使用迭代器接收数据并自动中止

假设有一个 Redis 集合，里面有 N 条数据，你不停从里面lpop数据，直到某一条数据的值为'Stop'字符串为止(已知里面必有一条数据为'Stop'字符串，但其位置不知道)。

这个需求看起来很简单，因而你马上就着手写出了代码：

import redis

client = redis.Redis()

def read_data():
    datas = []
    while True:
        data = client.lpop().decode()
        if data == 'Stop':
            break
        datas.append(data)
    return datas
复制代码

如今问题来了，若是 Redis 里面的数据很是多，已经超过了你的内存容量怎么办？数据所有放在datas列表里面再返回显然是不可取的作法。

好在，这些数据读取出来之后，会传给一个parse函数，而且这个函数是一条一条处理数据的，它处理完成之后，就能够把数据丢弃了。

因而你可能会这样改写代码：

import redis

client = redis.Redis()

def read_data():
    while True:
        data = client.lpop().decode()
        if data == 'Stop':
            break
        parse(data)
复制代码

但咱们知道，在编码规范和软件工程里面，建议一个函数，它应该只作一件事情，而如今read_data()函数却作了两件事情：1. 从 Redis 里面读取数据。2.调用parse()函数。

那么咱们有没有办法把他们区分开来呢？如何让read_data能返回数据，可是又不会把内存撑爆呢？

这个时候，咱们就可使用生成器来解决问题：

import redis

client = redis.Redis()

def read_data():
    while True:
        data = client.lpop().decode()
        if data == 'Stop':
            break
        yield data

def parse_data():
    for data in read_data():
        parse(data)
复制代码

在这个代码里面，read_data变成了生成器函数，它返回一个生成器，对生成器进行迭代的时候，每次返回一条数据，这一条数据当即传给parse()函数。整个过程源源不断，生生不息。不须要额外建立一个列表用来存放数据。

那么代码还能不能继续简化呢？此时咱们就可使用iter关键字了。

使用了iter关键字的效果以下图所示：

import redis

client = redis.Redis()

def read_data():
    data = client.lpop().decode()
    return data

def parse_data():
    for data in iter(read_data, 'Stop'):
        parse(data)
复制代码

其中，read_data如今每运行一次只会返回列表最左边的数据。可是当咱们直接使用iter(read_data, 'Stop')的时候，就会获得一个迭代器。对这个迭代器进行迭代，至关于在While True里面不停运行read_data函数，直到某一次迭代的时候，read_data函数返回了Stop，就中止。

固然若是你想炫技的话，还能够进一步简化：

import redis

client = redis.Redis()

def parse_data():
    for data in iter(lambda: client.lpop().decode(), 'Stop'):
        parse(data)
复制代码

固然，我是不推荐这样写的。