2.13. 循环控制¶

有两个关键字可以改变循环的运行方式：

break —— 立即退出循环。
continue —— 跳过当前迭代的剩余部分，开始下一次迭代。

二者都作用于它们所在的最内层循环。

2.13.1. break¶

使用 break 在某个条件满足时立刻停止循环。这是经典的“查找并停止”模式：

found = None
for item in items:
    if matches(item):
        found = item
        break

if found is not None:
    print("found:", found)

在 while True: 循环中，break 就是结束循环的方式：

while True:
    line = next_line()
    if line == "quit":
        break
    process(line)

2.13.2. continue¶

使用 continue 跳过循环体的剩余部分，直接进入下一次迭代。这对于在循环内部筛选元素很方便：

for n in numbers:
    if n < 0:
        continue            # skip negatives
    print(n)

同样的效果也可以用一个包裹循环体剩余部分的 if 块来实现。当跳过条件比保留条件更容易事先说清楚时，continue 有时会更清晰。

在循环内部，continue 扮演的角色与函数中提前 return 相同：跳过你不处理的情况，让主要工作保持在外层缩进上、平铺展开。这种先筛选再处理的循环是其典型形态：

for item in items:
    if item is None:
        continue
    if not item.is_valid():
        continue
    process(item)

缩进后的 process(item) 那一行才是真正的工作；上面每一个守卫语句都明确说明了哪些元素会被跳过。

2.13.3. 循环上的 else¶

for 和 while 都接受一个可选的 else 块。它会在循环没有触发 break 而正常结束时运行。最常见的用途是一个查找循环，希望在什么都没找到时有一个兜底处理：

for item in items:
    if matches(item):
        print("found:", item)
        break
else:
    print("no match")

如果触发了 break，else 块就会被跳过。可以把这个结构读作“for X in Y: ...；否则，如果我们从未跳出循环，就执行 Z。”

2.13.4. 常见的循环模式¶

在实际脚本中，有几种模式经常出现：

轮询 —— 在继续往下走之前，等待某个条件变为真。循环体使用 pass，即 Python 的空操作语句；每个缩进块都必须至少包含一条语句，而 pass 正是表示“这里什么都不做”的方式：
```
while not ready():
    pass
proceed()
```

状态机 —— 一个单独的 while True: 循环，根据状态变量来决定要做什么。当工作能够干净地拆分为几个命名阶段时，它很有用：

state = "header"
for line in lines:
    if state == "header":
        if line.startswith("---"):
            state = "body"
    elif state == "body":
        print(line)

累加 —— 在遍历一个序列的同时逐步构建结果：
```
total = 0
for x in samples:
    total += x
mean = total / len(samples)
```
许多累加循环都有使用内置函数的单行等价写法。当某个内置函数适用时，就直接使用它：
- sum() —— 将可迭代对象中的每个元素相加。
- max() / min() —— 最大或最小的元素。
- any() —— 只要至少有一个元素为真值就返回 True。
- all() —— 只有当每个元素都为真值时才返回 True。
- sorted() —— 一个按顺序排列了这些元素的新列表。
- len() —— 元素的数量（前提是该可迭代对象知道自己的长度）。
```
>>> samples = [3, 1, 4, 1, 5, 9, 2, 6]
>>> sum(samples)
31
>>> sum(samples) / len(samples)        # mean
3.875
>>> max(samples)
9
>>> min(samples)
1
>>> sorted(samples)
[1, 1, 2, 3, 4, 5, 6, 9]
>>> any([False, False, True])
True
>>> all([True, True, False])
False
```
内置版本更简短、更清晰，而且通常比手写同样的循环更快。