设置pycharm为Eclipse快捷键后使用总结：
|
Ctrl + O 根据name模糊查找当前文件中类、方法
Alt + (向左箭头或者向右箭头) ，回退or前进到到之前查看或者编辑处
Alt + (向上箭头或者向下箭头) ，将当前方法整体往下或者往上移动
Ctrl+Shift+R 根据name模糊查找某个资源文件
Ctrl+Shift+T 根据name模糊查找当前project中某个类
Ctrl+/ 注释，取消注释代码
Ctrl+D 删除当前行代码
Ctrl+ H 整个项目中查找
Ctrl+ S（没作用，pycharm是自动保存）
F3与Ctrl+鼠标左键效果一样：跳转到方法定义处
Shift+Enter 在行中编辑自动跳转到下一行开头处
Ctrl + Alt + L 代码格式化
Ctrl + Shift + ]/[ 选定代码块结束、开始
Ctrl+Shilf+F12 最大最小化当前编辑窗口（相当于Eclipse ctrl+M）
Ctrl + F6 窗口间切换
Ctrl +（-/+） 折叠放开代码
Alt+Shift+R 将当前文件重命名（Eclipse中用F2、当时pycharm被冲突了）
单步调试按钮（F5/F6/F7/F8），自己多用几次就熟悉了，此处不讲。
|
#!/usr/bin/env python3
#Auth Jun Yang
# 1、装饰器：
# 2、定义：本质事函数，（装饰其他函数）就是为其他函数添加附加功能
# 3、原则：1、不能修改被装饰的函数的源代码
# 2、不能修改被装饰的函数的调用方式
#
# 实现装饰器知识储备：
# 1、函数即“变量”
#def bar():
# pass
# def test():
# pass
#
# test（bar）
#test(bar())这两个函数调用的区别
# 2、高阶函数：满足下列条件之一
# a、把一个函数名当做实参传给另外一个函数（在不改变被装饰函数源代码的前提下为其添加功能）
# b、返回值中包含函数名（不修改函数的调用方式）
# 3、嵌套函数
#
# 高阶函数+嵌套函数=》装饰器
login_flag = False
usr_name = "uesta"
usr_pass = "123456"
def login(*args1,**kwargs1):
def outer(func):
def inner(*args,**kwargs):
_usr_name=input("your name")
_usr_pass=input("your passwd")
if len(args1)!=0:
if usr_name == _usr_name and usr_pass == _usr_pass:
print("passwd correct,")
login_flag = True
#return func(*args,**kwargs)
else:
print("wrong passwd or invalid usrname")
exit()
if login_flag == True:
res= func(*args, **kwargs)
return res
else:
exit()
else:
print("no passwd")
return inner
return outer
#America=login(America) 作用其实就是将login中返回的outer函数的地址赋予America变量，其实不是本来的Americia函数，实参是本来America这个函数的
@login()
def America():
print("welcome America!")
@login("qq")
def China():
print("welcome China")
def Japan():
print("welcome japan")
America()
China()
Japan()
生成器只有在依次调用的时候才会生成相应的数据，只有next的方法，无其他方法，只记录当前位置，因为所有的数据都在一个数据的内存依次变化，而不是所有都先生成出来
注意，赋值语句：
|
1
|
a, b
=
b, a
+
b
|
相当于：
|
1
2
3
|
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。
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
1
干点别的事
2
3
5
8
13
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 1 2 3 5 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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
>>> 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")
yield保存当前值并返回 send给yield传值并调用yield 而next只是调用yield但不传值