"在Python中,函数本身也是对象"
这一本质.那不妨慢慢来,从最基本的概念开始,讨论一下这个问题：
① Python中一切皆对象
这恐怕是学习Python最有用的一句话.想必你已经知道Python中的list, tuple, dict等内置数据结构,当你执行：
时,你就创建了一个列表对象,并且用alist这个变量引用它：
当然你也可以自己定义一个类:
class House(object):
def __init__(self, area, city):
self.area = area
self.city = city
def sell(self, price):
[...] #other code
return price
然后创建一个类的对象：
和list, tuple, dict以及用House创建的对象一样,当你定义一个函数时,函数也是对象：
def func(a, b):
return a+b
在全局域,函数对象被函数名引用着,它接收两个参数a和b,计算这两个参数的和作为返回值.
所谓第一类对象,意思是可以用标识符给对象命名,并且对象可以被当作数据处理,例如赋值、作为参数传递给函数,或者作为返回值return 等
所以呢,你完全可以用其他变量名引用这个函数对象：
add = func
或者将函数对象作为参数,传递给另一个函数：
def caller_func(f):
if __name__ == "__main__":
print caller_func(func)
可以看到,
函数对象func作为参数传递给caller_func函数,传参过程类似于一个赋值操作f=func；
于是func函数对象,被caller_func函数作用域中的局部变量f引用,f实际指向了函数func；cc
无论是把函数赋值给新的标识符,还是作为参数传递给新的函数,针对的都是函数对象本身,而不是函数的调用.
用一个更加简单,但从外观上看,更容易产生混淆的例子来说明这个问题.例如定义了下面这个函数：
def func():
return "hello,world"
然后分别执行两次赋值：
ref1 = func #将函数对象赋值给ref1
很多初学者会混淆这两种赋值,通过Python内建的type函数,可以查看一下这两次赋值的结果：
Out[10]: False
传参的效果与之类似.
所谓闭包,就是将组成函数的语句和这些语句的执行环境打包在一起时,得到的对象
听上去的确有些复杂,还是用一个栗子来帮助理解一下.假设我们在foo.py模块中做了如下定义：
#foo.py
filename = "foo.py"
def call_func(f):
return f() #如前面介绍的,f引用一个函数对象,然后调用它
在另一个func.py模块中,写下了这样的代码：
#func.py
import foo #导入foo.py
filename = "func.py"
def show_filename():
return "filename: %s" % filename
print foo.call_func(show_filename) #注意：实际发生调用的位置,是在foo.call_func函数中
当我们用python func.py命令执行func.py时输出结果为：
filename:func.py
很显然show_filename()函数使用的filename变量的值,是在与它相同环境(func.py模块)中定义的那个.尽管foo.py模块中也定义了同名的filename变量,而且实际调用show_filename的位置也是在foo.py的call_func内部.
而对于嵌套函数,这一机制则会表现的更加明显：闭包将会捕捉内层函数执行所需的整个环境：
#enclosed.py
import foo
def wrapper():
filename = "enclosed.py"
print foo.call_func(show_filename) #输出：filename: enclosed.py
实际上,每一个函数对象,都有一个指向了该函数定义时所在全局名称空间的__globals__属性：
#show_filename inside wrapper
#show_filename.__globals__
{
'__builtins__': module '__builtin__' (built-in), #内建作用域环境
'__file__': 'enclosed.py',
'__package__': None,
'__name__': '__main__',
'foo': module 'foo' from '/home/chiyu/foo.pyc', #全局环境
'__doc__': None
}
当代码执行到show_filename中的return "filename: %s" % filename语句时,解析器按照下面的顺序查找filename变量：
Local - 本地函数(show_filename)内部,通过任何方式赋值的,而且没有被global关键字声明为全局变量的filename变量；
Enclosing - 直接外围空间(上层函数wrapper)的本地作用域,查找filename变量(如果有多层嵌套,则由内而外逐层查找,直至最外层的函数)；
Global - 全局空间(模块enclosed.py),在模块顶层赋值的filename变量；
Builtin - 内置模块(__builtin__)中预定义的变量名中查找filename变量；
在任何一层先找到了符合要求的filename变量,则不再向更外层查找.如果直到Builtin层仍然没有找到符合要求的变量,则抛出NameError异常.这就是变量名解析的：LEGB法则.
总结：
闭包最重要的使用价值在于：封存函数执行的上下文环境；
闭包在其捕捉的执行环境(def语句块所在上下文)中,也遵循LEGB规则逐层查找,直至找到符合要求的变量,或者抛出异常.
那么闭包和装饰器又有什么关系呢?
上文提到闭包的重要特性：封存上下文,这一特性可以巧妙的被用于现有函数的包装,从而为现有函数更加功能.而这就是装饰器.
还是举个例子,代码如下：
def lazy_sum():
return reduce(lambda x, y: x+y, alist)
我们定义了一个函数lazy_sum,作用是对alist中的所有元素求和后返回.alist假设为1到100的整数列表：
alist = range(1, 101)
但是出于某种原因,我并不想马上返回计算结果,而是在之后的某个地方,通过显示的调用输出结果.于是我用一个wrapper函数对其进行包装：
return lazy_sum
lazy_sum = wrapper() #wrapper() 返回的是lazy_sum函数对象
if __name__ == "__main__":
这是一个典型的Lazy Evaluation的例子.我们知道,一般情况下,局部变量在函数返回时,就会被垃圾回收器回收,而不能再被使用.但是这里的alist却没有,它随着lazy_sum函数对象的返回被一并返回了(这个说法不准确,实际是包含在了lazy_sum的执行环境中,通过__globals__),从而延长了生命周期.
当你需要动态的给已定义的函数增加功能时,比如：参数检查,类似的原理就变得很有用：
def add(a, b):
这是很简单的一个函数：计算a+b的和返回,但我们知道Python是 动态类型+强类型 的语言,你并不能保证用户传入的参数a和b一定是两个整型,他有可能传入了一个整型和一个字符串类型的值：
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
①. def add(a, b):
TypeError: unsupported operand type(s) for +: 'int' and 'str'
于是,解析器无情的抛出了一个TypeError异常.
动态类型：在运行期间确定变量的类型,python确定一个变量的类型是在你第一次给他赋值的时候；
强类型：有强制的类型定义,你有一个整数,除非显示的类型转换,否则绝不能将它当作一个字符串(例如直接尝试将一个整型和一个字符串做+运算)；
所以呢,为了更加优雅的使用add函数,我们需要在执行+运算前,对a和b进行参数检查.这时候装饰器就显得非常有用：
import logging
logging.basicConfig(level = logging.INFO)
return a + b
def checkParams(fn):
def wrapper(a, b):
if isinstance(a, (int, float)) and isinstance(b, (int, float)): #检查参数a和b是否都为整型或浮点型
return fn(a, b) #是则调用fn(a, b)返回计算结果
#否则通过logging记录错误信息,并友好退出
logging.warning("variable 'a' and 'b' cannot be added")
return
return wrapper #fn引用add,被封存在闭包的执行环境中返回
#将add函数对象传入,fn指向add
#等号左侧的add,指向checkParams的返回值wrapper
add = checkParams(add)
注意checkParams函数：
首先看参数fn,当我们调用checkParams(add)的时候,它将成为函数对象add的一个本地(Local)引用；
在checkParams内部,我们定义了一个wrapper函数,添加了参数类型检查的功能,然后调用了fn(a, b),根据LEGB法则,解释器将搜索几个作用域,并最终在(Enclosing层)checkParams函数的本地作用域中找到fn；
注意最后的return wrapper,这将创建一个闭包,fn变量(add函数对象的一个引用)将会封存在闭包的执行环境中,不会随着checkParams的返回而被回收；
当调用add = checkParams(add)时,add指向了新的wrapper对象,它添加了参数检查和记录日志的功能,同时又能够通过封存的fn,继续调用原始的add进行+运算.
WARNING:root:variable 'a' and 'b' cannot be added
有人觉得add = checkParams(add)这样的写法未免太过麻烦,于是python提供了一种更优雅的写法,被称为语法糖：
@checkParams
这只是一种写法上的优化,解释器仍然会将它转化为add = checkParams(add)来执行.
def addspam(fn):
def new(*args):
print "spam,spam,spam"
return fn(*args)
return new
@addspam
def useful(a,b):
首先看第二段代码：
@addspam装饰器,相当于执行了useful = addspam(useful).今天这一节题主有一个理解误区：传递给addspam的参数,是useful这个函数对象本身,而不是它的一个调用结果；
再回到addspam函数体：
return new 返回一个闭包,fn被封存在闭包的执行环境中,不会随着addspam函数的返回被回收；
而fn此时是useful的一个引用,当执行return fn(*args)时,实际相当于执行了return useful(*args)；
最后附上一张代码执行过程中的引用关系图,希望能帮助你理解：
我们都知道python中可以是threading模块实现多线程, 但是模块并没有提供暂停, 恢复和停止线程的方法, 一旦线程对象调用start方法后, 只能等到对应的方法函数运行完毕. 也就是说一旦start后, 线程就属于失控状态. 不过, 我们可以自己实现这些. 一般的方法就是循环地判断一个标志位, 一旦标志位到达到预定的值, 就退出循环. 这样就能做到退出线程了. 但暂停和恢复线程就有点难了, 我一直也不清除有什么好的方法
表示一个功能,函数定义着是提供功能的人,函数调用者是使用功能的人.
print:打印功能,将括号中的内容,显示到终端.
将括号中的内容显示在控制台.
input：输入功能,从终端中获取输入的信息,存到程序变量当中
作用：将用户输入的内容赋值给变量
第一个字符必须是字母表中字母或下划线 _ .
标识符的其他的部分由字母、数字和下划线组成.
标识符对大小写敏感.
python最具特色的就是使用缩进来表示代码块,不需要使用大括号 {} .
缩进的空格数是可变的,但是同一个代码块的语句必须包含相同的缩进空格数.实例如下：
selenium是个模块,直接导入selenium中的webdriver就可以了,第一行直接去掉.
以上就是土嘎嘎小编为大家整理的python如何恢复函数相关主题介绍,如果您觉得小编更新的文章只要能对粉丝们有用,就是我们最大的鼓励和动力,不要忘记讲本站分享给您身边的朋友哦！！