Python入门之迭代器/生成器/yield的表达方式/面向过程编程

本章内容

　　　　迭代器

　　　　面向过程编程

　　　　　　一、什么是迭代

　　　　　　二、什么是迭代器

　　　　　　三、迭代器演示和举例

　　　　　　四、生成器yield基础

　　　　　　五、生成器yield的表达式形式

　　　　　　六、面向过程编程

============================================================

一、什么是迭代

　　迭代是重复反馈过程的活动，其目的通常是为了逼近所需目标或结果。每一次对过程的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值。

# 我们以前学习的while按照如下执行，会一直执行下去；
# 但是，while只是一个开关作用，while在这里并没有体现出迭代的精髓"每一次迭代得到的结果会作为下一次迭代的初始值"

while True:
    print('Hello World!')

# 下面我们遍历列表，其中每一次的n都是基于上一次的n，依次遍历
# 这里就体现了迭代的精髓“每一次的迭代的结果编程下一次迭代的初始值”

l = ['a', 'b', 'c']
n = 0
while n < len(l):
    print(l(n))
    n += 1

二、什么是迭代器

　　要想了解迭代器到底是什么，必须了解一个概念，即什么是可迭代对象。

在Python中，可迭代对象都内置有_iter_方法，拥有_iter_方法的对象，就是可迭代对象。

# 以下都是可迭代对象(字符串，列表，元组，字典，集合，文件)

str = 'hello'
list1 = [1, 2, 3]
tup1 = (4,5,6)
dic = {'x': 1}
s1 = {'a', 'b', 'c'}
f = open('a.txt', 'w', encoding='utf-8')

# 需要注意文件由于本身过大的特性，必须被定义为可迭代对象，不然很容易内存溢出

三、迭代器对象

　　1. 什么是迭代器对象

　　

　　迭代器，就是迭代取值的工具。可迭代的对象，执行._iter_()方法得到的返回值就是迭代器对象。我们以前学过的字符串，列表，元组，字典，集合都是可迭代对象，执行内置的._iter_()方法得到对应的迭代器对象，根据部分对象的特征，我们可以根据索引取出特定的值，但是我们取值受限于索引，依赖什么就受限于什么。

　　在Python中，我们要进行迭代处理的对象很多，但是它们并没有上面对象的特点。先天的不足，只能通过别的方法实现，这里我们可以通过迭代器对象，使用迭代器对象的._next_()方法，逐一取出，避免这种限制。

　　迭代器，就是我们自己把对应的对象处理，处理成带有迭代性质的对象。

# 集合

s1 = {'a', 'b', 'c'}

# 可迭代对象s1集合，执行内置的._iter_()方法，获得迭代器对象，然后就可以逐一取出来

iter_s1 = s1._iter_()

print(iter_s1._next_())
print(iter_s1._next_())
print(iter_s1._next_())

# 字典

dic1 = {'x':1, 'y':2, 'z':3}

# 可迭代对象dic1字典，执行内置的._iter_()方法，获得迭代器对象，然后就可以逐一取出来

iter_dic1 = dic1._iter_()

print(iter_dic1._next_())
print(iter_dic1._next_())
print(iter_dic1._next_())

# 列表

L1 = [2,3,4,]

# 可迭代对象L1列表，执行内置的._iter_()方法，获得迭代器对象，然后可以逐一取出来

iter_L1 = L1._iter_()

print(iter_L1._next_())
print(iter_L1._next_())
print(iter_L1._next_())

# 字符串

str1 = 'hello'

#  可迭代对象str1字符串，执行内置的._iter_()方法，获得迭代器对象，然后逐一取出

iter_str1 = iter_str1._iter_()

print(iter_str1._next_())
print(iter_str1._next_())
print(iter_str1._next_())
print(iter_str1._next_())
print(iter_str1._next_())

# 我们在遍历字符串的时候，发现会报错，那就引入抛出异常机制

# 文件

f1 = open('a.txt', 'r', encoding = 'utf-8')

# 可迭代对象f1文件，执行内置的._iter_()方法，获取迭代器对象，然后逐一取出

iter_f1 = f1._iter_()

while True:
    try:
        print(iter_f1._next_())
    except StopIteration:
        break

# 迭代文件的时候，你会发现打印出来，有空行，因为在文件中换行是由‘\n’代表的

　　2. 迭代器之for循环的应用　　

　　for循环，是一种迭代器循环，因为for要调用可迭代对象内置的._iter_()方法，而且关键字in之后必须跟可迭代对象或者迭代器。

#基于for循环，我们可以完全不再依赖索引去取值了
dic={'a':1,'b':2,'c':3}
for k in dic:
    print(dic[k])

# for循环的工作原理
#1：执行in后对象的dic.__iter__()方法，得到一个迭代器对象iter_dic
#2: 执行next(iter_dic),将得到的值赋值给k,然后执行循环体代码
#3: 重复过程2，直到捕捉到异常StopIteration,结束循环

　　3. 迭代器的优点

　　　　1. 提供了一种可以不依赖索引的取值方式

　　　　2. 在内存中只生成一个迭代器对象，每次产生一个值，不用把对象完整的加载到内存，更加节省内存

# 下图中，iter_l的内存信息，你会看到内存中标记的是ist_iterator对象

　　4. 迭代器的缺点

　　　　1. 只能用_next_()方法，一个一个取出来，取值效率低
　　　　2. 取值方向只能往后取，而且是一次性使用，无法往复取值

　　

　　5. 可迭代对象  VS 迭代器对象

# 补充说明， 文件有时候本身较大，一次全部加载到内存，费事费力，所以要被定义为一个迭代器对象，每次取一点，节省内存，提升效率

四、生成器yield基础

　　

　　1. 生成器本身就是迭代器，相当于我们借助函数，自己制造了一个迭代器。

生成器的用法其实就是迭代器的用法。

　　

　　   yield的用法(面向任何可迭代对象):

　　   函数内包含yield关键字，再调用函数，就不会执行函数体代码，拿到的返回值就是一个生成器对象。

# 注意下图中，内存的标记为生成器generator

# 生成器的本质就是迭代器，下面res._iter_() 就是 res本身

　　2. yeild的过程

　　3. yield的功能

　　　　1. yield与return类似，都可以返回值，不同之处在于，yield可以返回多个值而且可以暂停，在暂停的基础上再次执行；return就不一样了，代表函数的结束。

　　　   2. yield可以让已经封装好的函数能够使用_iter_和_next_方法

　　　   3. yield遵循迭代器的取值方式，函数的触发执行和函数的保存都是通过yeild保存。

def  start():
    print('Starting.......')
    while True:
        x = yield       #此处是yield的表达式形式
        print(x)

f = start()
next(f)         #next(g) == g.send(None)

'''
send的效果：
1. 将携带的值传给yield，不是x，然后yield在复制给x
2. send()方法具有和next()方法一样的功能，能在传值的基础上继续执行，直到再次碰到
    yield结束
'''

g.send(2)     

　　　　yield表达式形式，例如 x = yield， 生成器会有一个send操作

　　　　send的效果：

　　　　　　1. 先从为暂停位置的那个yiled传一个值，然后yield会把值，赋值给x

　　　　　　2. 与next的功能一样

　　　　　　3. send 传多个值时， 必须以元组的形式，保持有序，不能修改

def  start():
    print('Starting.......')
    while True:
        x = yield       #此处是yield的表达式形式
        print(x)

start()

start() # 到这里就不会运行print('Starting.......')，因为再次调用函数，解释器在检测语法
              的时候，检测到有yield，那么在执行该函数的时候就不会运行

# 结合上面，下面实例是可变长度参数的应用实例

def foo(func):
    def foo1(*args, **kwargs):
        g = func(*args, **kwargs)
        next(g)
        return g
    return foo1

@foo
def eater(name):

    print('%s starts to ear' % name)

    foo_list = []
    while True:
        food = yield food_list
        food_list.append(food)
        print('%s starts to eat %s' % (name, food))
        print(food_list)

m = eater('Alex')
m.send('Bread')
        

#  结合上面理论，理解以下yield表达式的范例

　　

　　4. yield总结

　　　　

　　　　1. 为我们提供了一种自定义迭代器的方式，可以在函数内用yield关键字；调用函数拿到的结果就是生成器，可以利用生成器的迭代器方法

　　　　2. yield可以像return一样用于返回值；return一次只能返回一次，而且代表函数结束，yield可以返回多次值

　　　　3. yield可以保存函数的执行状态

六、 面向过程编程

　　

　　1. 什么是面向过程编程

　　　　　　这个概念的核心对象是‘过程’，解决问题的过程，即先做什么，后做什么

　　

　　2. 基于面向过程编写程序，就像设计一条流水线，类似机械的思维方式

　　3. 优点和缺点

　　　　

　　　　优点：复杂问题流程化，进而简单化

　　　　缺点：可扩展性差，修改流水线的任意一个部分，都会牵一发而动全身

　　　　应用：固定场景，扩展性要求不高，典型案例如linux内核，git，httpd等等

　　4. 实例：

　　　　

　　　　流水线1：

　　　　　　用户输入用户名、密码  ===》 用户验证 ===》 欢迎界面

　　　　流水线2：

　　　　　　用户发起sql请求 ===》sql解析 ===》执行功能