python通俗讲解闭包
python通俗讲解闭包
通俗理解闭包
先来看看什么是闭包吧
闭包是引用了自由变量的函数。这个被引用的自由变量将和这个函数一同存在,即使已经离开了创造它的环境也不例外。所以,有另一种说法认为闭包是由函数和与其相关的引用环境组合而成的实体。闭包在运行时可以有多个实例,不同的引用环境和相同的函数组合可以产生不同的实例。
这句话闭包是由函数和与其相关的引用环境组合而成的实体,我觉得已经能概括闭包的概念了。下面看看分析
先看一个最简单的例子
def outer_func():
outer_list = []
def inner_func():
outer_list.append(1)
print out_list
return inner_func
func1 = outer_func()
func1() #[1]
func1() #[1,1]
func2 = outer_func()
func2() #[1]
func2() #[1,1]
这个例子说明闭包与一般的函数不一样,他拥有的“环境”是独一份的。其中的outer_list称为自由变量,既不是全局变量又不是本地变量。
If a name is bound in a block, it is a local variable of that block. If a name is bound at the module level, it is a global variable. (The variables of the module code block are local and global.) If a variable is used in a code block but not defined there, it is a free variable.
这种特性类似 类与实例 的关系,函数outer_func就像是一个类,执行func1 = outer_func就像是创建了一个实例,而实例func1能够继承类的属性,这里也可以看作是继承oucter_func的环境。
下面我换一种写法(这种写法是sml的写法。local与in之间就是环境)
local
outer_list = []
in
def inner_func():
outer_list.append(1)
print out_list
end
函数outer_func将环境outer_list = []与函数inner_func捆绑在一起,它的作用仅此而已
下面为了加深理解,我们再看一个闭包陷阱
def outer_func():
func_list = []
for i in xrange(3):
def inner_func():
print i
func_list.append(inner_func)
return func_list
fun1,fun2,fun3 = outer_func()
fun1() #2
fun2() #2
fun3() #2
我们再来通过拆分环境和函数来分析outer_func
执行fun1,fun2,fun3 = outer_func()之后,执行fun1()之前的环境
local
func_list = [inner_func1, inner_func2,inner_func3]
i = 2 #"环境初始化"完成之后,i就是2
in
def inner_func():
print i
end
这样可以看出i明显是2,但下面稍加改动
def outer_func():
func_list = []
for i in xrange(3):
def inner_func(_i = i): #写入默认参数
print _i
func_list.append(inner_func)
return func_list
fun1,fun2,fun3 = outer_func()
fun1() #0
fun2() #0
fun3() #2
分析上面的程序
这里展示func_list中 第一个 inner_func(func1)的环境
local
func_list = [inner_func1, inner_func2,inner_func3]
i = 2 #外部的i还是2
in
def inner_func(_i = 0): #对于inner_func1,_i=0,这里可以发现形参_i及时捕获i=0时的值,当作默认参数
print _i
end
为什么这时候func1中的i=0呢?这是因为inner_func有了参数_i,它能在程序执行func_list.append(inner_func)的时候,
会创建相关”函数实例“,而该函数定义中有一个带默认值的形参_i,注意python可以指定一个变量作为函数参数的默认值,
因此它会在创建的时候也记录下i此时的值,即0.
而不带参数的inner_func,它只会在outer_func完全运行结束之后,读取外部环境中i的值,即i=2。
下面说说闭包的应用
修饰函数
能在不改动已有函数内部构造的同时,添加额外功能,如检错功能。
闭包使得先执行wrapper函数再执行func,可以控制函数执行的先后。
def func_dec( func ):
def wrapper( *args ):
if len(args) < 2:
print "less argument"
else:
func( args )
return wrapper
@func_dec
def mySum(*args):
print sum( *args )
mySum(2) #"less argument"
mySum(1,2,3) #6
分析一下
以mySum(2)为例子
local
func = mySum
in
def wrapper( *args ): #args = 2
if len(args) < 2:
print "less argument"
else:
func( args )
end
这样看思路应该清晰不少
这里的 mySum(2) 等价于 func_dec( mySum )(2),func_dec后面接了2个括号,其实也可以看出func_dec必定返回一个函数。
之所以搞得这么麻烦,就是为了让使用mySum的时候附带一个检测参数个数的功能,前提是不改变mySum原有代码。类似接口函数。
上面的说mySum(2) 等价于 func_dec( mySum )(2),由此会产生一些隐晦的bug
,看看下面的例子:
def counter( cls ):
obj_list = []
def wrapper( *args, **kwargs ):
new_obj = cls( *args, **kwargs )
obj_list.append( new_obj )
print "class: %s' object number is %d" % (cls.__name__, len(obj_list) )
return new_obj
return wrapper
@counter
class my_cls( object ):
STATIC_MEN = "static"
def __init__( self, *arg, **kwargs):
print self, arg, kwargs
print my_cls.STATIC_MEN
my_cls() #AttributeError: 'function' object has no attribute 'STATIC_MEN'
为什么会说'function' object has no attribute 'STATIC_MEN'呢?
首先确定语句出错的位置:print my_cls.STATIC_MEN
那为什么my_cls不存在属性STATIC_MEN呢?
这是因为使用闭包后(@语法糖),my_cls() = counter(my_cls)()
这里应该被做了类似重定向的操作(因为语法糖@counter的缘故), 此时my_cls不再是原来的class,
执行的时候my_cls这个名字被指向了counter(my_cls), 即wrapper函数。
可以打印看看print my_cls.__name__ #显示wrapper
这也是为什么能直接使用my_cls()的原因,因为它已经不再是原来的类,而是新的函数wrapper。
因此需要将my_cls.STATIC_MEN修改为self.STATIC_MEN,毕竟执行的时候my_cls已经不再是原来的my_cls了
要是还想通过my_cls访问静态属性,尝试以下方法
def counter(cls):
obj_list = []
@functools.wraps(cls)
def wrapper(*args, **kwargs):
... ...
return wrapper
对wrapper使用functools进行了一次包裹更新,使经过装饰的my_cls看起来更像装饰之前的类或者函数。
该过程的主要原理就是将被装饰类或者函数的部分属性直接赋值到装饰之后的对象。
如WRAPPER_ASSIGNMENTS(name, module and doc, )和WRAPPER_UPDATES(dict)等。
但是该过程不会改变wrapper是函数这样一个事实。
my_cls.__name__ == 'my_cls' and type(my_cls) is types.FunctionType
单例模式:https://www.cnblogs.com/yssjun/p/9858420.html

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
-
上一篇
Java并发编程实战 01并发编程的Bug源头
Java并发编程实战 01并发编程的Bug源头 摘要#编写正确的并发程序对我来说是一件极其困难的事情,由于知识不足,只知道synchronized这个修饰符进行同步。本文为学习极客时间:Java并发编程实战 01的总结,文章取图也是来自于该文章 并发Bug源头#在计算机系统中,程序的执行速度为:CPU > 内存 > I/O设备,为了平衡这三者的速度差异,计算机体系机构、操作系统、编译程序都进行了优化: 1.CPU增加了缓存,以均衡和内存的速度差异2.操作系统增加了进程、线程,已分时复用CPU,以均衡 CPU 与 I/O 设备的速度差异3.编译程序优化指令执行顺序,使得缓存能够更加合理的利用。 但是这三者导致的问题为:可见性、原子性、有序性 源头之一:CPU缓存导致的可见性问题#一个线程对共享变量的修改,另外一个线程能够立即看到,那么就称为可见性。现在多核CPU时代中,每颗CPU都有自己的缓存,CPU之间并不会共享缓存; 如线程A从内存读取变量V到CPU-1,操作完成后保存在CPU-1缓存中,还未写到内存中。此时线程B从内存读取变量V到CPU-2中,而CPU-1缓存中的变量V...
-
下一篇
PYTHON工业互联网监控项目实战2—OPC
PYTHON工业互联网监控项目实战2—OPC OPC(OLE for Process Control)定义:指为了给工业控制系统应用程序之间的通信建立一个接口标准,在工业控制设备与控制软件之间建立统一的数据存取规范。它给工业控制领域提供了一种标准数据访问机制,将硬件与应用软件有效地分离开来,是一套与厂商无关的软件数据交换标准接口和规程,主要解决过程控制系统与其数据源的数据交换问题,可以在各个应用之间提供透明的数据访问。实际项目中“设备”就变成一个可以访问的OPC Server和它的Tag位号值,更多的详情请参考OPC基金会官网:http://opcfoundation.cn/。 上一小节我们首先通过一个简单的json格式来完成数据到UI端的传输,UI端解析Json数据,并通过JQuery渲染到div上来完成数据的显示,最后ajax轮询实现了数据的实时刷新。本小节我们把Domo进一步迭代改进,首先规范数据传输的格式,然后,实现实时读取模拟OPC Server的tag位号值。 1.1.界面UI与Json数据结构采用面向对象的模式来定义数据传输Json格式,“设备”对象包含多个“tag”属性...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- MySQL数据库在高并发下的优化方案
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- MySQL8.0.19开启GTID主从同步CentOS8
- SpringBoot2全家桶,快速入门学习开发网站教程
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- Dcoker安装(在线仓库),最新的服务器搭配容器使用
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- SpringBoot2配置默认Tomcat设置,开启更多高级功能