〖Python零基础入门篇(61)〗- Python 中的迭代器

前言：
✌ 作者简介：渴望力量的哈士奇 ✌，大家可以叫我 🐶哈士奇🐶 ，一位致力于 TFS 赋能的博主 ✌
🏆 CSDN博客专家认证、新星计划第三季全栈赛道 top_1 、华为云享专家、阿里云专家博主 🏆
📫 如果文章知识点有错误的地方，请指正！和大家一起学习，一起进步👀
💬 人生格言：优于别人,并不高贵,真正的高贵应该是优于过去的自己。💬
🔥 如果感觉博主的文章还不错的话，还请👍关注、点赞、收藏三连支持👍一下博主哦

---

专栏系列（点击解锁）	学习路线指引	知识定位
🔥Python全栈白皮书🔥	零基础入门篇	以浅显易懂的方式轻松入门，让你彻底爱上Python的魅力。
	语法进阶篇	主要围绕多线程编程、正则表达式学习、含贴近实战的项目练习 。
	自动化办公篇	实现日常办公软件的自动化操作，节省时间、提高办公效率。
	自动化测试实战篇	从实战的角度出发，先人一步，快速转型测试开发工程师。
	数据库开发实战篇	更新中
	爬虫入门与实战	更新中
	数据分析篇	更新中
	前端入门+flask 全栈篇	更新中
	django+vue全栈篇	更新中
	拓展-人工智能入门	更新中
网络安全之路	踩坑篇	记录学习及演练过程中遇到的坑，便于后来居上者
	网安知识扫盲篇	三天打鱼，不深入了解原理，只会让你成为脚本小子。
	vulhub靶场漏洞复现	让漏洞复现变得简单，让安全研究者更加专注于漏洞原理本身。
	shell编程篇	不涉及linux基础，最终案例会偏向于安全加固方向。 [待完结]
	WEB漏洞攻防篇	2021年9月3日停止更新，转战先知社区等安全社区及小密圈
	渗透工具使用集锦	2021年9月3日停止更新，转战先知社区等安全社区及小密圈
点点点工程师	测试神器 – Charles	软件测试数据包抓包分析神器
	测试神器 – Fiddler	一文学会 fiddle ，学不会倒立吃翔，稀得！
	测试神器 – Jmeter	不仅是性能测试神器，更可用于搭建轻量级接口自动化测试框架。
	RobotFrameWork	Python实现的自动化测试利器，该篇章仅介绍UI自动化部分。
	Java实现UI自动化	文档写于2016年，Java实现的UI自动化，仍有借鉴意义。
	MonkeyRunner	该工具目前的应用场景已不多，文档已删，为了排版好看才留着。

什么是迭代器

迭代是 python 中访问集合元素的一种非常强大的一种方式。迭代器是一个可以记住遍历位置的对象，因此不会像列表那样一次性全部生成，而是可以等到用的时候才生成，因此节省了大量的内存资源。迭代器对象从集合中的第一个元素开始访问，直到所有的元素被访问完。迭代器有两个方法：iter()和 next()方法。

这么解释可能不太直观，我们以生活的一个小栗子来解释一下，方便大家能够更深刻的理解。比如说我们去超市买水果，而正巧超市的服务人员正在摆放苹果。服务人员告诉我们需要等苹果都摆放完毕我们才可以拿苹果，这样就很耽误我们的时间。(这个场景中，柜台上其实已经有苹果了，只不过销售不让拿罢了。)

然后我们再去卖橘子的柜台，服务人员也在摆放橘子。但是服务人员告诉我们可以不用等他摆放完毕，我们可以直接拿橘子，这样就会很好的节省我们的时间。如果我们拿橘子的速度超过了服务人员摆放的速度 ，我们只需要等待服务人员摆放之后就可以直接拿橘子，大大的提升了我们买橘子的效率。

而迭代器就类似于我们买橘子的场景，我们平时的程序都是一次性写入到内存中。比如我们的列表中存在成百上千的数据，都是一次性写入到内存里的，通过这样让我们来使用。但是迭代器却是按需加载，有一点内容就会放在内容里面，我们就可以立刻使用内存中的数据进行我们的逻辑处理。这样就不要所有的数据都写入到内存中就可以使用，大大的提升了使用效率。

如何生成迭代器

迭代器函数 – iter() 函数 与 next() 函数

    iter(iterable)从可迭代对象中返回一个迭代器,iterable必须是能提供一个迭代器的对象
    next(iterator) 从迭代器iterator中获取下一了记录,如果无法获取下一条记录,则触发stoptrerator异常
    说明:
        1.迭代器只能往前取值,不会后退
        2.用iter函数可以返回一个可迭代对象的迭代器
    示例:

iter()函数介绍：生成一个迭代器对象

iter()函数用法：iter(iterable)

参数介绍：iterable —> 可迭代的数据类型（比如列表、字典、元组以及集合类型等）

示例：iter([1, 2, 3])

返回值：<list_iterator at 0x4f3bff0>

---

next()函数介绍：返回迭代器中的数据

next()函数用法：next(iterable)

参数介绍：iterable —> 迭代器对象

示例：

iter_obj = iter([1,2,3])
next(iter_obj)

返回值：

# >>> 1,2,3
# >>> StopIteration

综上，我们得出结论：

iter(iterable)从可迭代对象中返回一个迭代器,iterable必须是能提供一个迭代器的对象
next(iterable) 从迭代器iterator中获取下一了记录,如果无法获取下一条记录,则触发stoptrerator异常

演示案例如下：

# coding:utf-8


test_list = [1, 3, 5, 7]
test_iter = iter(test_list)     # 让test_list提供一个能访问自己的迭代器
print(next(test_iter))     # 1  从迭代器中取值,让迭代器去获取l中的一个元素
print(next(test_iter))     # 3
print(next(test_iter))     # 5
print(next(test_iter))     # 7
print(next(test_iter))     # StopIterable 异常

test_list 实际上是一个列表，但是被迭代器迭代之后。并不是一次性将列表放入内存中，而是每次放一个元素进入内存，然后被读取。(这就是我们说的按需加载)

可迭代的对象

类似于list、tuple、str 等类型的数据可以使用for… in… 的循环遍历语法可以从其中依次拿到数据并进行使用，我们把这个过程称为遍历，也称迭代。python中可迭代的对象有list（列表）、tuple（元组）、dirt（字典）、str（字符串）set(集合)等。

示例如下：

test_list = [1,2,3,4,5]
test_dirt = {
    "name":"张三",
    "sex":"男",
    "age":33
    }
    
test_tuple = (1,2,3,4,5)
test_set = {1,2,3,3,4}
 
    
for i in test_list:
    print(i)
 
for i in test_dirt:
    print(i)
 
for i in test_tuple:
    print(i)
 
for i,j in test_set.items():
    print("%s:%s" % (i,j))
    
# >>> 执行结果如下：
# >>> test_list的元素为： 1
# >>> test_list的元素为： 2
# >>> test_list的元素为： 3
# >>> test_list的元素为： 4
# >>> test_list的元素为： 5
# >>> test_dirt的元素为： name
# >>> test_dirt的元素为： sex
# >>> test_dirt的元素为： age
# >>> test_tuple的元素为： 1
# >>> test_tuple的元素为： 2
# >>> test_tuple的元素为： 3
# >>> test_tuple的元素为： 4
# >>> test_tuple的元素为： 5
# >>> test_set的元素为：1
# >>> test_set的元素为：2
# >>> test_set的元素为：3
# >>> test_set的元素为：4

生成迭代器

除了刚刚我们使用的 iter() 函数之外 ，我们还有其他方法生成迭代器：

第一种：for循环生成方法 —> 我们可以在函数中使用 for 循环， 并对每一个 for 循环的成员使用 yield() 函数 [它的意思就是将每一个 for 循环成员放到一个迭代器对象中，不过只有被调用才会被放入。]

示例如下：

def test():
    for i in range(10):
        yield i


result = test()

print('for 循环，第一次 \'i\'的值为：', next(result))
print('for 循环，第二次 \'i\'的值为：', next(result))
print('for 循环，第三次 \'i\'的值为：', next(result))
print('for 循环，第四次 \'i\'的值为：', next(result))

# >>> 执行结果如下：
# >>> for 循环，第一次 'i'的值为： 0
# >>> for 循环，第二次 'i'的值为： 1
# >>> for 循环，第三次 'i'的值为： 2
# >>> for 循环，第四次 'i'的值为： 3

注意:超过10次异常会抛 StopIteration 的异常。

第二种：for 循环一行生成迭代器对象。

示例如下：

result = (i for i in [1, 2, 3])		# 将 for 循环在非函数中 赋值 给一个变量， 这也是生成一个迭代器变量的方法  

print('for 循环，第一次 \'i\'的值为：', next(result))		# 使用 next 调用迭代器
print('for 循环，第二次 \'i\'的值为：', next(result))
print('for 循环，第三次 \'i\'的值为：', next(result))

# >>> for 循环，第一次 'i'的值为： 1
# >>> for 循环，第二次 'i'的值为： 2
# >>> for 循环，第三次 'i'的值为： 3

注意: next(result) 超过4次会抛 StopIteration 的异常。

划重点：

使用 for 循环生成的迭代器，可以不使用 next() 函数 也可以执行，（依然可以通过 for 循环 获取迭代器的数据）不仅如此，当我们调取完迭代器中的数据之后，程序不会抛出异常，相比较与 next() 函数要友好的多。

示例如下：

result = (i for i in [1, 2, 3])

for item in result:
    print(item)
    
# >>> 执行结果如下：
# >>> 1
# >>> 2
# >>> 3

# 循环结束，程序正常退出，不会抛出 StopIteration 的异常

迭代器的用法 – 演示案例

案例一：

def make_iter():
    for i in range(5):
        yield i

iter_obj = make_iter()

for i in iter_obj:
    print(i)
print('----')
for i in iter_obj:
    print(i)
    
# >>> 执行结果如下：
# >>> 0
# >>> 1
# >>> 2
# >>> 3
# >>> 4
# >>> ----

# >>> 从运行结果得出结论，当我们从内存中读取完迭代器所有的值后，内存就会被释放，不再循环输出。

案例二：

iter_obj = (i for i in range(4))

for i in iter_obj:
    print(i)
print('=====')
for i in iter_obj:
    print(i)

# >>> 执行结果如下：
# >>> 0
# >>> 1
# >>> 2
# >>> 3
# >>> =====
# >>> 从运行结果得出结论，当我们从内存中读取完迭代器所有的值后，内存就会被释放，不再循环输出。

迭代器 除了前文我们提到的 按需加载 ，可以提升我们的执行速度以外。

还有另外一个原因，试想一下：如果我们的列表只有10个数据，那么读取的速度会很快。可能对资源（也就是我们的内存）占用的消耗不是很大；如果我们有一个成千上万甚至十万数据的列表，那么这些数据都要一次性的写入内存里，这么多的数据所消耗占用的资源必然会很大，甚至会撑爆我们的内存造成内存溢出，程序就会报错了。

所以如果通过迭代器的方式，我们只需要用到一个数据就将一个数据扔到内存里并且被使用。这样既可以提高我们内存使用的效率，又可以减少我们内存的消耗。这也是我们平时使用迭代器的目的。