python 之 迭代器、生成器、装饰器

一、迭代器（iterator）

        迭代器是一个可以被记住遍历位置的对象，它从集合的第一个元素开始访问，直到访问到最后一个元素。迭代器有两个基本方法：

        1、__iter__()：返回迭代器对象自身。

        2、__next__()：从集合中返回下一个元素。如果没有更多元素了，则会引发 StopIteration 异常。

在谈论迭代器之前，必须先理解可迭代对象，常用的 list, tuple, dict, set, str 等都是可迭代对象。

一个对象是可迭代的，意味着它可以提供一个迭代器。从技术上讲，任何实现了 __iter__() 方法的对象都是可迭代的。

for 循环的幕后工作原理：

当写下一个 for 循环时，Python 内部其实就在使用迭代器：

my_list = [1, 2, 3]
for i in my_list:
    print(i)

这背后实际发生的是：

1. Python 调用 iter(my_list)，这会调用 my_list 的 __iter__() 方法，从而得到一个迭代器对象。
2. 循环开始，Python 不断地调用这个迭代器对象的 next() 方法（即 __next__()）。
3. next() 返回的值被赋给变量 i，然后执行循环体。
4. 当所有元素都遍历完毕，next() 方法会引发 StopIteration 异常。
5. for 循环捕捉到这个异常，结束循环。

手动模拟上面的for循环：

my_list = [1, 2, 3]

# 1. 从可迭代对象 my_list 获取迭代器
my_iterator = iter(my_list)

# 2. 不断调用 next()
print(next(my_iterator))  # 输出: 1
print(next(my_iterator))  # 输出: 2
print(next(my_iterator))  # 输出: 3

# 3. 再次调用会引发 StopIteration 异常
try:
    print(next(my_iterator))
except StopIteration:
    print("没有更多元素了！")

二、生成器 (Generator)

什么是生成器？

生成器是创建迭代器的一种更简单、更优雅的方式。

不需要去写一个完整的类并实现 __iter__() 和 __next__() 方法。只需要写一个普通的函数，但是使用 yield 关键字而不是 return 来返回值。

生成器函数 (Generator Function)

当一个函数包含 yield 关键字时，它就变成了一个生成器函数。调用这个函数不会立即执行它，而是会返回一个生成器对象（它本身就是一种迭代器）。

def countdown(n):
    print("生成器开始运行...")
    while n > 0:
        yield n  # 使用 yield 返回值，并暂停在这里
        n -= 1
    print("生成器结束。")

# 1. 调用生成器函数，得到一个生成器对象
my_generator = countdown(3)
print(type(my_generator)) # <class 'generator'>

# 2. 像迭代器一样使用它
print(next(my_generator)) # 输出: 生成器开始运行... \n 3
print(next(my_generator)) # 输出: 2
print(next(my_generator)) # 输出: 1

# 3. 再次调用，函数继续执行到结束，并引发 StopIteration
# next(my_generator) # 输出: 生成器结束。 然后抛出 StopIteration 异常

yield 的魔力：

• 当 next() 被调用时，生成器函数会从头开始执行，或者从上次 yield 暂停的地方继续执行。
• 当执行到 yield n 时，它会把 n 的值“产出”（返回）给调用者。
• 然后，函数的状态（包括所有局部变量）被冻结，执行被暂停。
• 当下一次 next() 被调用时，函数从被冻结的地方恢复执行。

生成器表达式 (Generator Expression)

这是一种更简洁的创建生成器的方式，语法非常像列表推导式，但用圆括号 () 而不是方括号 []。

# 列表推导式：一次性创建所有元素，占用大量内存
list_comp = [i * i for i in range(1000)]

# 生成器表达式：返回一个生成器对象，不立即计算，几乎不占内存
gen_exp = (i * i for i in range(1000))

print(list_comp)  # 会打印出 1000 个元素的列表
print(gen_exp)    # <generator object <genexpr> at 0x...>

# 你可以像遍历其他迭代器一样遍历它
for num in gen_exp:
    # 每次循环，才会计算一个 i*i
    # print(num) # 这里会依次打印 0, 1, 4, 9 ...
    pass

简单来说：所有的生成器都是迭代器，但不是所有的迭代器都是生成器。生成器是Python提供的用于轻松创建迭代器的工具。

三、装饰器（Decorators）

• 是什么：装饰器本质上是一个函数，它接收一个函数作为参数，并返回一个新的函数。它允许你在不修改原函数代码的情况下，为函数增加额外的功能。
• 为什么重要：广泛用于日志记录、性能测试、事务处理、权限校验等场景（如 Flask/Django 中的路由 @app.route('/')）。
• 语法：使用 @ 符号，也称为“语法糖”。

def my_decorator(func):
    def wrapper():
        print("在函数运行前做点什么...")
        func()
        print("在函数运行后做点什么...")
    return wrapper

@my_decorator
def say_hello():
    print("Hello!")

say_hello() 
# 输出:
# 在函数运行前做点什么...
# Hello!
# 在函数运行后做点什么...

Pytest 中几乎所有以 @ 开头的标记（marks）都是装饰器的具体应用。

如：

        @pytest.mark.parametrize：参数化测试

   @pytest.mark.skip 和 @pytest.mark.skipif：跳过某个测试函数

   @pytest.fixture：这是 Pytest 的基石。Fixture 是在测试函数运行之前（或之后）执行的函数，用于提供测试所需的数据、对象或环境准备（如数据库连接、临时文件等）。

• 用 @pytest.fixture 装饰一个函数，使其成为一个 fixture。测试函数可以通过将其函数名作为参数来“请求”并使用这个 fixture。可以使用 yield 来实现 setup 和 teardown 逻辑：yield 之前是 setup，yield 之后是 teardown（清理）。