feat: python

2026-05-06 11:21:42 +08:00
commit 0abf1ad3c4
62 changed files with 7598 additions and 0 deletions
@@ -0,0 +1,191 @@
+# 手动实现一个自定义迭代器
+
+# 我们可以通过定义一个类并实现__iter__()和__next__()方法来创建一个自定义的迭代器。
+
+
+class MyCustomIterator:
+    def __init__(self, data):
+        self.data = data
+        self.index = 0
+
+    def __iter__(self):
+        return self
+
+    def __next__(self):
+        if self.index < len(self.data):
+            result = self.data[self.index]
+            self.index += 1
+            return result
+        else:
+            raise StopIteration
+
+
+my_inter_instance = MyCustomIterator([1, 2, 3])
+for item in my_inter_instance:
+    print(item)
+
+# 再次尝试遍历同一个迭代器实例，会发现它已经耗尽
+print("\n--- 再次遍历已耗尽的自定义迭代器 ---")
+# 没有任何输出，此时my_inter_instance迭代器已耗尽
+for item in my_inter_instance:
+    print(item)
+
+
+# 迭代器
+class MyCustomIterator:
+    def __init__(self, data):
+        self.data = data
+        self.index = 0
+
+    def __iter__(self):
+        return self
+
+    def __next__(self):
+        if self.index < len(self.data):
+            result = self.data[self.index]
+            self.index += 1
+            return result
+        else:
+            raise StopIteration
+
+
+# 可迭代对象
+# Iterable 可迭代对象：实现了__iter__()方法，每次都都会返回一个新的Iterable 实例
+class MyIterable:
+    def __init__(self, data):
+        self.data = data
+
+    def __iter__(self):
+        return MyCustomIterator(self.data)
+
+
+# 可以遍历多次
+print("\n--- 可以遍历多次 ---")
+my_interbale = MyIterable([1, 2, 3])
+# 第一次遍历
+print("第一次遍历")
+for item in my_interbale:
+    print(item)
+# 第二次遍历
+print("第二次遍历")
+for item in my_interbale:
+    print(item)
+# 验证每次iter()都会创建新的Iterator
+print("验证每次iter()都会创建新的Iterator")
+iterable = MyIterable([1, 2, 3])
+it1 = iter(iterable)
+it2 = iter(iterable)
+print(f"两个Iterator是否是同一个对象{it1 is it2}")  # False
+print(f"it1: {list(it1)}")
+print(f"it2: {list(it2)}")
+
+
+# Generator (生成器)
+# 5.1 概念与特点
+# 生成器是Python中的一种特殊类型的迭代器，它允许你在迭代过程中逐渐生成值，而不是一次性生成所有的值。生成器由函数创建，这些函数使用yield关键字而不是return来返回值。
+
+# 基本特点：
+
+# 惰性求值：只在需要时才生成值，节省内存
+# 状态保持：函数在yield后暂停，保持内部状态
+# 迭代器协议：遵循Python的迭代器协议
+# 内存友好：特别适合处理大数据集
+# 代码简洁：比手动实现迭代器更简洁
+
+# 生成器函数
+
+
+def simple_gen():
+    yield 1
+    yield 2
+    yield 3
+
+
+gen = simple_gen()
+print(next(gen))  # 1
+print(next(gen))  # 2
+print(next(gen))  # 3
+
+try:
+    print(next(gen))
+except StopIteration:
+    print("生成器函数耗尽，没有更多值")
+
+
+def num_generator():
+    yield 1
+    yield 2
+    yield 3
+    yield 4
+    yield 5
+
+
+gen = num_generator()
+# 通过for循环生成器，会自动调用next()进行执行
+for num in gen:
+    print(num)
+
+
+# yield关键字的工作原理
+# yield是Python中用于创建生成器函数的一个关键字。与return语句类似，它也可以从函数返回值，但不同之处在于：
+
+# 当函数执行到yield语句时，它会暂停执行并将yield后的值返回给调用者
+# 函数的状态（包括局部变量和指令指针）会被保存下来
+# 在下次调用时从暂停的地方继续执行，而不是像return那样彻底退出函数
+
+
+# 生成器表达式
+# 除了生成器函数，Python还支持生成器表达式。它们与列表推导式（list comprehensions）语法类似，但使用圆括号()而不是方括号[]，并且返回的是一个生成器对象，而不是一个完整的列表。
+
+# 生成器在处理数据时具有显著的优势：
+# 内存效率高：生成器采用"惰性评估"（lazy evaluation）机制，不会立即将所有元素生成并存储在内存中，而是按需生成
+# 处理大数据流：非常适合处理网络数据流、文件读取等场景，因为数据可以逐块处理
+
+# 基本语法
+print("生成器表达式")
+my_gen = (x**2 for x in range(5))
+print(f"{type(my_gen)}")  # <class 'generator'>
+for item in my_gen:
+    print(item)
+
+
+# 高级特性
+# 双向通信 (send()方法)
+# 生成器不仅可以向调用者返回值，还可以通过send()方法从调用者接收值。这使得生成器能够实现更复杂的协程（coroutine）行为。
+
+
+# 定义一个支持双向通信的生成器函数
+def double_yield():
+    # 第一个yield会暂停并等待外部send()发送值，将接收到的值赋给x
+    # 注意：第一次启动生成器时，next()或send(None)会使这个yield接收None
+    x = yield
+    # 进入无限循环，持续进行双向通信
+    while True:
+        # 暂停并返回x * 2的值，同时等待外部send()发送新的值给x
+        x = yield x * 2
+
+
+gen = double_yield()
+next(gen)  # 启动生成器
+
+print(gen.send(10))
+
+print(gen.send(2))
+
+# 异常处理 (throw()和close()方法)
+# 生成器提供了其他方法来控制其生命周期和行为：
+
+
+def exception_hanlding_generator():
+    try:
+        while True:
+            yield "正在运行中"
+    except GeneratorExit:
+        print("生成器关闭")
+    finally:
+        print("生成器清理完成")
+
+
+gen = exception_hanlding_generator()
+print(next(gen))
+gen.close()