【Python进阶】：迭代器与异步编程：掌握两大高级特性，解锁编程新境界-CSDN博客

本文链接：https://blog.csdn.net/guting18893110463/article/details/137115901

一、迭代器：流淌的数据之美

在Python编程的世界中，迭代器（Iterators）无疑是一颗璀璨的明珠。它摒弃了传统的一次性加载所有数据的方式，而是提倡一种“按需获取”的迭代思想。迭代器是一个可以记住遍历状态的对象，每次调用next()方法时返回集合中的下一个项目，直至耗尽。

基本概念：在Python中，任何实现了__iter__()和__next__()方法的对象都是迭代器。__iter__()返回迭代器对象本身，__next__()返回容器的下一个项目或在没有更多项目时抛出StopIteration异常。

class SimpleIterator:
    def __init__(self, items):
        self.items = items
        self.index = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.index >= len(self.items):
            raise StopIteration
        else:
            item = self.items[self.index]
            self.index += 1
            return item

实战应用：Python内置的许多数据结构如列表、元组、字典等都内建了迭代器支持，只需通过for循环或iter()函数即可轻松遍历。此外，生成器表达式和yield关键字更是将迭代器的概念发挥得淋漓尽致，它可以非常高效地生成数据序列，无需一次性占用大量内存。

二、异步编程：并行世界的加速器

基本概念：在Python中，异步编程是一种允许程序在等待某个操作（如网络I/O）完成时，能够执行其他任务的技术。通过异步编程，可以显著提高程序的吞吐量和响应速度，特别是在处理I/O密集型任务时效果尤为明显。

Python的asyncio库为异步编程提供了强有力的支持。通过使用async和await关键字，可以定义异步函数（coroutine）并在事件循环中调度执行。

import asyncio

async def fetch_data(url):
    response = await get_data_from_network(url)  # 假设这是异步网络请求
    process_data(response)

async def main():
    tasks = [fetch_data(url) for url in urls]
    await asyncio.gather(*tasks)

# 运行主循环
asyncio.run(main())

实战应用：异步编程在处理高并发网络请求、实时数据流处理、实时通信等领域大放异彩，例如在web框架（如Sanic、FastAPI）中，通过异步编程可以大幅提高服务器的并发处理能力。