with语句

使用with语句替代try-finally 语句，代码更加的简洁清晰

对于需要对资源进行访问的任务，无论在代码运行过程中，是否发生异常，都会执行必要的清理操作，释放资源。

1.

with open(r"D:\code1\pythontest\mypython.txt") as f:print(f.read())

2.

with open(r"D:\code1\pythontest\mypython.txt") as f:print(f.read())
print(f.read())

3.

with open(r"D:\code1\pythontest\mypython.txt","w") as f:print(f.read())

上下文管理器

上下文管理器是Python中的一种协议，它保证了每次代码执行的一致性

一旦进入上下文管理器，就一定会按照规定的步骤退出

如果合理的设计了退出上下文管理器的步骤，就能够很好的处理异常。

上下文管理器被最多用到的场景是资源清理操作。

实现上下文管理器，只要在类定义时，实现__enter__()方法和__exit__()方法即可

使用with语句访问上下文管理器

with 上下文管理器表达式 [ as 变量]:

语句块

#上下文管理器
class File():def __init__(self,filename,mode):self.filename=filenameself.mode=mode#在with语句块执行前，首先会执行enter()方法def __enter__(self):print("执行__enter__function.")self.f = open(self.filename,self.mode)return self.f#当with语句块执行结束，无论是否出现异常，都会调用__exit__()方法#通常将清除、释放资源的操作写在__exit__()方法中def __exit__(self,*args):print("执行s__exit__function.")self.f.close()with File(r'D:\code1\pythontest\mypython.txt','r') as f:print(f.read())

神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python上下文管理器)相关推荐

神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python异常处理)
异常: 程序运行时的错误,对应一个Python对象. try: 语句块 except 异常1 as 错误原因: 出现异常1后的处理代码 except 异常2 as 错误原因: 出现异常2后的处理代码 ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python模块、包和库)
模块(Module) 模块是一个python文件(.py),拥有多个功能相近的函数或类. 便于代码复用,提高编程效率,提高了代码的可维护性. 避免函数名和变量名冲突. 包(Package) 为了避免模 ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python列表与元组)
序列数据结构 1.成员是有序排列的 2.每个元素的位置称为下标或索引 3.通过索引访问序列中的成员 4.Python中的序列数据类型有字符串.列表.元组 "abc" ≠ " ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python文件)
路径绝对路径:从盘符开始的路径相对路径:从当前目录(工作目录)的路径获取当前路径 #获取当前工作目录 import os print(os.getcwd()) 访问模式文件对象=open(文件 ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(Python面向对象的编程)
面向对象的程序设计(OOP) 对象(object): 将属性和方法封装在一起. 类(class): 具有相同的属性和方法的对象集合. 对象是类的实例子类继承了父类的全部属性和方法, 并且也有自己特 ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python函数)
函数(function) :实现某种特定功能的代码块优点:程序简洁,可重复调用.封装性好.便于共享类别:系统函数和用户自定义函数 Python内置函数数学运算函数 print(abs(-1)) ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python字典和集合)
字典和集合字典每个字典元素都是一个键(关键字)/值(关键字对应的取值)对 #创建字典 dic_score={"语文":80,"数学":99} #打印 pri ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(三)(python运算符和表达式)
从程序中学习知识点 1.算术运算符 #运算符(Operator):完成不同类型的常量.变量之间的运算 #除法运算 / 结果是一个浮点型的精确数的值,与java等其他语言的不同之处 print(7/2, ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(三)(python常量、变量和表达式)
从程序中学习知识点 1. #支持6中表达形式数字字符串列表元组字典集合 #数字整型(正整数负整数零) #Python3中的整数可以任意大,而不用担心位数不够而导致溢出的情况 intn ...

神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python上下文管理器)

with语句

1.

2.

3.

上下文管理器

使用with语句访问上下文管理器

神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python上下文管理器)相关推荐

最新文章

热门文章