在代码执行过程中会进行频繁的I/O操作，而计算资源往往是有限的，需要进行资源管理，保证这些资源在使用过后得到释放，防止发生资源泄露。Python中使用上下文管理器（context manager）进行资源管理，比如我们经常用到的 with 关键字，上下文管理器可以进行自动分配并且释放资源。
创新互联-专业网站定制、快速模板网站建设、高性价比玉田网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式玉田网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖玉田地区。费用合理售后完善，十余年实体公司更值得信赖。
下面先来介绍一下with关键字在文件读写中的应用，简单了解上下文管理器的功能。
在Python文件及目录处理方法中介绍了读写大文件建议使用with语句，with语句会进行资源的自动管理。文件很多的情况下也会导致资源泄露，下面来打开100000个文件，不进行文件关闭操作：
执行会报如下错误：
原因就是打开了太多文件而没有及时关闭导致了资源泄露，造成系统崩溃。完成处理后需要对文件进行关闭操作：
使用 with 语句可以完成自动分配并且释放资源，比上面的写法更加简洁：
可以使用类来创建上下文管理器，需要保证这个类包括两个方法： __enter__() 和 __exit__() 。其中，方法 __enter__() 返回需要被管理的资源，方法 __exit__() 进行资源释放、清理操作。
下面来模拟 Python 的打开、关闭文件操作：
执行结果：
可以看到执行顺序为：
__exit__() 方法中的参数 exc_type , exc_value , 和 exc_traceback 用于管理异常。
可以使用 contextlib.contextmanager 装饰器而不使用类的方式来实现上下文管理器，它是基于生成器的上下文管理器，用以支持 with 语句。
仍以打开、关闭文件为例：
其中 file_manager() 函数是一个生成器，yield 之前可以看成是 __enter__ 方法中的内容，yield 后面的是 __exit__() 内容。加上 @contextmanager 装饰器，使用基于生成器的上下文管理器时，不需要定义 __enter__() 和 __exit__() 方法。
上下文管理器可确保用过的资源得到迅速释放，通常和 with 语句一起使用，大大提高了程序的简洁度。另外需要注意的是，编写基于类或者生成器的上下文管理器时，记住不要忘记释放资源。
--THE END--
Step1：什么是上下文
上下文相当于一个容器，保存了 Flask 程序运行过程中的一些信息。
Flask 中有两种上下文，请求上下文(request 和 session )和应用上下文(current_app和g)。
Step2：上下文的使用说明
Step3：上下文代码示例
刚开始学习python，python相对于java确实要简洁易用得多。内存回收类似hotspot的可达性分析， 不可变对象也如同java得Integer类型，with函数类似新版本C++的特性，总体来说理解起来比较轻松。只是函数部分参数的"*"与"**"，闭包等问题，着实令人迷糊了一把，弄清概念后写下此文记录下来,也希望本文能够帮助其他初学者。
所以本文是一篇学习笔记，着重于使用的细节和理解上，首先分别介绍了函数各种参数类型在调用和声明时的区别，及其在混用时需要注意的一些细节，之后讲了闭包相关的内容。如果有不对的地方欢迎指正。
函数参数不带“*”，"*" 与 "**"的区别
理解这个问题得关键在于要分开理解调用和声明语法中3者得区别.
函数调用区别
1. 不同类型的参数简述
#这里先说明python函数调用得语法为：
复制代码代码如下:
func(positional_args, keyword_args,
*tuple_grp_nonkw_args, **dict_grp_kw_args)
#为了方便说明,之后用以下函数进行举例
def test(a,b,c,d,e):
print a,b,c,d,e
举个例子来说明这4种调用方式得区别：
复制代码代码如下:
#-------------------------------
#positional_args方式
test(1,2,3,4,5)
1 2 3 4 5
#这种调用方式的函数处理等价于
a,b,c,d,e = 1,2,3,4,5
print a,b,c,d,e
#-------------------------------
#keyword_args方式
test(a=1,b=3,c=4,d=2,e=1)
1 3 4 2 1
#这种处理方式得函数处理等价于
a=1
b=3
c=4
d=2
e=1
print a,b,c,d,e
#-------------------------------
#*tuple_grp_nonkw_args方式
x = 1,2,3,4,5
test(*x)
1 2 3 4 5
#这种方式函数处理等价于
复制代码代码如下:
a,b,c,d,e = x
print a,b,c,d,e
#特别说明:x也可以为dict类型,x为dick类型时将键传递给函数
y
{'a': 1, 'c': 6, 'b': 2, 'e': 1, 'd': 1}
test(*y)
a c b e d
#---------------------------------
#**dict_grp_kw_args方式
y
{'a': 1, 'c': 6, 'b': 2, 'e': 1, 'd': 1}
test(**y)
1 2 6 1 1
#这种函数处理方式等价于
a = y['a']
b = y['b']
... #c,d,e不再赘述
print a,b,c,d,e
2. 不同类型参数混用需要注意的一些细节
接下来说明不同参数类型混用的情况,要理解不同参数混用得语法需要理解以下几方面内容.
首先要明白,函数调用使用参数类型必须严格按照顺序,不能随意调换顺序,否则会报错. 如 (a=1,2,3,4,5)会引发错误,; (*x,2,3)也会被当成非法.
其次,函数对不同方式处理的顺序也是按照上述的类型顺序.因为#keyword_args方式和**dict_grp_kw_args方式对参数一一指定,所以无所谓顺序.所以只需要考虑顺序赋值(positional_args)和列表赋值(*tuple_grp_nonkw_args)的顺序.因此,可以简单理解为只有#positional_args方式,#*tuple_grp_nonkw_args方式有逻辑先后顺序的.
最后,参数是不允许多次赋值的.
举个例子说明,顺序赋值(positional_args)和列表赋值(*tuple_grp_nonkw_args)的逻辑先后关系:
复制代码代码如下:
#只有在顺序赋值,列表赋值在结果上存在罗辑先后关系
#正确的例子1
x = {3,4,5}
test(1,2,*x)
1 2 3 4 5
#正确的例子2
test(1,e=2,*x)
1 3 4 5 2
#错误的例子
test(1,b=2,*x)
Traceback (most recent call last):
File "stdin", line 1, in module
TypeError: test() got multiple values for keyword argument 'b'
#正确的例子1,处理等价于
a,b = 1,2 #顺序参数
c,d,e = x #列表参数
print a,b,c,d,e
#正确的例子2,处理等价于
a = 1 #顺序参数
e = 2 #关键字参数
b,c,d = x #列表参数
#错误的例子,处理等价于
a = 1 #顺序参数
b = 2 #关键字参数
b,c,d = x #列表参数
#这里由于b多次赋值导致异常,可见只有顺序参数和列表参数存在罗辑先后关系
函数声明区别
理解了函数调用中不同类型参数得区别之后,再来理解函数声明中不同参数得区别就简单很多了.
1. 函数声明中的参数类型说明
函数声明只有3种类型, arg, *arg , **arg 他们得作用和函数调用刚好相反. 调用时*tuple_grp_nonkw_args将列表转换为顺序参数,而声明中的*arg的作用是将顺序赋值(positional_args)转换为列表. 调用时**dict_grp_kw_args将字典转换为关键字参数,而声明中**arg则反过来将关键字参数(keyword_args)转换为字典.
特别提醒：*arg 和 **arg可以为空值.
以下举例说明上述规则:
复制代码代码如下:
#arg, *arg和**arg作用举例
def test2(a,*b,**c):
print a,b,c
#---------------------------
#*arg 和 **arg可以不传递参数
test2(1)
1 () {}
#arg必须传递参数
test2()
Traceback (most recent call last):
File "stdin", line 1, in module
TypeError: test2() takes at least 1 argument (0 given)
#----------------------------
#*arg将顺positional_args转换为列表
test2(1,2,[1,2],{'a':1,'b':2})
1 (2, [1, 2], {'a': 1, 'b': 2}) {}
#该处理等价于
a = 1 #arg参数处理
b = 2,[1,2],{'a':1,'b':2} #*arg参数处理
c = dict() #**arg参数处理
print a,b,c
#-----------------------------
#**arg将keyword_args转换为字典
test2(1,2,3,d={1:2,3:4}, c=12, b=1)
1 (2, 3) {'c': 12, 'b': 1, 'd': {1: 2, 3: 4}}
#该处理等价于
a = 1 #arg参数处理
b= 2,3 #*arg参数处理
#**arg参数处理
c = dict()
c['d'] = {1:2, 3:4}
c['c'] = 12
c['b'] = 1
print a,b,c
2. 处理顺序问题
函数总是先处理arg类型参数,再处理*arg和**arg类型的参数. 因为*arg和**arg针对的调用参数类型不同,所以不需要考虑他们得顺序.
复制代码代码如下:
def test2(a,*b,**c):
print a,b,c
test2(1, b=[1,2,3], c={1:2, 3:4},a=1)
Traceback (most recent call last):
File "stdin", line 1, in module
TypeError: test2() got multiple values for keyword argument 'a'
#这里会报错得原因是,总是先处理arg类型得参数
#该函数调用等价于
#处理arg类型参数:
a = 1
a = 1 #多次赋值,导致异常
#处理其他类型参数
...
print a,b,c
闭包
python的函数,原本只能访问两个区域的变量:全局,和局部(函数上下文). 实际上,函数本身也是一个对象,也有自己的作用域. 闭包通过函数与引用集合的组合,使得函数可以在它被定义的区域之外执行. 这个集合可以通过func_closure来获取这个引用集合. 这与python处理全局变量得方式一样,只不过全局变量将引用集合存储在__globals__字段中.func_closure是一个存储cell类型的元组,每个cell存储一个上下文变量.
另外,旧版本得python的内部函数不能在其他作用域使用的原因,并不是因为每个作用域的变量严格相互隔离,而是脱离原本的作用域后,函数失去了原本上下文的引用。需要注意的是，闭包存储的上下文信息一样是浅拷贝,所以传递给内部函数的可变对象仍然会被其他拥有该对象引用得变量修改.
举个例子:
复制代码代码如下:
def foo(x,y):
... def bar():
... print x,y
... return bar
...
#查看func_closure的引用信息
a = [1,2]
b = foo(a,0)
b.func_closure[0].cell_contents
[1, 2]
b.func_closure[1].cell_contents
b()
[1, 2] 0
#可变对象仍然能被修改
a.append(3)
b.func_closure[0].cell_contents
[1, 2, 3]
b()
[1, 2, 3] 0
Myblog15_16/mymiddleware.py：
Myblog15_16/settings.py：在settings文件里进行中间件的注册。
form_session/views.py：
templates/form_session/home.html：
form_session/urls.py：
Myblog15_16/mymiddleware.py：
Myblog15_16/settings.py：在settings文件里进行中间件的注册。
form_session/views.py：
templates/form_session/home.html：
form_session/urls.py：
上下文处理器的程序：Myblog15_16/mycontext.py：
Myblog15_16/settings.py：在settings文件里进行上下文处理器的注册。
form_session/views.py：
templates/form_session/home.html：
form_session/urls.py：
form_session/models.py：
form_session/admin.py：
Myblog15_16/settings.py：修改admin后台语言、时区以及提交时间。
文章到这里就结束了！希望大家能多多支持Python（系列）！六个月带大家学会Python，私聊我，可以问关于本文章的问题！以后每天都会发布新的文章，喜欢的点点关注！一个陪伴你学习Python的新青年！不管多忙都会更新下去，一起加油！
Editor：Lonelyroots