次调用时从上次离开的地方继续执行。

示例：生成器函数

def fibonacci(n):a, b = 0, 1for _ in range(n):yield aa, b = b, a + b# 使用生成器
for number in fibonacci(5):print(number)

这个示例展示了一个生成器函数fibonacci，它用于产生斐波那契数列。

迭代器和生成器是 Python 编程中不可或缺的工具，特别是在处理大型数据集时。它们的使用不仅节省内存，还使代码更加清晰和优雅。掌握了这些工具，你就能更加自如地在 Python 的数据世界中舞动了！

7.3 上下文管理器和 with 语句

上下文管理器和with语句在 Python 中扮演着重要的角色，尤其是在资源管理和异常处理方面。它们确保了即使在发生错误或异常的情况下，资源也能被适当地清理和释放。让我们深入了解这些概念，并通过实际的示例来探索它们的使用。

7.3.1 上下文管理器（Context Managers）

上下文管理器是一种确保资源得到适当处理的机制，特别是在涉及到文件操作和网络连接时。

上下文管理器是实现了__enter__和__exit__方法的对象。当进入with语句块时，会调用__enter__方法，当离开时则调用__exit__方法。

示例：创建一个简单的上下文管理器

class ManagedFile:def __init__(self, filename):self.filename = filenamedef __enter__(self):self.file = open(self.filename, 'w')return self.filedef __exit__(self, exc_type, exc_val, exc_tb):if self.file:self.file.close()# 使用自定义的上下文管理器
with ManagedFile('hello.txt') as f:f.write('Hello, World!')

这个例子中，ManagedFile类是一个上下文管理器，它确保文件在使用后被正确关闭。

7.3.2 with 语句

with语句提供了一种优雅的方式来处理资源管理和异常处理，特别是当涉及到需要“清理”的操作时。

with语句可以简化异常处理，同时确保使用的资源如文件和网络连接被适当地关闭。它通常与上下文管理器一起使用。

示例：使用with语句进行文件操作

with open('hello.txt', 'w') as file:file.write('Hello, World!')# 文件在这里已自动关闭

这个示例展示了如何使用with语句来简化文件操作。在离开with块后，文件会自动关闭。

通过运用上下文管理器和with语句，你的 Python 代码不仅会变得更加优雅和安全，还能更好地处理异常和资源管理。这些工具是每个 Python 开发者必须掌握的重要技能。现在，让我们用这些知识来编写更加健壮和优雅的 Python 代码吧！