1.Python中的迭代器
在Python中，迭代器是一种允许程序员遍历一个容器（特别是列表、元组、字典等集合类型）的对象，而不需要了解容器的内部结构。迭代器提供了一个统一的方法来逐一访问容器中的元素，这种机制称为迭代。
迭代器的核心概念：迭代器基于两个基本方法来完成其功能：
-
__iter__()：-
这个方法返回迭代器对象本身。这是使用
for和in语句时所必需的，因为Python的迭代协议要求一个对象要么有__iter__()方法，要么有__getitem__()方法。
-
-
__next__()：-
这个方法返回容器的下一个元素。当没有更多元素可供返回时，它应该抛出一个
StopIteration异常，用来通知迭代循环结束。
-
迭代器的使用：
在Python中，直接作用于for循环的对象统称为可迭代对象(Iterable)，任何实现了__iter__()和__next__()方法的对象都是迭代器（iterator）。所有的Iterable均可以通过内置函数iter()来转变为Iterator。iter()函数用于获取迭代器，而next()函数用于逐一访问迭代器的元素。
2.迭代器的使用
① 使用方法
使用自定义迭代器：
class MyIterator:
def __init__(self, data):
self.data = data
self.index = 0
def __iter__(self):
return self
def __next__(self):
if self.index >= len(self.data):
raise StopIteration
value = self.data[self.index]
self.index += 1
return value
# 使用自定义的迭代器
my_iter = MyIterator([1, 2, 3, 4, 5])
# 在for循环中使用迭代器
for item in my_iter:
print(item)
next()需要传入可迭代对象：
L=[1,2,3] # L是一个可迭代对象，而不是一个迭代器
squares=[x**2 for x in L]
squares # 同理，squares是一个可迭代对象
next(L) # 将会抛出错误：TypeError: 'list' object is not an iterator
my_list = [1, 2, 3, 4]
my_iter = iter(my_list) # 创建迭代器对象
print(next(my_iter)) # 输出 1
print(next(my_iter)) # 输出 2
print(next(my_iter)) # 输出 3
print(next(my_iter)) # 输出 4
print(next(my_iter)) # 抛出StopIteration异常，迭代结束
import sys
list=[1,2,3,4]
it=iter(list)
while True:
try:
print(next(it))
except StopIteration:
sys.exit()
需要将可迭代对象通过iter()转换成一个迭代器：
ls=[1,2,3,4]
it=iter(ls) # 列表转换为一个迭代器
for x in it:
print(x,end=" ")
② 使用生成器生成迭代器
生成器是一种特殊类型的迭代器，它们可以被用来按需生成数据，而不是一次性地将数据加载到内存中。这样做可以提高程序的内存效率，特别是当处理大量数据时。下面的代码使用生成器（generator）创建一个逐个生成平方数的迭代器。
# 生成器
def gensquares(N):
for i in range(N):
yield i**2
for item in gensquares(5):
print(item)
使用普通函数创建一个逐个生成平方数的迭代器:
#使用普通函数
def gensquares(N):
res=[]
for i in range(N):
res.append(i**2)
return res
for i in gensquares(5):
print(i)
③ 迭代器协议
Python使用迭代器协议让for循环变得更加通用，许多Python的内置函数，如sum、min、max、map等，都可以接受任何迭代器作为输入。这些函数使用迭代器协议来访问传入对象中的元素。例如sum函数可以接受任何迭代器，并计算其中元素的总和。
迭代器协议是Python的强大特性之一，它允许内置函数和控制结构以统一的方式处理多种类型的数据集合。通过支持这个协议，生成器成为了处理序列数据的灵活和强大工具，尤其是在数据量大或数据产生代价高的场景中。
# 使用生成器表达式创建一个生成器
numbers = (x * x for x in range(5)) # 生成 0, 1, 4, 9, 16
# 使用sum函数计算这些值的和
total = sum(numbers)
print(total) # 输出 30
④ 生成器的惰性求值（Lazy Evaluation）
生成器的惰性求值（Lazy Evaluation）是指在真正需要数据之前不进行任何计算或数据生成的编程技术。这种策略允许代码只在结果真正被需要时才执行运算，从而节省资源和提高程序的效率。
从一个文本文件input.txt中按行读取内容，并且仅当行中包含指定关键词‘Hello’时，逐行返回这些匹配的行（10行中提取了6行含有关键词的文本行）。这种方式是处理大文件的有效方法，因为它允许按需读取数据，而不必一次性将整个文件加载到内存中。
import chardet # 自动检测文件编码的库
def detect_encoding(file_path): # 定义一个检测文件编码的函数
with open(file_path, 'rb') as f:
rawdata = f.read()
return chardet.detect(rawdata)['encoding']
def search_in_file(path, keyword):
try:
# 检测文件编码
encoding = detect_encoding(path)
# 使用检测到的编码打开文件
with open(path, 'r', encoding=encoding) as file:
for line_number, line in enumerate(file, 1): # 遍历文件的每一行，使用 enumerate 函数获取行号，并检查是否存在关键字
if keyword in line:
yield line_number, line
except FileNotFoundError:
print("文件未找到，请检查文件路径。")
except Exception as e:
print(f"读取文件时发生错误：{e}")
# 示例
filename = r'F:\桌面\python100\input.txt'
keyword = "Hello"
for line_number, matching_line in search_in_file(filename, keyword):
print(f"第 {line_number} 行: {matching_line}")
以上内容总结自网络，如有帮助欢迎转发，我们下次再见！
