预习内容：
匿名函数
匿名函数与内置函数结合的更多用法
函数、生成器相关的面试题
列表推导式和生成器表达式的更多用法
1、迭代和可迭代协议
迭代：将数据集里的数据一个一个取出来
可迭代协议：可以被迭代要满足的要求就叫做可迭代协议，凡是可迭代大的内部都有一个_iter_方法。
所以我们想知道_iter_方法做了什么事情呢？
判断一个变量是不是可迭代的，具体例子如下：
l=[1,2,3,4] print('_iter_' in dir(l)) iter(l) #内置函数 l._iter_() 执行结果为false
2、 迭代器和迭代器协议
迭代器内置方法有_iter_和_next_方法，遵循迭代器协议。
''' dir([1,2].__iter__())是列表迭代器中实现的所有方法，dir([1,2])是列表中实现的所有方法,都是以列表的形式返回给我们的，为了看的更清楚，我们分别把他们转换成集合， 然后取差集。 ''' #print(dir([1,2].__iter__())) #print(dir([1,2])) print(set(dir([1,2].__iter__()))-set(dir([1,2]))) 结果： {'__length_hint__', '__next__', '__setstate__'}
我们看到在列表迭代器中多了三个方法，那么这三个方法都分别做了什么事呢？
iter_l = [1,2,3,4,5,6].__iter__() #获取迭代器中元素的长度 print(iter_l.__length_hint__()) #根据索引值指定从哪里开始迭代 print('*',iter_l.__setstate__(4)) #一个一个的取值 print('**',iter_l.__next__()) print('***',iter_l.__next__())
当然在for循环中就是一个一个调用了_next_方法才取到的值，现在我们写一个不依赖for循环，用_next_方法将将列表中的元素一个一个取出来进行遍历。
l = [1,2,3,4] l_iter = l.__iter__() item = l_iter.__next__() print(item) item = l_iter.__next__() print(item) item = l_iter.__next__() print(item)
当然这是一段会报错的代码，在执行之后会出现异常（StopIteration）我们需要进行异常的捕获，把这个异常处理掉，具体代码如下：
l = [1,2,3,4] l_iter = l.__iter__() while True: try: item = l_iter.__next__() print(item) except StopIteration: break
不管是一个迭代器，还是一个可迭代对象，都可以使用for循环遍历，下面我们来测试一下
print('__next__' in dir(range(12))) #查看'__next__'是不是在range()方法执行之后内部是否有__next__ print('__iter__' in dir(range(12))) #查看'__next__'是不是在range()方法执行之后内部是否有__next__ from collections import Iterator print(isinstance(range(100000000),Iterator)) #验证range执行之后得到的结果不是一个迭代器 #range函数的返回值是一个可迭代对象
补充：
迭代器的特点：（1）可以用for循环（2）可以节省内存（3）只能用一次
3、生成器
定义：
我们知道的迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处是可以节省内存。
如果在某些情况下，我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。
python中提供的生成器：（1）生成器函数（2）生成器表达式
生成器Generator：
本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)
特点：惰性运算,开发者自定义
生成器函数
一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，而是得到一个可迭代的对象。每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数执行结束。
import time def func(): a=1 print('现在定义了a变量') yield a b=2 print('现在定义了b变量') yield b g=func() print(next(g)) time.sleep(1) print(next(g))
实践小应用
import time def tail(filename): f = open(filename) f.seek(0, 2) #从文件末尾算起 while True: line = f.readline() # 读取文件中新的文本行 if not line: time.sleep(0.1) continue yield line tail_g = tail('tmp') for line in tail_g: print(line) 生成器监听文件输入的例子
def average(): total=0 day=0 average=0 while True: ter=yield average total+=ter day+=1 average=total/day g=average() next(g) print(g.send(10)) print(g.send(20)) print(g.send(30))
4、列表推导式和生成器表达式
总结：
1.把列表解析的[]换成()得到的就是生成器表达式
2.列表解析与生成器表达式都是一种便利的编程方式，只不过生成器表达式更节省内存
3.Python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。例如， sum函数是Python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议
本章小结：
可迭代对象：
拥有__iter__方法
特点：惰性运算
例如:range(),str,list,tuple,dict,set
迭代器Iterator：
拥有__iter__方法和__next__方法
例如:iter(range()),iter(str),iter(list),iter(tuple),iter(dict),iter(set),reversed(list_o),map(func,list_o),filter(func,list_o),file_o
生成器Generator：
本质：迭代器，所以拥有__iter__方法和__next__方法
特点：惰性运算,开发者自定义
使用生成器的优点：
1.延迟计算，一次返回一个结果。也就是说，它不会一次生成所有的结果，这对于大数据量处理，将会非常有用。
2.提高代码可读性
练习题：
1.处理文件，用户指定要查找的文件和内容
将文件中包含要查找内容的每一行都输出到屏幕
2.批量处理文件，用户指定要查找的目录和内容
将本层目录下所有文件中包含要查找内容的每一行都输出到屏幕