# 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()