python 窗体源码 python做窗体

Python中有一类工具叫做迭代工具，他们能从左至右扫描对象。这包括了for循环、列表解析、in成员关系测试以及map内置函数等。

而可迭代对象，顾名思义就是可以用在上述迭代工具环境中，通过一次次迭代不断产生结果的对象。

可迭代对象分为两大类，一种是实际保存的序列，即列表、元组，字符串；另一种就是我们上一节总提到的“不一次性产生所有结果列表，而是可以在for循环中按需一次产生一个结果的对象”。如：range函数返回值、zip函数返回值、enumerate函数返回值等等，与实际序列相对应，这个叫做按需产生对象的虚拟序列。

我们注意到，这一小节的标题中还有一个词叫做迭代器，他俩放在一起容易把人弄迷糊，他们之间的关系，相信你看完下面一段介绍就会很清楚了：

可迭代对象支持内置函数iter，通过对可迭代对象调用iter函数，会返回一个迭代器，而“迭代器”支持内置函数next，通过不断对其调用next方法，会依次前进到序列中的下一个元素并将其返回，最后到达一系列结果的末尾时，会引发StopIteration异常。补充说明一点，对迭代器调用iter方法，则会返回迭代器自身。

L = [2,3,4]
I = iter(L)
print(iter(L))
print(I is L)
print(I is iter(I))
False
True
从这个例子中我们看到，通过iter函数将迭代对象转化成迭代器，而对迭代器调用iter函数，依然返回迭代器。
我们来完整的看看迭代过程是怎么实现的：当任何可迭代对象传入到for循环或其他迭代工具中进行遍历时，迭代工具都是先通过iter函数获得与可迭代对象对应的迭代器，然后再对迭代器调用next函数，不断的依次获取元素，并在捕捉到StopIteration异常时确定完成迭代，这就是完整的迭代过程。这也称之为“迭代协议”。
还是举例子说明，我们来模拟for循环如何处理内置可迭代对象-----内置类型列表L：
L = [2,3,4]
I = iter(L)
print(next(I))
print(next(I))
print(next(I))
print(next(I))
2
3
4
Traceback (most recent call last):
File "E:/12homework/12homework.py", line 6, in 
print(next(I))
StopIteration
在这个手动模拟迭代的过程中，先把可迭代对象转换成迭代器，然后用next方法进行手动迭代，迭代到最后出现StopIteration异常退出。
与手动迭代的示例过程相对应，下面是用for循环进行自动迭代的过程，这个大家都很熟悉。
L = [2,3,4]
for x in L:
print(x)
2
3
4
再举几个典型的例子
文件对象
open函数返回的已打开的文件对象，也是可以一行一行的读取，直至文件结束，那很显然，他也是可迭代对象。
f = open('myfile.txt')
print(f is iter(f))
True
从这个例子中我们可以看出，文件对象的迭代器就是他自己。即文件对象既是迭代器，又是可迭代对象。我们还是用上面的手动模拟迭代的方式来一探究竟
f = open('myfile.txt')
print(next(f))
print(next(f))
print(next(f))
print(next(f))
hello text file
goodbyt text file
hahahahah
Traceback (most recent call last):
File "E:/12homework/12homework.py", line 5, in 
print(next(f))
StopIteration
对应的，直接用for循环来进行自动迭代
f = open('myfile.txt')
for line in f:
print(line, end='')
hello text file
goodbyt text file
Hahahahah
之前我们提到过，这是读取文件的最佳方式，首先是简单、运行速度快，并且从内存使用情况而言也是最好的。让我们对比一下较为原始的readlines方法，
f = open('myfile.txt')
for line in f.readlines():
print(line, end='')
hello text file
goodbyt text file
Hahahahah
对比来看，虽然readlines方法在功能上可用，但从内存上来看，非常糟糕，他是一次性把整个文件加载到内存，如果文件太大，以至于计算机内存不够，甚至不能够工作。而我们的迭代器版本则不然，迭代器是按需，一次只读取一行，因此对内存爆炸问题有了很好的免疫。
字典类型
文件和列表对象都是实际的序列，他所迭代的就是他的实际内容，那字典呢？字典也是一种可迭代对象，但是他的迭代器却比较特殊。我们看看手动模拟迭代过程的例子：
D = {'a':1, 'b':2, 'c':3}
I = iter(D)
print(next(I))
print(next(I))
print(next(I))
print(next(I))
a
b
c
Traceback (most recent call last):
File "E:/12homework/12homework.py", line 6, in 
print(next(I))
StopIteration
同样，在for循环中自动迭代的例子如下:
D = {'a':1, 'b':2, 'c':3}
for k in D:
print(k)
c
a
b
因此不难看出，字典也是一个可迭代对象，字典有一个迭代器，在迭代环境中，会每次自动地返回一个键。
而需要补充的是，字典拥有不同视图的可迭代对象，这里就不详细一一展开了，看看几个例子，分别是各自不同视图下的可迭代对象和迭代器，他们也是一次产生一个结果项，而不是在内存中一次产生全部结果列表。
D = {'a':1,'b':2,'c':3}
print(D.keys())
print(iter(D.keys()))
print(D.values())
print(iter(D.values()))
print(D.items())
print(iter(D.items()))
dict_keys(['b', 'a', 'c'])
dict_values([2, 1, 3])
dict_items([('b', 2), ('a', 1), ('c', 3)])
再举两个我们上一节提到的例子：range函数和enumerate函数
range函数的返回值是一个可迭代对象，同理利用iter方法也可以得到他的迭代器
R = range(5)
I = iter(R)
print(R)
print(I)
range(0, 5)
enumerate方法返回的也是可迭代对象，他的迭代器就是他自身
E = enumerate('spam')
print(E)
print(iter(E))
可迭代对象按照需求，一次只返回一个结果，而不是一口气一次性的返回一个对象列表，因此我们必须把可迭代对象包裹在一个list调用中，从而才能一次性看到它们所有的值。
print(list(enumerate('spam')))
[(0, 's'), (1, 'p'), (2, 'a'), (3, 'm')]