이 글은 Python의 반복자와 반복자 슬라이스에 대해 자세히 소개합니다. 필요한 친구들이 참고할 수 있기를 바랍니다.
Python 슬라이싱에 관한 처음 두 기사에서 우리는 기본 사용법, 고급 사용법, 슬라이싱에 대한 오해, 사용자 정의 객체가 슬라이싱 사용법을 구현하는 방법을 배웠습니다(관련 내용은 기사 끝 부분 참조). 링크) ). 이번 글은 슬라이싱 시리즈의 세 번째 글이며, 주요 내용은 이터레이터 슬라이싱이다.
Iterator는 Python의 고유한 고급 기능이며, 슬라이싱도 고급 기능입니다. 이 둘을 결합하면 어떤 결과가 나올까요?
우선, 명확히 해야 할 몇 가지 기본 개념이 있습니다: 반복, 반복 가능한 객체 및 반복자.
반복은 컨테이너 유형 객체(예: 문자열, 목록, 사전 등)를 순회하는 방법입니다. 예를 들어 문자열 "abc"를 반복한다고 합니다. 수단은 모든 문자를 왼쪽에서 오른쪽으로 하나씩 꺼내는 과정입니다. (PS: 중국어로 iteration이라는 단어는 반복되는 주기와 레이어별 진행을 의미하지만, Python에서는 이 단어를 迭代 是一种遍历容器类型对象（例如字符串、列表、字典等等）的方式，例如，我们说迭代一个字符串“abc”，指的就是从左往右依次地、逐个地取出它的全部字符的过程。（PS：汉语中迭代一词有循环反复、层层递进的意思，但 Python 中此词要理解成单向水平线性 的，如果你不熟悉它，我建议直接将其理解为遍历。）
那么，怎么写出迭代操作的指令呢？最通用的书写语法就是 for 循环。
# for循环实现迭代过程 for char in "abc": print(char, end=" ") # 输出结果：a b c
for 循环可以实现迭代的过程，但是，并非所有对象都可以用于 for 循环，例如，上例中若将字符串“abc”换成任意整型数字，则会报错： 'int' object is not iterable .
这句报错中的单词“iterable”指的是“可迭代的”，即 int 类型不是可迭代的。而字符串（string）类型是可迭代的，同样地，列表、元组、字典等类型，都是可迭代的。
那怎么判断一个对象是否可迭代呢？为什么它们是可迭代的呢？怎么让一个对象可迭代呢？
要使一个对象可迭代，就要实现可迭代协议，即需要实现__iter__()One-way 수평 선형
# 方法1：dir()查看__iter__
dir(2) # 没有，略
dir("abc") # 有，略
# 方法2：isinstance()判断
import collections
isinstance(2, collections.Iterable) # False
isinstance("abc", collections.Iterable) # True
# 方法3：hasattr()判断
hasattr(2,"__iter__") # False
hasattr("abc","__iter__") # True
# 方法4：用iter()查看是否报错
iter(2) # 报错：'int' object is not iterable
iter("abc") # <str_iterator>
### PS：判断是否可迭代，还可以查看是否实现__getitem__，为方便描述，本文从略。</str_iterator>객체를 반복 가능하게 만들려면 반복 가능 프로토콜을 구현해야 합니다. 즉, __iter__() 매직 메서드를 구현해야 합니다. 이 매직 메소드를 구현하는 객체는 Iterable 객체입니다. 
그럼 객체가 이 메서드를 구현하는지 여부를 어떻게 판단할 수 있을까요? 위의 for 루프 외에도 네 가지 다른 메서드가 있다는 것을 알고 있습니다:
ob1 = "abc"
ob2 = iter("abc")
ob3 = iter("abc")
# ob1它遍历
for i in ob1:
print(i, end = " ") # a b c
for i in ob1:
print(i, end = " ") # a b c
# ob1自遍历
ob1.__next__() # 报错： 'str' object has no attribute '__next__'
# ob2它遍历
for i in ob2:
print(i, end = " ") # a b c
for i in ob2:
print(i, end = " ") # 无输出
# ob2自遍历
ob2.__next__() # 报错：StopIteration
# ob3自遍历
ob3.__next__() # a
ob3.__next__() # b
ob3.__next__() # c
ob3.__next__() # 报错：StopIteration이러한 메서드 중 가장 주목할만한 메서드는 Python의 내장 메서드인 iter() 메서드와 해당 함수입니다.
반복 가능한 객체를 반복자로 변환입니다. 이 문장은 두 가지 의미로 해석될 수 있습니다. (1) 반복 가능한 객체와 반복자는 서로 다른 것입니다. (2) 반복 가능한 객체는 반복자가 될 수 있습니다.
사실 반복자는 반복 가능한 객체여야 하지만 반복 가능한 객체가 반드시 반복자는 아닙니다. 둘 사이의 차이는 얼마나 큽니까?
위 그림의 파란색 원에 표시된 것처럼 일반 반복 가능 객체와 반복자 간의 가장 중요한 차이점은 다음과 같습니다. 소위 "동일하다"는 것은 둘 다 반복 가능하다는 것을 의미합니다(__iter__). 소위 "두 개의 서로 다르다"는 것은 반복 가능한 객체가 반복자로 변환된 후 일부 속성(__getitem__)을 잃게 됨을 의미합니다. 일부 속성(__next__)을 늘립니다.추가된 속성 __next__을 살펴보세요. 이것이 반복자가 반복자인 이유에 대한 핵심입니다. 실제로 우리는 __iter__ 메서드와 __next__ 메서드를 모두 구현하는 객체를 반복자로 정의합니다. .
이 추가 속성을 사용하면 반복 가능한 객체는 외부 for 루프 구문을 사용하지 않고도 자체 반복/순회 프로세스를 구현할 수 있습니다. 나는 이 두 가지 순회 프로세스를 설명하기 위해 두 가지 개념을 고안했습니다. (PS: 이해의 편의를 위해 여기서는 순회라고 부르지만 실제로는 반복이라고 부를 수도 있습니다.) 순회는 외부 문법을 통해 구현된 순회를 의미하고, 자체 순회는 구현된 순회를 의미합니다. 자신만의 방법을 통해서. #🎜🎜##🎜🎜#이 두 가지 개념의 도움으로 반복 가능한 객체는 "그것에 의해 탐색"될 수 있는 객체이고 반복자는 "자체 탐색"될 수도 있는 객체라고 말합니다. 이 기초. #🎜🎜#hi = "欢迎关注公众号：Python猫" it = iter(hi) # 普通切片 hi[-7:] # Python猫 # 反例：迭代器切片 it[-7:] # 报错：'str_iterator' object is not subscriptable
前面提到了“一同两不同”，最后的不同是，普通可迭代对象在转化成迭代器的过程中会丢失一些属性，其中关键的属性是 __getitem__ 。在《Python进阶：自定义对象实现切片功能》中，我曾介绍了这个魔术方法，并用它实现了自定义对象的切片特性。
那么问题来了：为什么迭代器不继承这个属性呢？
首先，迭代器使用的是消耗型的遍历，这意味着它充满不确定性，即其长度与索引键值对是动态衰减的，所以很难 get 到它的 item ，也就不再需要 __getitem__ 属性了。其次，若强行给迭代器加上这个属性，这并不合理，正所谓强扭的瓜不甜......
由此，新的问题来了：既然会丢失这么重要的属性（还包括其它未标识的属性），为什么还要使用迭代器呢？
这个问题的答案在于，迭代器拥有不可替代的强大的有用的功能，使得 Python 要如此设计它。限于篇幅，此处不再展开，后续我会专门填坑此话题。
还没完，死缠烂打的问题来了：能否令迭代器拥有这个属性呢，即令迭代器继续支持切片呢？
hi = "欢迎关注公众号：Python猫" it = iter(hi) # 普通切片 hi[-7:] # Python猫 # 反例：迭代器切片 it[-7:] # 报错：'str_iterator' object is not subscriptable
迭代器因为缺少__getitem__ ，因此不能使用普通的切片语法。想要实现切片，无非两种思路：一是自己造轮子，写实现的逻辑；二是找到封装好的轮子。
Python 的 itertools 模块就是我们要找的轮子，用它提供的方法可轻松实现迭代器切片。
import itertools
# 例1：简易迭代器
s = iter("123456789")
for x in itertools.islice(s, 2, 6):
print(x, end = " ") # 输出：3 4 5 6
for x in itertools.islice(s, 2, 6):
print(x, end = " ") # 输出：9
# 例2：斐波那契数列迭代器
class Fib():
def __init__(self):
self.a, self.b = 1, 1
def __iter__(self):
while True:
yield self.a
self.a, self.b = self.b, self.a + self.b
f = iter(Fib())
for x in itertools.islice(f, 2, 6):
print(x, end = " ") # 输出：2 3 5 8
for x in itertools.islice(f, 2, 6):
print(x, end = " ") # 输出：34 55 89 144itertools 模块的 islice() 方法将迭代器与切片完美结合，终于回答了前面的问题。然而，迭代器切片跟普通切片相比，前者有很多局限性。首先，这个方法不是“纯函数”（纯函数需遵守“相同输入得到相同输出”的原则，之前在《来自Kenneth Reitz大神的建议：避免不必要的面向对象编程》提到过）；其次，它只支持正向切片，且不支持负数索引，这都是由迭代器的损耗性所决定的。
那么，我不禁要问：itertools 模块的切片方法用了什么实现逻辑呢？下方是官网提供的源码：
def islice(iterable, *args):
# islice('ABCDEFG', 2) --> A B
# islice('ABCDEFG', 2, 4) --> C D
# islice('ABCDEFG', 2, None) --> C D E F G
# islice('ABCDEFG', 0, None, 2) --> A C E G
s = slice(*args)
# 索引区间是[0,sys.maxsize]，默认步长是1
start, stop, step = s.start or 0, s.stop or sys.maxsize, s.step or 1
it = iter(range(start, stop, step))
try:
nexti = next(it)
except StopIteration:
# Consume *iterable* up to the *start* position.
for i, element in zip(range(start), iterable):
pass
return
try:
for i, element in enumerate(iterable):
if i == nexti:
yield element
nexti = next(it)
except StopIteration:
# Consume to *stop*.
for i, element in zip(range(i + 1, stop), iterable):
passislice() 方法的索引方向是受限的，但它也提供了一种可能性：即允许你对一个无穷的（在系统支持范围内）迭代器进行切片的能力。这是迭代器切片最具想象力的用途场景。
除此之外，迭代器切片还有一个很实在的应用场景：读取文件对象中给定行数范围的数据。
在《给Python学习者的文件读写指南（含基础与进阶，建议收藏）》里，我介绍了从文件中读取内容的几种方法：readline() 比较鸡肋，不咋用；read() 适合读取内容较少的情况，或者是需要一次性处理全部内容的情况；而 readlines() 用的较多，比较灵活，每次迭代读取内容，既减少内存压力，又方便逐行对数据处理。
虽然 readlines() 有迭代读取的优势，但它是从头到尾逐行读取，若文件有几千行，而我们只想要读取少数特定行（例如第1000-1009行），那它还是效率太低了。考虑到文件对象天然就是迭代器 ，我们可以使用迭代器切片先行截取，然后再处理，如此效率将大大地提升。
# test.txt 文件内容
'''
猫
Python猫
python is a cat.
this is the end.
'''
from itertools import islice
with open('test.txt','r',encoding='utf-8') as f:
print(hasattr(f, "__next__")) # 判断是否迭代器
content = islice(f, 2, 4)
for line in content:
print(line.strip())
### 输出结果：
True
python is a cat.
this is the end.위 내용은 Python의 반복자와 반복자 슬라이싱에 대한 자세한 소개의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
