迭代器与生成器

预习内容：

匿名函数
匿名函数与内置函数结合的更多用法
函数、生成器相关的面试题
列表推导式和生成器表达式的更多用法

1、迭代和可迭代协议

    迭代：将数据集里的数据一个一个取出来

   可迭代协议：可以被迭代要满足的要求就叫做可迭代协议，凡是可迭代大的内部都有一个_iter_方法。

   所以我们想知道_iter_方法做了什么事情呢？

   判断一个变量是不是可迭代的，具体例子如下：

l=[1,2,3,4]
print('_iter_' in dir(l))
iter(l)    #内置函数
l._iter_()

执行结果为false

2、 迭代器和迭代器协议

迭代器内置方法有_iter_和_next_方法，遵循迭代器协议。

'''
dir([1,2].__iter__())是列表迭代器中实现的所有方法，dir([1,2])是列表中实现的所有方法,都是以列表的形式返回给我们的，为了看的更清楚，我们分别把他们转换成集合，
然后取差集。
'''
#print(dir([1,2].__iter__()))
#print(dir([1,2]))
print(set(dir([1,2].__iter__()))-set(dir([1,2])))

结果：
{'__length_hint__', '__next__', '__setstate__'}

我们看到在列表迭代器中多了三个方法，那么这三个方法都分别做了什么事呢？

iter_l = [1,2,3,4,5,6].__iter__()
#获取迭代器中元素的长度
print(iter_l.__length_hint__())
#根据索引值指定从哪里开始迭代
print('*',iter_l.__setstate__(4))
#一个一个的取值
print('**',iter_l.__next__())
print('***',iter_l.__next__())

当然在for循环中就是一个一个调用了_next_方法才取到的值，现在我们写一个不依赖for循环，用_next_方法将将列表中的元素一个一个取出来进行遍历。

l = [1,2,3,4]
l_iter = l.__iter__()
item = l_iter.__next__()
print(item)
item = l_iter.__next__()
print(item)
item = l_iter.__next__()
print(item)

 当然这是一段会报错的代码，在执行之后会出现异常（StopIteration）我们需要进行异常的捕获，把这个异常处理掉，具体代码如下：

l = [1,2,3,4]
l_iter = l.__iter__()
while True:
    try:
        item = l_iter.__next__()
        print(item)
    except StopIteration:
        break

不管是一个迭代器，还是一个可迭代对象，都可以使用for循环遍历，下面我们来测试一下

print('__next__' in dir(range(12)))  #查看'__next__'是不是在range()方法执行之后内部是否有__next__
print('__iter__' in dir(range(12)))  #查看'__next__'是不是在range()方法执行之后内部是否有__next__

from collections import Iterator
print(isinstance(range(100000000),Iterator))  #验证range执行之后得到的结果不是一个迭代器

#range函数的返回值是一个可迭代对象

补充：

迭代器的特点：（1）可以用for循环（2）可以节省内存（3）只能用一次

3、生成器

 定义：

我们知道的迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处是可以节省内存。

如果在某些情况下，我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。

python中提供的生成器：（1）生成器函数（2）生成器表达式

生成器Generator：

　　本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)

　　特点：惰性运算,开发者自定义

生成器函数

一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，而是得到一个可迭代的对象。每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数执行结束。

import time
def func():
    a=1
    print('现在定义了a变量')
    yield a
    b=2
    print('现在定义了b变量')
    yield b
g=func()
print(next(g))
time.sleep(1)
print(next(g))

实践小应用

import time


def tail(filename):
    f = open(filename)
    f.seek(0, 2) #从文件末尾算起
    while True:
        line = f.readline()  # 读取文件中新的文本行
        if not line:
            time.sleep(0.1)
            continue
        yield line

tail_g = tail('tmp')
for line in tail_g:
    print(line)

生成器监听文件输入的例子

def average():
    total=0
    day=0
    average=0
    while True:
        ter=yield average
        total+=ter
        day+=1
        average=total/day
g=average()
next(g)
print(g.send(10))
print(g.send(20))
print(g.send(30))

4、列表推导式和生成器表达式

总结：

1.把列表解析的[]换成()得到的就是生成器表达式

2.列表解析与生成器表达式都是一种便利的编程方式，只不过生成器表达式更节省内存

3.Python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。例如， sum函数是Python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议

本章小结：

可迭代对象：

　　拥有__iter__方法

　　特点：惰性运算

　　例如:range(),str,list,tuple,dict,set

迭代器Iterator：

　　拥有__iter__方法和__next__方法

　　例如:iter(range()),iter(str),iter(list),iter(tuple),iter(dict),iter(set),reversed(list_o),map(func,list_o),filter(func,list_o),file_o

生成器Generator：

　　本质：迭代器，所以拥有__iter__方法和__next__方法

　　特点：惰性运算,开发者自定义

使用生成器的优点：

1.延迟计算，一次返回一个结果。也就是说，它不会一次生成所有的结果，这对于大数据量处理，将会非常有用。

2.提高代码可读性

 

练习题：

1.处理文件，用户指定要查找的文件和内容

将文件中包含要查找内容的每一行都输出到屏幕

2.批量处理文件，用户指定要查找的目录和内容

将本层目录下所有文件中包含要查找内容的每一行都输出到屏幕