Python进阶笔记(五)迭代器和生成器

5.1 迭代协议

迭代协议：
迭代器是访问集合类元素的一种方式，一般是用来遍历数据；

1. for循环也可以遍历数据，能完成for循环是因为背后的迭代器在产生作用；
2. 迭代器和以下标的访问方式不一样，迭代器是不能返回的；

迭代器只能一条一条返回，而且迭代器提供了一种惰性(或者理解为延迟)的访问数据的方式，生成器背后也是迭代器，其可以让我们在访问数据时才会计算或者获取数据；

下标的访问方式的原理是__getitem__;
python中的list，可迭代的类型，背后都是实现了迭代协议的，而迭代协议实际上就是__iter__方法，和之前讲的一样，在for循环遍历时，会优先寻找iter方法，如果没有，才去运行getitem方法。

from collections.abc import Iterable, Iterator

可迭代类型和迭代器
Iterator迭代器；

__iter__用来返回迭代器，__next__用来返回下一个数据；

由此看到，迭代器的核心还是在__next__上，只实现__iter__方法就是可迭代类型，如果要实现迭代器，就要实现__iter__和__next__两个方法。

# 判断list是一个Iterable还是一个Iterator
from collections.abc import Iterable, Iterator
a = [1,2]
print (isinstance(a, Iterable))
print (isinstance(a, Iterator))
# 可以看到list可迭代但并不是一个迭代器，将迭代器转化为迭代类型
iter_rator = iter(a)
print (isinstance(iter_rator, Iterator))

5.2 什么是迭代器和可迭代对象

class Company(object):
    def __init__(self, employee_list):
        self.employee = employee_list
    def __getitem__(self, item):
    	return self.employee[item]
if __name__ == "__main__":
    company = Company(["tom", "bob", "jane"])
    for item in company:
    	print(item)
    # 在调用for循环时,实际上是会调用iter()方法:iter(company),
    # 虽然在Company类中并未实现__iter__的魔法函数，但是这个内置的方法会寻找有没有定义iter函数，如果没有的话，会首先创建默认的迭代器，迭代器会利用__getitem__方法来进行遍历；

魔法函数__iter__方法必须返回Iterator；

from collections.abc import Iterator
class Company(object):
    def __init__(self, employee_list):
        self.employee = employee_list

    def __iter__(self):
        return MyIterator(self.employee)
class Company(object):
    def __init__(self, employee_list):
        self.employee = employee_list

    def __iter__(self):
        return MyIterator(self.employee)
#自定义一个迭代器
class MyIterator(Iterator):
    def __init__(self, employee_list):
        self.iter_list = employee_list
        self.index = 0

    def __next__(self):
        #真正返回迭代值的逻辑
        #迭代器不支持切片,不会产生一个索引值,因此需要在init下定义index
        try:
            word = self.iter_list[self.index]
        except IndexError:
            raise StopIteration
        self.index += 1
        return word
if __name__ == "__main__":
    company = Company(["tom", "bob", "jane"])
    my_itor = iter(company)
    while True:
        try:
            print(next(my_itor))
        except StopIteration:
            pass

实际上，我们也可以在可迭代对象中直接实现__next__方法，但在编程规范中，当我们要去遍历一个数据结构时，我们一定要新建另外一种迭代器，然后将可迭代类型返回给迭代器，再用迭代器去维护index内部的一些变量。而不要在可迭代类型中直接去实现__next__方法，这样就可以将业务功能分开–迭代器的专门迭代器去维护，迭代类型的处理好自己功能。

5.3 生成器函数的使用

生成器函数是指函数里只要有yield关键字；

1. 只要有yield就不是普通的函数；
2. 不是普通的函数的意思是，生成器函数实际上是返回生成器对象；

py编译字节码的时候产生对象，python在运行之前，会将代码变为字节码，编译的时候就发现函数是个yield，所以其就会生成一个对象。然后这个对象，怎么才能访问到其中的值呢？
生成器对象实际上是实现了迭代器协议，再通过next找到第二个yield，故可以使用for循环来遍历其中的值。
正是因为yield是返回一个生成器的对象，为我们通过yield生成器，去实现协程，以及延迟求值提供了可能；

# 斐波拉起函数：
def fib(index):
	if index <= 2:
		return 1
	else:
		return fib(index-1) + fib(index-2) 
# 希望能返回一个列表
def fib2(index):
    re_list = []
    n,a,b = 0,0,1
    while n

但是这样做会造成一个问题，如果index很大，list就会非常的消耗内存，如果使用yield，则不会消耗，因为它只有在进来的时候才会产生值。

#生成器产生的斐波拉契
def gen_fib(index):
    n,a,b = 0,0,1
    while n

生成器函数会将每个数据都yield出来，它会知道什么时候把值yield出来。

5.4 py如何实现生成器

1. python中函数的工作原理

def foo():
    bar()
def bar():
	pass

python的解释器，即python.exe，运行脚本时即通过解释器运行。这个脚本其实上是用c语言来写的，解释器会用一个叫做PyEvalFrameEx(c函数)去执行foo函数，首先会创建一个栈帧(stackframe)，然后在栈帧的上下文中去运行字节码，这个字节码全局是唯一的；当foo调用子函数bar，其又会创建一个栈帧，然后将函数的控制权交给栈帧对象，这个栈帧会把bar的字节码运行。
栈帧不是关键，关键是所有的栈帧都是分配在堆内存上，堆内存即你不释放它，它就一直会在内存中；这就决定了栈帧可以独立于调用者存在，即此时调用bar的foo函数，即使退出也没关系，指针依然指着bar函数。

python中一切皆对象，栈帧对象，字节码对象；

import dis
print(dis.dis(foo))
-----------------------------
 8           0 LOAD_GLOBAL              0 (bar)
              2 CALL_FUNCTION            0
              4 POP_TOP
              6 LOAD_CONST               0 (None)
              8 RETURN_VALUE
None

import inspect
frame = None
def foo():
    bar()
def bar():
    global frame
    frame = inspect.currentframe()
foo()
# 栈帧
print(frame.f_code.co_name)
# 拿到调用它的一个栈帧
caller_frame = frame.f_back
print(caller_frame.f_code.co_name)
-------------------------------------------------
bar
foo

和静态语言的不同是，静态语言调用函数是一个栈的形式，函数调用完成整个栈会全部销毁，而py是放在堆上的。所以函数的调用是一个递归的现象的，在调用foo函数时，会创建一个栈帧，在调用子程序时，又会创建一个栈帧。

左边是cpython,即python解释器，其首先创建了一个Frameobject，这个战争对象中有f_back和f_code，f_code指向的是foo的字节码，在foo中调用了bar，同上一样，bar里也会创建f_back和f_code，这里的f_back指向其调用者。
生成器对象正是利用了python函数调用的过程，利用了其栈帧对象是分配在堆内存上的特性。所以生成器才有实现的可能。

# 生成器函数是可以像函数一样return一个值的
def gen_func():
    yield 1
    name = "bobby"
    yield 2
    age = 30
    return "imooc"

python在生成器函数定义时，会找到一个yield关键词，将其标记为生成器对象。

生成器对象在FrameObject和CodeObject上又加了一层，叫GenObject；
当每一次都生成器做调用时，其会运行到yield就停止，停止了后，FrameObject就会记录最近执行代码的最后一个位置，以及一个locals变量。
生成器对象也是分配在堆内存当中，所以其可以独立于调用者存在。只要我们拿到生成器对象，我们就可以控制它继续往前走。我们可以在任何地方拿到生成器对象，都可以去恢复，暂停它。而这，构成了协程的理论基础。

def gen_func():
    yield 1
    name = "bobby"
    yield 2
    age = 30
    return "imooc"

import dis
gen = gen_func()
print (dis.dis(gen))

print(gen.gi_frame.f_lasti)
print(gen.gi_frame.f_locals)
next(gen)
print(gen.gi_frame.f_lasti)
print(gen.gi_frame.f_locals)
next(gen)
print(gen.gi_frame.f_lasti)
print(gen.gi_frame.f_locals)

5.5 生成器应用

1. UserList中的应用
   UserList在以python的方式来解释list是如何做到的(因为list本身是用c语言写的)，Userlist可以让我们来继承list。
   我们看下其实现的__iter__方法：
   
   i记录了数组里的位置，由next方法每次调用来循环。

2. 生成器表达式读取大文件

有一个文件，大概500个g，我们需要将这个文件一行一行的读取出来，然后把它写入到我们数据库当中。
开始的思路我们可以使用open来打开，接着再for line in f来一行一行读取，但是如果文件只有一行，而通过分隔符来进行分行时，再用list的方法显然有些麻烦，而且内存中放不下这么大的数据。

我们知道了read函数，默认的read()方法是可以一次性的将文件读取，但是如果我们的参数是2，那么我们就会每次读取两个字符，那么有一个想法就是，每次都读取一些字符，因为下一次再读取时，是第一次读取完的偏移量，直至将文件读完。

def myreadlines(f, newline):
  # 定义缓存
  buf = ""
  while True:
    # 查看缓存中的数据是否包含了分隔符
    while newline in buf:
      pos = buf.index(newline)
      yield buf[:pos]
      # 为了避免把两行数据读到了一个buf里
      buf = buf[pos + len(newline):]
    chunk = f.read(4096)
    # 对文件的边缘条件做判断
    if not chunk:
      #说明已经读到了文件结尾
      yield buf
      break
    buf += chunk

with open("input.txt") as f:
    for line in myreadlines(f, "{|}"):
        print (line)