python函数式编程之迭代器
什么是迭代器
顾名思义，就是更新换代的意思
python中的迭代器就是根据上一个结果生成下一个结果，一直循环往复不断重复的过程
迭代器有两个特点：
- 1.不断重复同一个过程
- 2.根据上一个结果生成下一个结果
迭代器的定义
先来看两个例子
代码一：
while True:
cmd = input("input your command: ").strip()
print(cmd)
代码二：
l1 = ["a", "b", "c", "d"]
count = 0
while count < len(l1):
print(l1[count])
count += 1
在代码一中，让用户不断输入命令，然后打印用户输入的命令，这是一个不断重复的过程，但是后一个结果跟前一个结果没有什么联系，所以代码一不是迭代器
在代码二中，先定义一个列表l1和count,在count的值小于列表l1的长度中，打印列表中count索引的值，然后count的值加1，这几行代码符合迭代器的定义
代码二的执行过程：
首先，打印列表l1中count索引的值，这是一个不断重复的过程
然后，每循环一次，count的值就在以前的基础上增加1，直到count的值等于列表l1的长度时，循环中止
所以代码一不是迭代器，代码二才是符后迭代器的定义标准
迭代器的作用
python中常见的数据类型包括字符串，列表，元组，字典，集合，文件
我们知道，python中的数据类型又分为有序和无序
对于有序数据类型，可以如上面的代码二所示，使用索引遍历有序数据类型中的元素
而对于无序数据类型，就不可以使用索引来遍历其中的元素了，此时可以使用for循环来遍历其中的元素
现在来看看for循环到底做了哪些事，可以取出无序数据类型中的元素
dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, }
for k in dic1:
print(k)
执行上面的程序，可以打印出字典dic1中所有的键
实际上,python为了提供一种不依赖于索引的迭代方式，python会为一些对象内置__iter__方法
在python中，如果一个对象有__iter__方法，那么这个对象就是可迭代对象
执行obj.__iter__()方法得到的结果就是迭代器
所以python中的迭代器，都会有__iter__方法和__next__方法
以上面定义的dic1为例
dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, }
i = dic1.__iter__() # dic1.__iter__方法执行结果得到一个迭代器i
print(i) # 打印迭代器，得到结果：<dict_keyiterator object at 0x0000000002DBD278>
print(i.__next__()) # 执行迭代器i中的__next__方法，得到dic1中的一个元素，然后打印迭代出的元素
print(i.__next__()) # 再次执行迭代器的__next__方法，得到dic1的第二个元素，然后打印出来
print(i.__next__()) # 第三次执行迭代器的__next__方法，得到dic1的第三个元素，然后打印出来
由于python的字典是无序的数据类型，所以每次得到的dic1中的元素可能是不相同的
执行三次__next__方法，得到的结果如下
a
b
c
上面dic1的长度为4，如果执行5次__next__方法，会出错什么结果
dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, }
i = dic1.__iter__()
print(i.__next__())
print(i.__next__())
print(i.__next__())
print(i.__next__())
print(i.__next__())
程序执行结果
a
File "D:\python3\lib\unittest\loader.py", line 153, in loadTestsFromName
b
module = __import__(module_name)
c
File "E:\python_learn\py_code\test.py", line 21, in <module>
d
print(i.__next__())
StopIteration
可以看到，python解释器在执行第五次__next__方法时，抛出了StopIteration的错误，这说明如果执行__next__方法的次数超出迭代器的长度时，python解释会抛出异常
迭代器的优缺点
迭代器的优点
1.提供一种不依赖于索引的取值方式
2.提供惰性计算，每执行一次__next__方法，只会从迭代器中取出一个值，不管这个数据长度有多大，使用迭代器取值时，每取出一个值，占用的内存空间都一个元素的大小，非常节省内存空间
迭代器的缺点
1.取值比较麻烦。如果想用迭代器的方式取出列表中的第三个值，必须调用三次__next__方法，才能取出第三个值，而前两次取出的值实际上是没有作用的
2.一次性的，只能向后迭代，不能回退。如果运行两次__next__方法后，就不可能回退再去了迭代器的第一个值
3.不能获取到迭代器的长度，只能不停执行__next__方法，直到出现StopIteration的提示，此时才能知道迭代器的长度
for循环的执行过程
定义一个列表，使用for循环遍历取出列表中的值
l1 = ['a', 'b', 'c', 'd']
for i in l1:
print(i)
在for循环的执行过程中，实际上for循环是把in后面的对象执行__iter__方法，得到一个迭代器对象，然后不停执行迭代器对象中的__next__方法，得到元素，然后把迭代出来的元素赋值给i，再调用print方法打印元素i，直到for循环捕捉到StopIteration异常，结束循环，程序停止
类似于下面的代码
l1 = ['a', 'b', 'c', 'd']
obj = l1.__iter__()
while True:
try:
i = obj.__next__()
print(i)
except StopIteration:
break
判断一个对象是迭代器对象还是可迭代对象
只要一个对象有__iter__方法，这个对象就是可迭代对象
一个可迭代对象有__next__方法，这个对象就是迭代器对象
判断python中的字符串，列表，元组，字典和文件对象是否是可迭代对象和迭代器对象
示例代码
from collections import Iterable, Iterator
s1 = "hello"
l1 = ['a', 'b', 'c', 'd']
t1 = ('a', 'b', 'c', 'd')
set1 = {'a', 'b', 'c', 'd'}
dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, }
f1 = open("db.txt", "w", encoding="utf-8")
print(isinstance(s1, Iterable))
print(isinstance(l1, Iterable))
print(isinstance(t1, Iterable))
print(isinstance(set1, Iterable))
print(isinstance(dic1, Iterable))
print(isinstance(f1, Iterable))
print("*" * 30)
print(isinstance(s1, Iterator))
print(isinstance(l1, Iterator))
print(isinstance(t1, Iterator))
print(isinstance(set1, Iterator))
print(isinstance(dic1, Iterator))
print(isinstance(f1, Iterator))
执行结果：
True
True
True
True
True
True
******************************
False
False
False
False
False
True
从上面的例子，可以看出，字符串，列表，元组，集合，字典和文件都是可迭代对象，其中只有文件是迭代器对象
在上面，我们知道，使用for遍历对象中的值时，是把in后面的对象的变为可迭代对象，然后调用__next__方法取出对象中的元素
既然文件本身就是迭代器对象，那使用for循环获取文件的内容时，又是怎么做的呢
先打开一个文件，打印出这个文件对象，再调用文件对象的__iter__方法得到迭代器对象，判断两个对象是否是同一个对象
f1 = open("db.txt", encoding="utf-8")
print(f1)
obj = f1.__iter__()
print(obj)
print(obj is f1)
执行结果
<_io.TextIOWrapper name='db.txt' mode='r' encoding='utf-8'>
<_io.TextIOWrapper name='db.txt' mode='r' encoding='utf-8'>
True
得到结论：
如果一个对象可以被for循环迭代，则这个对象一定是可迭代对象
文件对象被执行__iter__方法，得到的结果仍然是一个迭代器对象
