🏆🏆🏆教程全知识点简介：1.静态Web服务器涵盖固定页面数据返回、命令行启动动态端口绑定。2. Python高级特性包括闭包变量修改、装饰器（定义、语法糖、执行时间统计）、property属性、with语句和上下文管理器、深拷贝和浅拷贝。3. 正则表达式涉及多字符匹配（*、{m,n}）、开头结尾匹配（^$）、字符排除匹配、分组匹配。4. 操作系统基础包括操作系统概念、虚拟机软件、Ubuntu系统、Linux内核及发行版。5. Linux命令系统涵盖目录查看、路径操作、文件操作（ls、mkdir、rm、cp、mv）、重定向、文件内容查看、链接、压缩解压缩（tar、zip）。6. 系统管理包括文件权限（chmod）、用户权限（whoami、passwd）、用户创建、编辑器vim、软件安装卸载。7. 并发编程涵盖多任务概念、进程（进程编号获取、参数传递）、线程（执行特性、共享变量、死锁处理）、进程线程对比、协程（概念、优点、gevent）。8. 网络编程包括端口概念、TCP协议特点、socket使用、TCP开发流程、客户端服务端开发。9. HTTP协议涉及浏览器服务器通信、URL组成、开发者工具使用。

📚📚仓库code.zip 👉直接-->：   https://gitee.com/yinuo112/Backend/blob/master/Python/嘿马python高级进阶全体系教程/note.md    🍅🍅

✨ 本教程项目亮点

🧠 知识体系完整：覆盖从基础原理、核心方法到高阶应用的全流程内容
💻 全技术链覆盖：完整前后端技术栈，涵盖开发必备技能
🚀 从零到实战：适合 0 基础入门到提升，循序渐进掌握核心能力
📚 丰富文档与代码示例：涵盖多种场景，可运行、可复用
🛠 工作与学习双参考：不仅适合系统化学习，更可作为日常开发中的查阅手册
🧩 模块化知识结构：按知识点分章节，便于快速定位和复习
📈 长期可用的技术积累：不止一次学习，而是能伴随工作与项目长期参考

🎯🎯🎯全教程总章节

🚀🚀🚀本篇主要内容

This file file serves as your book's preface, a great place to describe your book's content and ideas.

property属性

学习目标

• 能够知道装饰器方式的property属性的定义方式

1. property属性的介绍

property属性就是负责把一个方法当做属性进行使用，这样做可以简化代码使用。

定义property属性有两种方式

1. 装饰器方式
2. 类属性方式

2. 装饰器方式

class Person(object):

    def __init__(self):
        self.__age = 0

    # 装饰器方式的property, 把age方法当做属性使用, 表示当获取属性时会执行下面修饰的方法
    @property
    def age(self):
        return self.__age

    # 把age方法当做属性使用, 表示当设置属性时会执行下面修饰的方法
    @age.setter
    def age(self, new_age):
        if new_age >= 150:
            print("成精了")
        else:
            self.__age = new_age



# 创建person


p = Person()
print(p.age)
p.age = 100
print(p.age)
p.age = 1000

[threading 文档]

运行结果:

0
100
成精了

[email-validator 文档]

代码说明:

[FastAPI 文档]

• @property 表示把方法当做属性使用, 表示当获取属性时会执行下面修饰的方法
• @方法名.setter 表示把方法当做属性使用,表示当设置属性时会执行下面修饰的方法
• 装饰器方式的property属性修饰的方法名一定要一样。

3. 类属性方式

class Person(object):

    def __init__(self):
        self.__age = 0

    def get_age(self):
        """当获取age属性的时候会执行该方法"""
        return self.__age

    def set_age(self, new_age):
        """当设置age属性的时候会执行该方法"""
        if new_age >= 150:
            print("成精了")
        else:
            self.__age = new_age

    # 类属性方式的property属性
    age = property(get_age, set_age)



# 创建person


p = Person()
print(p.age)
p.age = 100
print(p.age)
p.age = 1000

[tqdm 文档]

运行结果:

0
100
成精了

代码说明:

• property的参数说明:

• 第一个参数是获取属性时要执行的方法

• 第二个参数是设置属性时要执行的方法

4. 小结

• 定义property属性有两种方式:

• 装饰器方式

• 类属性方式

• 装饰器方式:

• @property 修饰获取值的方法

• @方法名.setter 修饰设置值的方法

• 类属性方式:

• 类属性 = property(获取值方法, 设置值方法)

with语句和上下文管理器

学习目标

• 能够知道自定义上下文管理器的两种方式

1. with语句的使用

基础班向文件中写入数据的示例代码:

# 1、以写的方式打开文件


 f = open("1.txt", "w")
 # 2、写入文件内容
 f.write("hello world")
 # 3、关闭文件
 f.close()

代码说明:

• 文件使用完后必须关闭，因为文件对象会占用操作系统的资源，并且操作系统同一时间能打开的文件数量也是有限的

这种写法可能出现一定的安全隐患，错误代码如下:

# 1、以读的方式打开文件


 f = open("1.txt", "r")
 # 2、读取文件内容
 f.write("hello world")
 # 3、关闭文件
 f.close()

运行结果:

[LightGBM 文档]

Traceback (most recent call last):
  File "/home/python/Desktop/test/xxf.py", line 4, in <module>
    f.write("hello world")
io.UnsupportedOperation: not writable

代码说明:

• 由于文件读写时都有可能产生IOError，一旦出错，后面的f.close()就不会调用。
• 为了保证无论是否出错都能正确地关闭文件， 可以使用try ... finally来解决

安全写法, 代码如下:

try:
    # 1、以读的方式打开文件
    f = open("1.txt", "r")
    # 2、读取文件内容
    f.write("xxxxx")

except IOError as e:
    print("文件操作出错", e)

finally:
    # 3、关闭文件
    f.close()

[re 正则表达式]

运行结果:

文件操作出错 not writable

这种方法虽然代码运行良好,但是缺点就是代码过于冗长,并且需要添加try-except-finally语句,不是很方便,也容易忘记.

在这种情况下,Python提供了 with 语句的这种写法，既简单又安全，并且 with 语句执行完成以后自动调用关闭文件操作，即使出现异常也会自动调用关闭文件操作。

with 语句的示例代码:

# 1、以写的方式打开文件


with open("1.txt", "w") as f:
    # 2、读取文件内容
    f.write("hello world")

2. 上下文管理器

一个类只要实现了__enter__()和__exit__()这个两个方法，通过该类创建的对象 就称之为上下文管理器。

上下文管理器可以使用 with 语句，with语句之所以这么强大，背后是由上下文管理器做支撑的，也就是说刚才使用 open 函数创建的文件对象就是就是一个上下文管理器对象。

自定义上下文管理器类,模拟文件操作:

定义一个File类，实现 __enter__() 和 __exit__()方法，然后使用 with 语句来完成操作文件， 示例代码:

class File(object):

    # 初始化方法
    def __init__(self, file_name, file_model):
        # 定义变量保存文件名和打开模式
        self.file_name = file_name
        self.file_model = file_model

    # 上文方法
    def __enter__(self):
        print("进入上文方法")
        # 返回文件资源
        self.file = open(self.file_name,self.file_model)
        return self.file

    # 下文方法
    def __exit__(self, exc_type, exc_val, exc_tb):
        print("进入下文方法")
        self.file.close()


if __name__ == '__main__':

    # 使用with管理文件
    with File("1.txt", "r") as file:
        file_data = file.read()
        print(file_data)

运行结果:

进入上文方法
hello world
进入下文方法

代码说明:

• __enter__表示上文方法，需要返回一个操作文件对象
• __exit__表示下文方法，with语句执行完成会自动执行，即使出现异常也会执行该方法。

3. 小结

• Python 提供了 with 语句用于简化资源释放的操作，使用 with 语句操作建立在上下文管理器(实现__enter__和__exit__)的基础上

生成器的创建方式

[structlog 文档]

学习目标

• 能够知道生成器的两种创建方式

1. 生成器的介绍

根据程序员制定的规则循环生成数据，当条件不成立时则生成数据结束。数据不是一次性全部生成出来，而是使用一个，再生成一个，可以节约大量的内存。

2. 创建生成器的方式

1. 生成器推导式
2. yield 关键字

生成器推导式:

• 与列表推导式类似，只不过生成器推导式使用小括号

[Jupyter 文档]

# 创建生成器


my_generator = (i * 2 for i in range(5))
print(my_generator)



# next获取生成器下一个值




# value = next(my_generator)




# print(value)





# 遍历生成器


for value in my_generator:
    print(value)

代码说明:

• next 函数获取生成器中的下一个值
• for 循环遍历生成器中的每一个值

运行结果:

<generator object <genexpr> at 0x101367048>
0
2
4
6
8

yield 关键字:

• 只要在def函数里面看到有 yield 关键字那么就是生成器

[reportlab 文档]

def mygenerater(n):
    for i in range(n):
        print('开始生成...')
        yield i
        print('完成一次...')


if __name__ == '__main__':

    g = mygenerater(2)
    # 获取生成器中下一个值
    # result = next(g)
    # print(result)

    # while True:
    #     try:
    #         result = next(g)
    #         print(result)
    #     except StopIteration as e:
    #         break

    # # for遍历生成器, for 循环内部自动处理了停止迭代异常，使用起来更加方便
    for i in g:
        print(i)

代码说明:

• 代码执行到 yield 会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行
• 生成器如果把数据生成完成，再次获取生成器中的下一个数据会抛出一个StopIteration 异常，表示停止迭代异常
• while 循环内部没有处理异常操作，需要手动添加处理异常操作
• for 循环内部自动处理了停止迭代异常，使用起来更加方便，推荐大家使用。

运行结果:

开始生成...
0
完成一次...
开始生成...
1
完成一次...

3. 生成器的使用场景

数学中有个著名的斐波拉契数列（Fibonacci），数列中第一个数为0，第二个数为1，其后的每一个数都可由前两个数相加得到：

0, 1, 1, 2, 3, 5, 8, 13, 21, 34, ...

现在 使用生成器来实现这个斐波那契数列，每次取值都通过算法来生成下一个数据, 生成器每次调用只生成一个数据，可以节省大量的内存。

def fibonacci(num):
    a = 0
    b = 1

    # 记录生成fibonacci数字的下标
    current_index = 0

    while current_index < num:
        result = a
        a, b = b, a + b
        current_index += 1
        # 代码执行到yield会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行
        yield result


fib = fibonacci(5)


# 遍历生成的数据


for value in fib:
    print(value)

运行结果:

0
1
1
2
3

4. 小结

• 生成器是根据算法生成数据的一种机制，每次调用生成器只生成一个值，可以节省大量内存。

• 生成器的创建有两种方式:

• 1. 生成器推导式
• 1. yield 关键字

🚀✨ （未完待续）项目系列下一章

📚下一篇 将进入更精彩的环节！ 🔔 记得收藏 & 关注，第一时间获取更新！ 🍅 一起见证整个系列逐步成型的全过程。