首页 > 代码库 > 详解生成器、迭代器

详解生成器、迭代器

1.迭代  

  要搞清楚什么关于迭代器,生成器,可迭代对象,前提是我们要理解何为迭代。

  第一,迭代需要重复进行某一操作

  第二,本次迭代的要依赖上一次的结果继续往下做,如果中途有任何停顿,都不能算是迭代.

  下面来看看几个例子,你就会更能理解迭代的含义。

技术分享

# example1
# 非迭代count = 0while count < 10:    print("hello world")
    count += 1

技术分享

技术分享

# example2
# 迭代count = 0while count < 10:    print(count)
    count += 1

技术分享

  例子1,仅仅只是在重复一件事,那就是不停的打印"hello world",并且,这个打印的结果并不依赖上一次输出的值。而例子2,就很好地说明迭代的含义,重复+继续。

2.可迭代对象

  按照上面迭代的含义,我们应该能够知道何为可迭代对象。顾名思义,就是一个对象能够被迭代的使用。那么我们该如何判断一个对象是否可迭代呢?

  Python提供了模块collections,其中有一个isinstance(obj,string)的函数,可以判断一个对象是否为可迭代对象。看下面实例:

技术分享

from collections import Iterable

f = open(‘a.txt‘)
i = 1s = ‘1234‘d = {‘abc‘:1}
t = (1,2,344)
m = {1,2,34,}print(isinstance(i, Iterable))  # 判断整型是否为可迭代对象print(isinstance(s, Iterable))  # 判断字符串对象是否为可迭代对象  print(isinstance(d, Iterable))  # 判断字典对象是否为可迭代对象print(isinstance(t, Iterable))  # 判断元组对象是否为可迭代对象print(isinstance(m, Iterable))  # 判断集合对象是否为可迭代对象print(isinstance(f, Iterable))  # 判断文件对象是否为可迭代对象########输出结果#########False
True
True
True
True
True

技术分享

  由上面得出,除了整型之外,python内的基本数据类型都是可迭代对象,包括文件对象。那么,python内部是如何知道一个对象是否为可迭代对象呢?答案是,在每一种数据类型对象中,都会有有一个__iter__()方法,正是因为这个方法,才使得这些基本数据类型变为可迭代。 

  如果不信,我们可以来看看下面代码片段:

技术分享检测属性方法

  如果大家还是不信,可以继续来测试。我们自己来写一个类,看看有__iter__()方法和没有此方法的区别。

技术分享View Code

  从上面,实验结果可以看出一个对象是否可迭代,关键看這个对象是否有__iter__()方法。

3.迭代器

  在介绍迭代器之前,我们先来了解一下容器这个概念。

  容器是一种把多个元素组织在一起的数据结构,容器中的元素可以逐个地迭代获取。简单来说,就好比一个盒子,我们可以往里面存放数据,也可以从里面一个一个地取出数据。

  在python中,属于容器类型地有:list,dict,set,str,tuple.....。容器仅仅只是用来存放数据的,我们平常看到的 l = [1,2,3,4]等等,好像我们可以直接从列表这个容器中取出元素,但事实上容器并不提供这种能力,而是可迭代对象赋予了容器这种能力。

  说完了容器,我们在来谈谈迭代器。迭代器与可迭代对象区别在于:__next__()方法。

  我们可以采用以下方法来验证一下:

技术分享View Code

  结果显示:除了文件对象为迭代器,其余均不是迭代器

  下面,我们进一步来验证一下:

技术分享View Code

  从输出结果可以表明,迭代器与可迭代对象仅仅就是__next__()方法的有无。

4.for内部机制剖析

  先来看看一段普通的迭代过程:

l = [1,2,3,4,5]for i in l:    print(i)

   根据之前的分析,我们知道 l = [1,2,3,4,5]是一个可迭代对象。而且可迭代对象是不可以直接从其中取到元素。那么为啥我们还能从列表L中取到元素呢?这一切都是因为for循环内部实现。在for循环内部,首先L会调用__iter__()方法,将列表L变为一个迭代器,然后这个迭代器再调用其__next__()方法,返回取到的第一个值,这个元素就被赋值给了i,接着就打印输出了。

  下面,我们通过一系列的实验来证明上述所说的。

技术分享View Code

  上述实验,与我上面说明的一致。  

  下面,我们可以while循环来模拟for循环,输出列表中的元素。

技术分享

l = [1,2,3,4,5]

item = l.__iter__()  # 生成一个迭代器while True:    try:
        i = item.__next__()        print(i)    except StopIteration:  # 捕获异常,如果有异常,说明应该停止迭代
        break

技术分享

  由上分析,我们可以总结出:当我们试图用for循环来迭代一个可迭代对象时候,for循环在内部进行了两步操作:第一,将可迭代对象S变为迭代器M;第二,迭代器M调用__next__()方法,并且返回其取出的元素给变量i。

  技术分享

  你可能看见过这种写法,for i in iter(M):xxx ,其实这一步操作和我们上面没什么区别。iter()函数,就是将一个可迭代对象M变为迭代器也就是M调用__iter__()方法,然后内部在调用__next__()方法。也就是说,

技术分享

M = [1,2,3,4,5]for i in iter(M):  # 等价于 M.__iter()__   人为显示调用
    print(i)for i in M:  # 解释器隐式调用
    print(i)##################
#上面输出的结果完全一样#
#################

技术分享

  还有next(M)等价于M.__next__。  

  迭代器优点:

    1.节约内存

    2.不依赖索引取值

    3.实现惰性计算(什么时候需要,在取值出来计算)

5.生成器(本质就是迭代器)

  什么是生成器?可以理解为一种数据类型,这种数据类型自动实现了迭代器协议(其他的数据类型需要调用自己内置的__iter__方法)。

  按照我们之前所说的,迭代器必须满足两个条件:既有__iter__(),又有__next__()方法。那么生成器是否也有这两个方法呢?答案是,YES。具体来通过以下代码来看看。

技术分享

技术分享

def func():    print("one------------->")    yield 1    print("two------------->")    yield 2    print("three----------->")    yield 3    print("four------------>")    yield 4print(hasattr(func(),‘__next__‘))print(hasattr(func(),‘__iter__‘))#########输出结果###########True
True

技术分享

  实验表明,生成器就是迭代器。

  Python有两种不同的方式提供生成器:

    1.生成器函数(函数内部有yield关键字):常规函数定义,但是,使用yield语句而不是return语句返回结果。yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次重它离开的地方继续执行

    2.生成器表达式:类似于列表推导,但是,生成器返回按需产生结果的一个对象,而不是一次构建一个结果列表

  既然生成器就是迭代器,那么我们是不是也可以通过for循环来遍历出生成器中的内容呢?看下面代码.

技术分享

技术分享

def func():    print("one------------->")    yield 1    print("two------------->")    yield 2    print("three----------->")    yield 3    print("four------------>")    yield 4for i in func():    print(i)#########输出结果########one------------->
1two------------->
2three----------->
3four------------>
4

技术分享

  很显然,生成器也可以通过for循环来遍历出其中的内容。

  下面我们来看看生成器函数执行流程:

技术分享View Code

  每次调用g.__next__()就回去函数内部找yield关键字,如果找得到就输出yield后面的值并且返回;如果没有找到,就会报出异常。上述代码中如果在调用g.__next__()就会报错。

  Python使用生成器对延迟操作提供了支持。所谓延迟操作,是指在需要的时候才产生结果,而不是立即产生结果。这也是生成器的主要好处。

1
实例:生成器模拟Linux下tail -f a.txt | grep ‘error‘ | grep ‘404‘

技术分享

技术分享

import timedef tail(filepath):
    with open(filepath, encoding=‘utf-8‘) as f:
        f.seek(0, 2)  # 停到末尾开头 1从当前位置  2从文件末尾
        while True:
            line = f.readline()            if line:  # 如果有内容读出
                #print(line,end=‘‘)
                yield line  # 遍历时停在此行,并且将其返回值传递出去
            else:
                time.sleep(0.5)  # 如果文件为空,休眠 等待输入def grep(lines, patterns):  # lines为生成器类型
    for line in lines:  # 遍历生成器
        if patterns in line:            yield line


g = grep(tail(‘a.txt‘), ‘error‘)  # 动态跟踪文件新添加的内容,并且过滤出有patterns的行g1 = grep(g,‘404‘)  # g1为生成器for i in g1: # 通过for循环来隐式调用__next__()方法
    print(i)

技术分享

  生成器小结:

    1.是可迭代对象

    2.实现了延迟计算,省内存啊

    3.生成器本质和其他的数据类型一样,都是实现了迭代器协议,只不过生成器附加了一个延迟计算省内存的好处,其余的可迭代对象可没有这点好处!

6.可迭代对象、迭代器、生成器关系总结

技术分享

 


详解生成器、迭代器