正文
python迭代器与生成器（二）
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
一、什么是迭代？
迭代通俗的讲就是一个遍历重复的过程。
维基百科中 迭代（Iteration） 的一个通用概念是：重复某个过程的行为，这个过程中的每次重复称为一次迭代。具体对应到Python编程中就是，对于一个可迭代对象，比如Python中的list、tuple、string、dictionary，set等，使用某种循环结构来遍历其中的元素，这种遍历就是迭代。
1 #对列表进行遍历！
2
3 l=['a','b','c','d','e']
4
5 #while循环的方式
6 i=0
7 while i < len(l):
8 print(l[i])
9 i+=1
10
11 #for 循环的方式
12 for i in range(len(l)):
13 print(l[i])
二、迭代器
1、迭代器定义
首先先明确 可迭代对象
在现所学的数据类型中，只有 文件 是迭代器，其他的数据类型：元组，字符串，字典，集合，列表都是 可迭代对象。
判断是否可迭代：只要判断对象本身是否内置了_iter_方法，那它就是可迭代的。
1 #可迭代的：只要对象本身有__iter__方法，那它就是可迭代的
2 d={'a':1,'b':2,'c':3}
3 d.__iter__ #iter(d)
可迭代对象实现了 __iter__ 和 __next__ 方法，这两个方法对应内置函数 iter() 和 next() 。__iter__ 方法返回可迭代对象本身，这使得他既是一个可迭代对象同时也是一个迭代器。
1 #执行对象下的__iter__方法，就会得到一个返回值，得到的返回值就是迭代器。
2 # 使用next()就能依次取出迭代器中的值（在迭代器元素个数之内，超出会报错，也是一次性的元素，不可重复取值），这样就不用再依赖下标的方式。
3 d={'a':1,'b':2,'c':3}
4 d.__iter__ #iter(d)
5
6 i=d.__iter__() #返回值，迭代器
7
8 print(i.__next__()) #print(next(i))
9 print(i.__next__())
10 print(i.__next__()) #3个元素，依次取三次，由于迭代器中的元素是一次性的，超出个数会报错！
11 print(i.__next__())
执行结果如下：
a
b
c
Traceback (most recent call last):
File "H:/迭代器.py", line 29, in <module>
print(i.__next__())
StopIteration
迭代器
迭代器是访问集合中元素的一种方式，从集合中的第一个元素开始访问，直到所有的元素都被访问一遍后结束。迭代器不能回退，只能往前进行迭代。
迭代器提供了一个统一的访问的接口，只要是定义了iter()方法的对象，就可以使用迭代器进行访问。只要可以进行访问，就能被next()方法调用并不断返回下一个值的对象称为迭代器。换句话说，迭代器对象具有next()方法。
对于迭代器的理解，可以把迭代器看成是一个数据流，迭代器对象被next()函数调用不断返回下一个数据，直到没有数据时抛出StopIteration错误。
把这个数据流看做是一个有序序列，但却不能提前知道这个数据流到底有多长，而对于list、tuple等可迭代对象来说，对象的长度是可知的。这也是可迭代对象和迭代器的区别所在。
StopIteration异常：是迭代终止的信号，迭代器内的内容是有限的，迭代器内元素已全部取完，及取值结束再继续取的话，会报错。
异常捕捉：迭代器正常执行代码的过程中，print(next(*)) *代表迭代器 会抛出异常。为保证代码的正常运行，此时就用到了 try 和 except。
1）while：循环
1 l=['a','b','c','d','e']
2 i=l.__iter__()
3 while True:
4 try: #监听代码是否会报异常 StopIteration
5 print(next(i))
6 except StopIteration: #判断异常是否为 StopIteration，是break
7 break
执行结果如下：
1 a
2 b
3 c
4 d
5 e
2）for 循环 ：for 循环本质就是内部封装了迭代器，对 可迭代的对象 进行遍历取值，同时会在遇到异常捕获的时候会自行处理，所以for 循环作用在迭代器上不报错。
1 d={'a':1,'b':2,'c':3}
2 print(d.__iter__())
3 for k in d: #d.__iter__()
4 print(k)
执行结果如下：
执行结果
1 #集合及文件 for 循环 迭代形式
2 s={1,2,3,4}
3 for i in s:
4 print(i)
5 #a.txt ="aaaaaa bbb cccc eee ffffff"
6 with open('a.txt','r') as f:
7 for line in f:
8 print(line.strip())
执行结果如下：
执行结果
3）此处注意一个小点：关于文件的认知！ 由于文件本身就是一个迭代器，当给文件添加_iter_函数的时候，对其迭代器本身是不冲突的！
1 f=open('a.txt','r')
2 print(f)
3 print(f.__iter__())
4 #迭代器执行iter，得到的还是迭代器本身！结果不冲突。
执行结果：
1 <_io.TextIOWrapper name='a.txt' mode='r' encoding='cp936'>
2 <_io.TextIOWrapper name='a.txt' mode='r' encoding='cp936'>
2、为什么要用迭代器
优点：
（1）迭代器提供了一种不依赖于索引的取值方式，这样就可以遍历那些没有索引的可迭代对象（字典，集合，文件）。
（2）迭代器与列表比较，迭代器是惰性计算的，不需要事先准备好集合中的所有元素，仅仅在迭代至某个元素时才计算该元素。适合用于遍历一些大的文件或集合，这样更节省内存。
缺点：
（1）永远无法获取迭代器的长度，使用不如列表利用索引取值灵活。
（2）迭代器中的内容是一次性的，并且用next()取值，只能往前走，不能向后退。
3、检查
1）借助用模块查看查看可迭代对象与迭代器对象
from collections import Iterable,Iterator
isinstance(数据类型,Iterable) 查看是否是可迭代对象
1 from collections import Iterable,Iterator
2
3 s='hello'
4 l=[1,2,3]
5 t=(1,2,3)
6 d={'a':1}
7 set1={1,2,3,4}
8 f=open('a.txt')
9
10 # 都是可迭代的，看能不能加上_iter_()
11 s.__iter__()
12 l.__iter__()
13 t.__iter__()
14 d.__iter__()
15 set1.__iter__()
16 f.__iter__()
17 print(isinstance(s,Iterable))
18 print(isinstance(l,Iterable))
19 print(isinstance(t,Iterable))
20 print(isinstance(d,Iterable))
21 print(isinstance(set1,Iterable))
22 print(isinstance(f,Iterable))
执行结果：
True
True
True
True
True
True
isinstance(数据类型,Iterator) 查看是否是迭代器
1 #查看是否是迭代器 简单些就是看能不能调用_next_(),除文件，其他的都不能调用。
2 from collections import Iterable,Iterator
3
4 s='hello'
5 l=[1,2,3]
6 t=(1,2,3)
7 d={'a':1}
8 set1={1,2,3,4}
9 f=open('a.txt')
10
11 print(isinstance(s,Iterator))
12 print(isinstance(l,Iterator))
13 print(isinstance(t,Iterator))
14 print(isinstance(d,Iterator))
15 print(isinstance(set1,Iterator))
16 print(isinstance(f,Iterator))
执行结果：
1 False
2 False
3 False
4 False
5 False
6 True
4、小结
膜拜如此强大的 for 循环！！！看能否for循环遍历，就能知道是否是可迭代对象……吊炸天！
可以使用for循环进行迭代的对象都是可迭代（Iterable）类型！可以调用next()方法的对象都是迭代器（Iterator）类型！
next(迭代器)，就能取迭代器中的值，每次只执行一次，从头开始向前取一个值。取多个就要用到多个next()（超出迭代器中值的个数会报错）或是for循环。
python 给字典内置，就将证明可迭代。只要有_iter_函数，加（）就能运行，将字典的keys重新赋值，生成一个返回值，将返回值重新定义就生成了一个迭代器。
三、生成器
1、定义：
关于生成器，可以解释为带有yield的函数就被称为生成器。带有yield的函数不再是一个普通函数，不同于while 死循环、for 循环这种一次性创建完整的庞大的序列打印输出，他在循环的过程中值是不断推算不断生成的，一边循环一边计算的机制。可以理解成：加入了yield函数的循环，所有的执行过程都会在yield函数这里停顿进行判定或是开始，当执行一周再次走到yield函数这里时，会再次停顿进行判定或是开始。
值得注意的是，生成器是可迭代对象，也是迭代器对象。生成器的本质，就是将函数做成了一个迭代器，取名为生成器
2、生成器与return有何区别？
1）return只能执行一次函数就彻底结束了，而yield能返回多次值。
2）生成器就是一个函数，这个函数内包含有yield这个关键字
3）由于生成器是函数类型的迭代器，可以用next() 分步触发函数，也可以for循环。
①next()触发的情况！
1 from collections import Iterator
2 #生成器就是一个函数，这个函数内包含有yield这个关键字
3 def test():
4 print('one')
5 yield 1 #return 1
6 print('two')
7 yield 2 #return 2
8 print('three')
9 yield 3 #return 3
10 # print('four')
11 # yield 4 #return 4
12 # print('five')
13 # yield 5 #return 5
14
15 g=test() #函数运行返回一个值
16 print(g) #打印这个值，显示是生成器类型
17 print(isinstance(g,Iterator)) #查看类型 是否是迭代器
18 # g.__iter__() #可以使用iter()函数
19 # g.__next__() #可以使用next()函数打印值
20 #next()函数会触发生函数的运行，next()一次就触发一次打印一个值。
21 print(next(g))# next()函数触发生函数运行，打印一个值。
22 print(next(g))# next()函数触发生成器运行，打印下个值。
23 print(next(g))# next()函数触发生成器运行，打印下个值。
24 # print(next(g))# next()函数触发生成器运行，打印下个值。
25 # print(next(g))# next()函数触发生成器运行，打印下个值。
执行结果如下：
1 <generator object test at 0x00000000025CB6D0>
2 True
3 one
4 1
5 two
6 2
7 three
8 3
②for循环
1 def test():
2 print('one')
3 yield 1 #return 1
4 print('two')
5 yield 2 #return 2
6 print('three')
7 yield 3 #return 3
8 g=test()
9 for i in g:
10 print(i)
执行结果与上边一致。
3、yield 函数到底干了什么事情：
1）yield 把函数变成生成器 ---> 迭代器；
2）用return 返回只能返回一次，而yield返回多次；
3）函数在暂停以及继续下一次运行时的状态，是由yield保存。
1 def countdown(n):
2 print('start coutdown')
3 while n > 0:
4 yield n #1
5 n-=1
6 print('done')
7 g=countdown(5)
8 print(g)
9 #for 循环方式
10 for i in g: #iter(g)
11 print(i)
12 # while 循环方式
13 # while True:
14 # try:
15 # print(next(g))
16 # except StopIteration:
17 # break
18 #由于迭代器内的参数是一次性的，输出二选一，while注意要判定异常。
19 #
执行结果：
1 <generator object countdown at 0x000000000260B258>
2 start coutdown
3 5
4 4
5 3
6 2
7 1
8 done
4、yield函数应用
1）实现 linux 中 tail -f /tmp/a.txt 的功能（及监听文件，实时刷新文件的动态，插入内容即刻打印显示，没有就暂停在当前位置）
1 import time
2 def tail(file_path):
3 with open(file_path,'r') as f: #以读的方式打开文件
4 f.seek(0,2) #读取最后一行的文本
5 while True: #循环，一直判断
6 line=f.readline() #一次读一行
7 if not line: #判断，没有值的话，停顿0.3秒，再回去
8 time.sleep(0.3)
9 continue
10 else:
11 # print(line，end='') #打印一行，此行结尾的换行不打印。不用yield函数的话。
12 yield line # 有文本的话，打印文本，然后停在当前位置
13 g=tail('/tmp/a.txt') #文件路径
14 print(next(g)) # 打印 实时监听
15 # for line in g:
16 # print(line)
2）实现 linux 中 tail -f /tmp/a.txt |grep 'error'的功能（及监听文件，实时刷新文件的动态，实现过滤的功能，及添加进去的内容有'error'打印显示，没有不显示）
形象的比喻下：数据流就像水流一样，在一个管道上源源不断的从左往右一直传值。有带着标签的数据流就显示出来，没有就不显示。
1 #/usr/bin/env python
2 import time
3 #定义阶段：定义俩生成器函数
4 def tail(file_path): #管道左边的传值
5 with open(file_path,'r') as f:
6 f.seek(0,2) #一直读取最后一行
7 while True:
8 line=f.readline()
9 if not line:
10 time.sleep(0.3)
11 # print('====>')
12 continue
13 else:
14 #print(line,end='')
15 yield line
16 #管道右边的过滤
17 def grep(pattern,lines): # 定义函数（参数）分别为：（过滤的内容，左边写入的一行数据流）
18 for line in lines: #对写入的每行进行遍历循环
19 if pattern in line: #判断是否有匹配上的行
20 yield line # return line
21
22 #调用阶段：得到俩生成器对象
23 g1=tail('/tmp/a.txt') #为管道左边的传值（要操作的文件）一直监听传入的最后一行的数据
24 g2=grep('error',g1) #为管道右边的传值（要过滤的数据）
25
26 #next触发执行g2生成器函数 有符合条件的就打印
27 for i in g2:
28 print(i)
5、协程函数
如果在一个函数内部yield的使用方式是表达式形式的话，如x=yield，那么该函数成为协程函数。
生成器代码执行过程中，碰到yield 程序就会暂停，既然yield 以表达式的形式出现在函数中，就表明将 yield 暂停时从外部所携带来的值 传给等号左边的变量。
整个代码再通过next()函数触发，从yield处开始往下走，代码循环一圈之后，又回到yield这儿停止，以此循环。整个代码通过外部的send()函数给yield传值。
1 #吃包子代码！
2 def eater(name): #定义一个名称函数 name 为人名
3 print('%s start to eat food' %name)
4 food_list=[] #清单
5 while True:
6 food=yield food_list # 将yeild从外部接收的值传给food
7 print('%s get %s ,to start eat' %(name,food))
8 food_list.append(food) #将food添加到清单中
9 print('done') #结束
10
11 e=eater('钢蛋') #赋值人名
12 #print(e)
13 print(next(e)) # 开始 触发函数，到yield暂停，将当前值存到food_list中，有一个返回值，打印。
14 print(e.send('包子')) #为yield传值 拿一个值，将值传给yield当前所对应的变量 food
15 print(e.send('韭菜馅包子'))#为yield传值
16 print(e.send('大蒜包子'))#为yield传值
执行结果：
1 钢蛋 start to eat food
2 []
3 钢蛋 get 包子 ,to start eat
4 ['包子']
5 钢蛋 get 韭菜馅包子 ,to start eat
6 ['包子', '韭菜馅包子']
7 钢蛋 get 大蒜包子 ,to start eat
8 ['包子', '韭菜馅包子', '大蒜包子']
