python迭代器
什么是迭代器
迭代器是值迭代取值的工具，迭代是一个重复的过程，每次重复都是基于上一次的结果而继续的，单纯的重复并不是迭代
为什么要有迭代器
寻求一种不依赖索引取值的方案
如何使用迭代器
可迭代的对象
但凡内置有iter方法的都称之为可迭代的对象
s1=''
# s1.__iter__()
l=[]
# l.__iter__()
t=(1,)
# t.__iter__()
d={'a':1}
# d.__iter__()
set1={1,2,3}
# set1.__iter__()
with open('a.txt',mode='w') as f:
# f.__iter__()
pass
调用可迭代对象转换成迭代器对象
d={'a':1,'b':2,'c':3}
d_iterator=d.__iter__()
# print(d_iterator)
# print(d_iterator.__next__())
# print(d_iterator.__next__())
# print(d_iterator.__next__())
# print(d_iterator.__next__()) # 抛出异常StopIteration
while True:
try:
print(d_iterator.__next__())
except StopIteration:
break
print('====>>>>>>') # 在一个迭代器取值取干净的情况下，再对其取值娶不到
d_iterator=d.__iter__()
while True:
try:
print(d_iterator.__next__())
except StopIteration:
break
l=[1,2,3,4,5]
l_iterator=l.__iter__()
while True:
try:
print(l_iterator.__next__())
except StopIteration:
break
可迭代对象与迭代器对象详解
- 可迭代对象（"可以转换成迭代器的对象"）：内置有
__iter__方法对象。可迭代对象.__iter__(): 得到迭代器对象字符串、列表、元组、字典、集合、文件对象
- 迭代器对象：内置有
__next__方法并且内置有__iter__方法的对象,迭代器对象.__next__（）：得到迭代器的下一个值,迭代器对象.__iter__（）：得到迭代器的本身，说白了调了跟没调一个样子,为了让for循环的工作原理统一起来文件对象
dic={'a':1,'b':2,'c':3}
dic_iterator=dic.__iter__()
print(dic_iterator is dic_iterator.__iter__().__iter__().__iter__()) # True
s1=''
s1.__iter__()
l=[]
l.__iter__()
t=(1,)
t.__iter__()
d={'a':1}
d.__iter__()
set1={1,2,3}
set1.__iter__()
with open('a.txt',mode='w') as f:
f.__iter__()
f.__next__()
for循环的工作原理：for循环可以称之为叫迭代器循环
d={'a':1,'b':2,'c':3}
# 1、d.__iter__()得到一个迭代器对象
# 2、迭代器对象.__next__()拿到一个返回值，然后将该返回值赋值给k
# 3、循环往复步骤2，直到抛出StopIteration异常for循环会捕捉异常然后结束循环
for k in d:
print(k)
with open('a.txt',mode='rt',encoding='utf-8') as f:
for line in f: # f.__iter__()
print(line)
list('hello') #原理同for循环
迭代器优缺点总结
优点：
- 为序列和非序列类型提供了一种统一的迭代取值方式。
- 惰性计算：迭代器对象表示的是一个数据流，可以只在需要时才去调用next来计算出一个值，就迭代器本身来说，同一时刻在内存中只有一个值，因而可以存放无限大的数据流，而对于其他容器类型，如列表，需要把所有的元素都存放于内存中，受内存大小的限制，可以存放的值的个数是有限的。
缺点：
- 除非取尽，否则无法获取迭代器的长度
- 只能取下一个值，不能回到开始，更像是‘一次性的’，迭代器产生后的唯一目标就是重复执行next方法直到值取尽，否则就会停留在某个位置，等待下一次调用next；若是要再次迭代同个对象，你只能重新调用iter方法去创建一个新的迭代器对象，如果有两个或者多个循环使用同一个迭代器，必然只会有一个循环能取到值。
生成器：自定义迭代器
# 如何得到自定义的迭代器：
# 在函数内一旦存在yield关键字，调用函数并不会执行函数体代码
# 会返回一个生成器对象，生成器即自定义的迭代器
# yield可以接收send()传回的值，
def func():
print('第一次')
yield 1
print('第二次')
yield 2
print('第三次')
yield 3
print('第四次')
# g=func()
# print(g)
# 生成器就是迭代器
# g.__iter__()
# g.__next__()
# 会触发函数体代码的运行，然后遇到yield停下来，将yield后的值
# 当做本次调用的结果返回
# res1=g.__next__()
# print(res1)
#
#
# res2=g.__next__()
# print(res2)
#
# res3=g.__next__()
# print(res3)
#
# res4=g.__next__()
# len('aaa') # 'aaa'.__len__()
# next(g) # g.__next__()
# iter(可迭代对象) # 可迭代对象.__iter__()
# 应用案列
def my_range(start,stop,step=1):
# print('start...')
while start < stop:
yield start
start+=step
# print('end....')
# g=my_range(1,5,2) # 1 3
# print(next(g))
# print(next(g))
# print(next(g))
for n in my_range(1,7,2):
print(n)
yield表达式
# x=yield 返回值
# 一：
# def dog(name):
# print('道哥%s准备吃东西啦...' %name)
# while True:
# # x拿到的是yield接收到的值
# x = yield # x = '肉包子'
# print('道哥%s吃了 %s' %(name,x))
#
#
# g=dog('alex')
# g.send(None) # 等同于next(g)
#
# g.send(['一根骨头','aaa'])
# # g.send('肉包子')
# # g.send('一同泔水')
# # g.close()
# # g.send('1111') # 关闭之后无法传值
# 二：
def dog(name):
food_list=[]
print('道哥%s准备吃东西啦...' %name)
while True:
# x拿到的是yield接收到的值
x = yield food_list # x = '肉包子'
print('道哥%s吃了 %s' %(name,x))
food_list.append(x) # ['一根骨头','肉包子']
#
# g=dog('alex')
# res=g.send(None) # next(g)
# print(res)
#
# res=g.send('一根骨头')
# print(res)
#
# res=g.send('肉包子')
# print(res)
# # g.send('一同泔水')
def func():
print('start.....')
x=yield 1111 # x='xxxxx'
print('哈哈哈啊哈')
print('哈哈哈啊哈')
print('哈哈哈啊哈')
print('哈哈哈啊哈')
yield 22222
g=func()
res=next(g) # 停留在第一个yield处 并返回yield 后的值1111
print(res)
res=g.send('xxxxx') # 此时在停留的位置开始，将xxxxx赋值给x并执行到第二个yield处，返回yield后的值22222
print(res)
总结yield：有了
yield关键字，我们就有了一种自定义迭代器的实现方式。yield可以用于返回值，但不同于return，函数一旦遇到return就结束了，而yield可以保存函数的运行状态挂起函数，用来返回多次值
三元表达式
语法格式：
条件成立时的返回值 if 条件 else 条件不成立时的返回值
x = 1
y = 2
def func():
if x > y:
return x
else:
return y
res = func()
# 三元表达式
res = x if x > y else y
生成式
- 列表生成式
# 简化代码，快速生成列表
# arg for arg in iterable [if xxx]
egg_list=[]
for i in range(1,19):
egg_list.append(i)
# 列表生成式的写法
egg_list = [i for i in range(1,19)]
- 字典生成式
# {key:value for key in dict [if ...]}
keys=['name','age','gender']
dic={key:None for key in keys}
print(dic)
- 集合生成式
# {key for key in dict [if ...]}
keys=['name','age','gender']
set1={key for key in keys}
print(set1,type(set1))
- 生成器生成式
g=(i for i in range(10) if i > 3)
# ！！！！！！！！！！！强调！！！！！！！！！！！！！！！
# 此刻g内部一个值也没有
print(g,type(g))
print(g)
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
with open('笔记.txt', mode='rt', encoding='utf-8') as f:
# 方式一：
# res=0
# for line in f:
# res+=len(line)
# print(res)
# 方式二：
# res=sum([len(line) for line in f])
# print(res)
# 方式三 ：效率最高
# res = sum((len(line) for line in f))
# 上述可以简写为如下形式
res = sum(len(line) for line in f)
print(res)
