python3 迭代器、生成器、装饰器、
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
>>> a
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> b = []
>>> for i in a:b.append(i+1)
...
>>> b
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a = b
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
普通青年版a = [1,3,4,6,7,7,8,9,11]
for index,i in enumerate(a):
a[index] +=1
print(a)
原值修改>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a = map(lambda x:x+1, a)
>>> a
<map object at 0x101d2c630>
>>> for i in a:print(i)
...
3
5
7
9
11
文艺青年版>>> a = [i+1 for i in range(10)]
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]这就叫做列表生成
生成器
通过列表生成式我们可以直接创建一个列表。但是受到内存限制列表容量肯定是有限的。而且创建一个包含100万个元素的列表不仅占用很大的存储空间如果我们仅仅需要访问前面几个元素那后面绝大多数元素占用的空间都白白浪费了。
所以如果列表元素可以按照某种算法推算出来那我们是否可以在循环的过程中不断推算出后续的元素呢这样就不必创建完整的list从而节省大量的空间。在Python中这种一边循环一边计算的机制称为生成器generator。
要创建一个generator有很多种方法。第一种方法很简单只要把一个列表生成式的[]改成()就创建了一个generator
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>创建L和g的区别仅在于最外层的[]和()L是一个list而g是一个generator。
我们可以直接打印出list的每一个元素但我们怎么打印出generator的每一个元素呢
如果要一个一个打印出来可以通过next()函数获得generator的下一个返回值
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration我们讲过generator保存的是算法每次调用next(g)就计算出g的下一个元素的值直到计算到最后一个元素没有更多的元素时抛出StopIteration的错误。
当然上面这种不断调用next(g)实在是太变态了正确的方法是使用for循环因为generator也是可迭代对象
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
...
0
1
4
9
16
25
36
49
64
81所以我们创建了一个generator后基本上永远不会调用next()而是通过for循环来迭代它并且不需要关心StopIteration的错误。
generator非常强大。如果推算的算法比较复杂用类似列表生成式的for循环无法实现的时候还可以用函数来实现。
比如著名的斐波拉契数列Fibonacci除第一个和第二个数外任意一个数都可由前两个数相加得到
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来但是用函数把它打印出来却很容易
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'注意赋值语句
a, b = b, a + b相当于
t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]但不必显式写出临时变量t就可以赋值。
上面的函数可以输出斐波那契数列的前N个数
>>> fib(10)
1
1
2
3
5
8
13
21
34
55
done仔细观察可以看出fib函数实际上是定义了斐波拉契数列的推算规则可以从第一个元素开始推算出后续任意的元素这种逻辑其实非常类似generator。
也就是说上面的函数和generator仅一步之遥。要把fib函数变成generator只需要把print(b)改为yield b就可以了
def fib(max):
n,a,b = 0,0,1
while n < max:
#print(b)
yield b
a,b = b,a+b
n += 1
return 'done'这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字那么这个函数就不再是一个普通函数而是一个generator
>>> f = fib(6)
>>> f<generator object fib at 0x104feaaa0>这里最难理解的就是generator和函数的执行流程不一样。函数是顺序执行遇到return语句或者最后一行函数语句就返回。而变成generator的函数在每次调用next()的时候执行遇到yield语句返回再次执行时从上次返回的yield语句处继续执行。
data = fib(10)
print(data)
print(data.__next__())
print(data.__next__())
print("干点别的事")
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
#输出
<generator object fib at 0x101be02b0>
1
干点别的事
3
8在上面fib的例子我们在循环过程中不断调用yield就会不断中断。当然要给循环设置一个条件来退出循环不然就会产生一个无限数列出来。
同样的把函数改成generator后我们基本上从来不会用next()来获取下一个返回值而是直接使用for循环来迭代
>>> for n in fib(6):
... print(n)
...
1
3
8但是用for循环调用generator时发现拿不到generator的return语句的返回值。如果想要拿到返回值必须捕获StopIteration错误返回值包含在StopIteration的value中
>>> g = fib(6)
>>> while True:
... try:
... x = next(g)
... print('g:', x)
... except StopIteration as e:
... print('Generator return value:', e.value)
... break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done关于如何捕获错误后面的错误处理还会详细讲解。
还可通过yield实现在单线程的情况下实现并发运算的效果
#_*_coding:utf-8_*_
__author__ = 'Alex Li'
import time
def consumer(name):
print("%s 准备吃包子啦!" %name)
while True:
baozi = yield
print("包子[%s]来了,被[%s]吃了!" %(baozi,name))
def producer(name):
c = consumer('A')
c2 = consumer('B')
c.__next__()
c2.__next__()
print("老子开始准备做包子啦!")
for i in range(10):
time.sleep(1)
print("做了2个包子!")
c.send(i)
c2.send(i)
producer("alex")
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
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False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
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False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
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True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
for x in [1, 2, 3, 4, 5]:
pass# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break2.装饰器
你是一家视频网站的后端开发工程师你们网站有以下几个版块
def home():
print("---首页----")
def america():
print("----欧美专区----")
def japan():
print("----日韩专区----")
def henan():
print("----河南专区----")视频刚上线初期为了吸引用户你们采取了免费政策所有视频免费观看迅速吸引了一大批用户免费一段时间后每天巨大的带宽费用公司承受不了了所以准备对比较受欢迎的几个版块收费其中包括“欧美” 和 “河南”专区你拿到这个需求后想了想想收费得先让其进行用户认证认证通过后再判定这个用户是否是VIP付费会员就可以了是VIP就让看不是VIP就不让看就行了呗。 你觉得这个需求很是简单因为要对多个版块进行认证那应该把认证功能提取出来单独写个模块然后每个版块里调用 就可以了与是你轻轻的就实现了下面的功能 。
#_*_coding:utf-8_*_
user_status = False #用户登录了就把这个改成True
def login():
_username = "alex" #假装这是DB里存的用户信息
_password = "abc!23" #假装这是DB里存的用户信息
global user_status
if user_status == False:
username = input("user:")
password = input("pasword:")
if username == _username and password == _password:
print("welcome login....")
user_status = True
else:
print("wrong username or password!")
else:
print("用户已登录验证通过...")
def home():
print("---首页----")
def america():
login() #执行前加上验证
print("----欧美专区----")
def japan():
print("----日韩专区----")
def henan():
login() #执行前加上验证
print("----河南专区----")
home()
america()
henan()此时你信心满满的把这个代码提交给你的TEAM LEADER审核没成想没过5分钟代码就被打回来了 TEAM LEADER给你反馈是我现在有很多模块需要加认证模块你的代码虽然实现了功能但是需要更改需要加认证的各个模块的代码这直接违反了软件开发中的一个原则“开放-封闭”原则简单来说它规定已经实现的功能代码不允许被修改但可以被扩展即
封闭已实现的功能代码块开放对扩展开发
这个原则你还是第一次听说我擦再次感受了自己这个野生程序员与正规军的差距BUT ANYWAY,老大要求的这个怎么实现呢如何在不改原有功能代码的情况下加上认证功能呢你一时想不出思路只好带着这个问题回家继续憋媳妇不在家去隔壁老王家串门了你正好落的清静一不小心就想到了解决方案不改源代码可以呀
你师从沙河金角大王时记得他教过你高阶函数就是把一个函数当做一个参数传给另外一个函数当时大王说有一天你会用到它的没想到这时这个知识点突然从脑子 里蹦出来了我只需要写个认证方法每次调用 需要验证的功能 时直接 把这个功能 的函数名当做一个参数 传给 我的验证模块不就行了么哈哈机智如我如是你啪啪啪改写了之前的代码
#_*_coding:utf-8_*_
user_status = False #用户登录了就把这个改成True
def login(func): #把要执行的模块从这里传进来
_username = "alex" #假装这是DB里存的用户信息
_password = "abc!23" #假装这是DB里存的用户信息
global user_status
if user_status == False:
username = input("user:")
password = input("pasword:")
if username == _username and password == _password:
print("welcome login....")
user_status = True
else:
print("wrong username or password!")
if user_status == True:
func() # 看这里看这里只要验证通过了就调用相应功能
def home():
print("---首页----")
def america():
#login() #执行前加上验证
print("----欧美专区----")
def japan():
print("----日韩专区----")
def henan():
#login() #执行前加上验证
print("----河南专区----")
home()
login(america) #需要验证就调用 login把需要验证的功能 当做一个参数传给login
# home()
# america()
login(henan)你很开心终于实现了老板的要求不改变原功能代码的前提下给功能加上了验证此时媳妇回来了后面还跟着老王你两家关系 非常 好老王经常来串门老王也是码农你跟他分享了你写的代码兴奋的等他看完 夸奖你NB,没成想老王看后并没有夸你抱起你的儿子笑笑说你这个代码还是改改吧 要不然会被开除的WHAT? 会开除明明实现了功能 呀 老王讲没错你功能 是实现了但是你又犯了一个大忌什么大忌
你改变了调用方式呀 想一想现在没每个需要认证的模块都必须调用你的login()方法并把自己的函数名传给你人家之前可不是这么调用 的 试想如果 有100个模块需要认证那这100个模块都得更改调用方式这么多模块肯定不止是一个人写的让每个人再去修改调用方式 才能加上认证你会被骂死的。。。。
你觉得老王说的对但问题是如何即不改变原功能代码又不改变原有调用方式还能加上认证呢 你苦思了一会还是想不出老王在逗你的儿子玩你说老王呀快给我点思路 实在想不出来老王背对着你问
老王学过匿名函数没有
你学过学过就是lambda嘛
老王那lambda与正常函数的区别是什么
你最直接的区别是正常函数定义时需要写名字但lambda不需要
老王没错那lambda定好后为了多次调用 可否也给它命个名
你可以呀可以写成plus = lambda x:x+1类似这样以后再调用plus就可以了但这样不就失去了lambda的意义了明明人家叫匿名函数呀你起了名字有什么用呢
老王我不是要跟你讨论它的意义 我想通过这个让你明白一个事实
说着老王拿起你儿子的画板在上面写了以下代码
def plus(n):
return n+1
plus2 = lambda x:x+1老王 上面这两种写法是不是代表 同样的意思
你是的
老王我给lambda x:x+1 起了个名字叫plus2是不是相当于def plus2(x) ?
你我擦你别说还真是但老王呀你想说明什么呢
老王 没啥只想告诉你给函数赋值变量名就像def func_name 是一样的效果如下面的plus(n)函数你调用时可以用plus名还可以再起个其它名字如
calc = plus
calc(n)你明白我想传达什么意思了么
你。。。。。。。。。。。这。。。。。。嗯 。。。。。不太。。。。明白 。。
老王。。。。这。。。。。呵呵。。。。。。好吧。。。。那我在给你点一下你之前写的下面这段调用 认证的代码
home()
login(america) #需要验证就调用 login把需要验证的功能 当做一个参数传给login
# home()
# america()
login(henan)你之所改变了调用方式是因为用户每次调用时需要执行login(henan)类似的。其实稍一改就可以了呀
home()
america = login(america)
henan = login(henan)这样你其它人调用henan时其实相当于调用了login(henan), 通过login里的验证后就会自动调用henan功能。
你我擦还真是唉。。。老王还是你nb。。。不过等等 我这样写了好那用户调用时应该是下面这个样子
home()
america = login(america) #你在这里相当于把america这个函数替换了
henan = login(henan)
#那用户调用时依然写
america()但问题在于还不等用户调用 你的america = login(america)就会先自己把america执行了呀。。。。你应该等我用户调用 的时候 再执行才对呀不信我试给你看。。。
老王哈哈你说的没错这样搞会出现这个问题 但你想想有没有解决办法 呢
你我擦你指的思路呀大哥。。。我哪知道 下一步怎么走。。。
老王算了估计你也想不出来。。。 学过嵌套函数没有
你yes,然后呢
老王想实现一开始你写的america = login(america)不触发你函数的执行只需要在这个login里面再定义一层函数第一次调用america = login(america)只调用到外层login这个login虽然会执行但不会触发认证了因为认证的所有代码被封装在login里层的新定义 的函数里了login只返回 里层函数的函数名这样下次再执行america()时 就会调用里层函数啦。。。
你。。。。。。什么 什么个意思我蒙逼了。。。
老王还是给你看代码吧。。
def login(func): #把要执行的模块从这里传进来
def inner():#再定义一层函数
_username = "alex" #假装这是DB里存的用户信息
_password = "abc!23" #假装这是DB里存的用户信息
global user_status
if user_status == False:
username = input("user:")
password = input("pasword:")
if username == _username and password == _password:
print("welcome login....")
user_status = True
else:
print("wrong username or password!")
if user_status == True:
func() # 看这里看这里只要验证通过了就调用相应功能
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函数此时你仔细着了老王写的代码 感觉老王真不是一般人呀连这种奇淫巧技都能想出来。。。心中默默感谢上天赐你一个大牛邻居。
你: 老王呀你这个姿势很nb呀你独创的
此时你媳妇噗嗤的笑出声来你也不知道 她笑个球。。。
老王呵呵 这不是我独创的呀当然 这是开发中一个常用的玩法叫语法糖官方名称“装饰器”其实上面的写法还可以更简单
可以把下面代码去掉
america = login(america) #你在这里相当于把america这个函数替换了只在你要装饰的函数上面加上下面代码
@login
def america():
#login() #执行前加上验证
print("----欧美专区----")
def japan():
print("----日韩专区----")
@login
def henan():
#login() #执行前加上验证
print("----河南专区----")效果是一样的。
你开心的玩着老王教你的新姿势 玩着玩着就手贱给你的“河南专区”版块 加了个参数然后结果 出错了。。。
你老王老王怎么传个参数就不行了呢
老王那必然呀你调用henan时其实是相当于调用的login你的henan第一次调用时henan = login(henan) login就返回了inner的内存地址第2次用户自己调用henan("3p"),实际上相当于调用的时inner,但你的inner定义时并没有设置参数但你给他传了个参数所以自然就报错了呀
你但是我的 版块需要传参数呀你不让我传不行呀。。。
老王没说不让你传稍做改动便可。。
老王你再试试就好了 。
你 果然好使大神就是大神呀。 。。 不过如果有多个参数呢
老王。。。。老弟你不要什么都让我教你吧非固定参数你没学过么 *args,**kwargs...
你噢 。。。还能这么搞?,nb,我再试试。
你身陷这种新玩法中无法自拔竟没注意到老王已经离开你媳妇告诉你说为了不打扰你加班今晚带孩子去跟她姐妹住 你觉得媳妇真体贴最终你终于搞定了所有需求完全遵循开放-封闭原则最终代码如下 。
#_*_coding:utf-8_*_
user_status = False #用户登录了就把这个改成True
def login(func): #把要执行的模块从这里传进来
def inner(*args,**kwargs):#再定义一层函数
_username = "alex" #假装这是DB里存的用户信息
_password = "abc!23" #假装这是DB里存的用户信息
global user_status
if user_status == False:
username = input("user:")
password = input("pasword:")
if username == _username and password == _password:
print("welcome login....")
user_status = True
else:
print("wrong username or password!")
if user_status == True:
func(*args,**kwargs) # 看这里看这里只要验证通过了就调用相应功能
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
def home():
print("---首页----")
@login
def america():
#login() #执行前加上验证
print("----欧美专区----")
def japan():
print("----日韩专区----")
# @login
def henan(style):
'''
:param style: 喜欢看什么类型的就传进来
:return:
'''
#login() #执行前加上验证
print("----河南专区----")
home()
# america = login(america) #你在这里相当于把america这个函数替换了
henan = login(henan)
# #那用户调用时依然写
america()
henan("3p")此时你已累的不行了洗洗就抓紧睡了半夜上厕所隐隐听到隔壁老王家有微弱的女人的声音传来你会心一笑老王这家伙不声不响找了女朋友也不带给我看看改天一定要见下真人。。。。
第二2天早上产品经理又提了新的需求要允许用户选择用qq\weibo\weixin认证此时的你已深谙装饰器各种装逼技巧轻松的就实现了新的需求。
#_*_coding:utf-8_*_
user_status = False #用户登录了就把这个改成True
def login(auth_type): #把要执行的模块从这里传进来
def auth(func):
def inner(*args,**kwargs):#再定义一层函数
if auth_type == "qq":
_username = "alex" #假装这是DB里存的用户信息
_password = "abc!23" #假装这是DB里存的用户信息
global user_status
if user_status == False:
username = input("user:")
password = input("pasword:")
if username == _username and password == _password:
print("welcome login....")
user_status = True
else:
print("wrong username or password!")
if user_status == True:
return func(*args,**kwargs) # 看这里看这里只要验证通过了就调用相应功能
else:
print("only support qq ")
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
return auth
def home():
print("---首页----")
@login('qq')
def america():
#login() #执行前加上验证
print("----欧美专区----")
def japan():
print("----日韩专区----")
@login('weibo')
def henan(style):
'''
:param style: 喜欢看什么类型的就传进来
:return:
'''
#login() #执行前加上验证
print("----河南专区----")
home()
# america = login(america) #你在这里相当于把america这个函数替换了
#henan = login(henan)
# #那用户调用时依然写
america()
# henan("3p")
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/py3_training/tree/master/atm
简易流程图https://www.processon.com/view/link/589eb841e4b0999184934329