前言

在前五篇博客中，我们从零开始，建立了一套完整的 Python 编程知识体系：

• 第1篇：搭建环境，写下第一行代码，理解变量与基础语法
• 第2篇：掌握数据类型与运算符，建立 “数据” 的认知
• 第3篇：掌握条件语句、循环、函数，建立"逻辑"的认知
• 第4篇：深入面向对象编程，建立"结构"的认知
• 第5篇：文件操作与异常处理，掌握程序与外界交互的能力

本篇是进阶篇，我们将深入 Python 真正精华的部分 —— 那些让代码变得更简洁、更高效、更强大的语法和工具。学完本篇，你将从 “会写 Python” 迈向 “精通 Python”。

本篇涵盖六大主题：

1. 列表推导式与字典推导式：一行代码生成复杂数据结构
2. 生成器与迭代器：优雅处理海量数据，内存零压力
3. 装饰器：不修改原函数，给它添加新功能（AOP 思想）
4. 闭包：函数背后的"记忆"能力
5. 正则表达式：用 pattern 精准匹配一切文字
6. 高阶标准库：collections、itertools、functools 高级用法

准备好了吗？让我们开始！🚀

一、列表推导式与字典推导式：一行代码的威力

1.1、从一个问题开始

假设你有一个列表，里面存放了 10 个学生的分数：

scores = [85, 90, 78, 92, 88, 76, 95, 89, 83, 91]

现在你需要把每个分数都加上 5 分（如果有超过 100 分的，按 100 计），然后挑出所有大于等于 90 分的分数。

传统写法（过程式）：

# 第1步：给每个分数加5，但不超过100
adjusted = []
for score in scores:
    new_score = score + 5
    if new_score > 100:
        new_score = 100
    adjusted.append(new_score)

# 第2步：挑出 >= 90 的分数
passed = []
for score in adjusted:
    if score >= 90:
        passed.append(score)

print(passed)  # [95, 97, 100, 94]

这段代码逻辑清晰，但有两个问题：

1. 代码冗长：总共 8 行，而实际逻辑只有两句话
2. 变量名泛滥：adjusted、new_score、passed……临时变量越造越多

列表推导式写法：

scores = [85, 90, 78, 92, 88, 76, 95, 89, 83, 91]
passed = [min(score + 5, 100) for score in scores if score + 5 >= 90]
print(passed)  # [95, 97, 100, 94]

一行搞定。这行代码的含义：

for score in scores → 遍历原始列表
if score + 5 >= 90 → 过滤条件
min(score + 5, 100) → 转换逻辑（加5，不超过100）

1.2、列表推导式的基本语法

列表推导式（List Comprehension）是 Python 提供的一种紧凑的列表创建语法。

基本格式：

# 语法：[表达式 for 变量 in 可迭代对象]
# 例：把 0~9 的每个数平方，生成新列表
squares = [x ** 2 for x in range(10)]
print(squares)  # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

带条件过滤：

# 语法：[表达式 for 变量 in 可迭代对象 if 条件]
# 例：挑出偶数的平方
even_squares = [x ** 2 for x in range(10) if x % 2 == 0]
print(even_squares)  # [0, 4, 16, 36, 64]

逐行解析：

组成部分	含义
[x ** 2 for x in range(10)]	外层方括号表示 “生成一个新列表”
x ** 2	列表中每个元素的生成方式（表达式）
for x in range(10)	遍历 range(10)，每次把当前元素绑定到 x
if x % 2 == 0	可选：只处理满足条件的元素

1.3、多个条件的组合

# 多个 if 条件：相当于 and
result = [x for x in range(100) if x % 3 == 0 if x % 5 == 0]
# 同时能被3和5整除（就是能被15整除）的数: [0, 15, 30, 45, 60, 75, 90]

# if...else 在表达式里：三元表达式
# 语法： [expr_if_true if condition else expr_if_false for ...]
labeled = ['偶数' if x % 2 == 0 else '奇数' for x in range(5)]
print(labeled)  # ['偶数', '奇数', '偶数', '奇数', '偶数']

注意区分：if condition（过滤）和 if...else...（三元）的位置不同：

# ❌ 错误写法：if 在表达式后面会变成三元表达式，不会过滤
result = [x * 2 if x > 5 for x in range(10)]  # SyntaxError!

# ✅ 正确写法：过滤用 if 在 for 后面，三元用 if 在表达式里
result = [x * 2 for x in range(10) if x > 5]           # 过滤
result = [x * 2 if x > 5 else 0 for x in range(10)]   # 三元

1.4、双重循环与二维列表

列表推导式还支持双重循环，可以用于展平二维列表（矩阵）：

# 把 3x3 矩阵展平为一维列表
matrix = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

# 语法：for 外层 in ... for 内层 in ...
flattened = [item for row in matrix for item in row]
print(flattened)  # [1, 2, 3, 4, 5, 6, 7, 8, 9]

逐行解析：

• for row in matrix：外层循环遍历每一行
• for item in row：内层循环遍历行里的每个元素
• item：直接输出每个数字（不是行）

1.5、字典推导式

字典推导式（Dict Comprehension）的语法与列表推导式类似，只是用花括号 {}，并且每个元素是一个 key: value 对：

# 把一个列表的每个元素作为 key，元素长度作为 value
words = ['apple', 'banana', 'cherry', 'date']
word_lengths = {word: len(word) for word in words}
print(word_lengths)
# {'apple': 5, 'banana': 6, 'cherry': 6, 'date': 4}

实战：统计字符串中每个字符出现的次数：

text = "hello python"
char_count = {ch: text.count(ch) for ch in set(text)}
print(char_count)
# {'h': 2, 'e': 1, 'l': 3, 'o': 2, ' ': 1, 'p': 1, 'y': 1, 't': 1, 'n': 1}

💡 性能提示：上面这个例子中，set(text) 去掉了重复字符，这样 text.count(ch) 就不用重复统计相同的字符。如果直接 for ch in text 并用 char_count[ch] += 1 统计，逻辑相同但字典推导式的写法更简洁。

1.6、集合推导式

类似的，还有集合推导式（Set Comprehension），用 {} 但只放单个元素（自动去重）：

# 从列表中提取所有不重复的单词长度
words = ['apple', 'banana', 'apricot', 'blueberry', 'cherry']
lengths = {len(word) for word in words}
print(lengths)  # {5, 6, 9}

1.7、推导式 vs 普通循环：该用哪个？

列表推导式不是银弹，以下是选择建议：

场景	推荐方式	原因
简单的映射/过滤转换	列表推导式	一行搞定，简洁直观
复杂的逻辑（超过 3 层）	普通循环	可读性更重要
需要调试中间步骤	普通循环	推导式中间步骤无法打断点
处理大文件（百万级元素）	生成器（后面讲）	推导式会一次性生成整个列表，占内存

二、生成器与迭代器：优雅处理海量数据