Question

对于一个单组来说，用基本遍历就足够了。但如果你需要遍历某个文件或某个组内所有的对象怎么办？

在HDF5的世界里，此类问题通过Visitor遍历解决。HDF5不再提供给你迭代器，而是你需要提供一个回调函数，HDF5会遍历每个对象并调用它。调用时会传入一个或两个参数。

5.5.1　以名字访问

你的入口点是Group类的visit方法。让我们创建一个简单文件来测试它：

我们可以给visit提供一个任意的回调函数，这个函数需要接受一个参数，就是对象的名字：

访问对象的先后顺序是随机的，只能保证当visit进入子组时，在没有遍历完全部成员前不会跑去下一个子组。比如，top_group_1下所有的成员都被列在一起，top_group_2也是如此。

你不需要访问整个文件，visit可以在子组上工作：

visitor模式和标准的Python遍历有点区别，但是一旦你掌握了它的用法，你会发现它的能力很强大。比如下面这两句简单的语句就能将文件中的所有对象做成一个列表：

提示

 和文件中所有对象的名字一样，提供给visit的名字是一个“文本”字符串（Python 2中是Unicode，Python 3中是str）。写回调函数时请记住这一点。

5.5.2　多个链接和visit

当然，我们知道HDF5文件不仅是一个简单的树。硬链接在组内共享对象时很有用，那它跟visit合作得好不好呢？

让我们在刚刚探索过的子组（top_group_1）内添加一个硬链接，然后再次运行visit看看会发生什么：

不错。/top_group_2组被有效加载到/top_group_1/hardlink上，并且能被visit正确浏览。

现在让我们试点不一样的。我们删除上一个硬链接，并尝试让visit访问sub_dataset_1两次：

发生了什么？这次我们没看到输出sub_dataset_1。

根据设计，不管有多少个链接指向该对象，文件内每个对象只会被访问一次。这消除了无限循环的可能，以防止某些“聪明人”可能会这样做：

代价就是我们之前在讨论硬链接时介绍过的。对于对象来说没有什么“本名”或“真名”。所以如果有多个链接指向你的数据集，visit提供的名字可能不是你期望的那个。

5.5.3　访问对象

根据提供给你的回调函数的名字，你就可以用getitem获取组内对象：

但痛苦的是visit提供的name参数是一个相对路径，你的函数必须知道它正在遍历哪个组才能正确工作。上面的例子仅当它遍历grp时才能正常工作。

谢天谢地HDF5提供了一个更通用的方式解决这个问题。有一个visititems方法会提供一个相对名字和一个受遍历对象的实例：

由于每次遍历都会打开被访问的对象，所以这个函数会产生一些额外开销。你最好仅在你真的需要访问每个对象时才使用visititems，比如，你需要调查其特征的时候。

另一种方式是使用Python内建的工具functools.partial。比如这里有一个简单函数，可以打印组内每个对象的绝对路径：

用这种技术，你就能避免将你需要遍历的组“硬嵌入”你的回调函数。

5.5.4　遍历中止：一个简单的搜索策略

访问对象时有一种简单的方法退出。你可能注意到我们上面的printname函数没有显式的返回值，这对于Python意味着函数返回None。如果你返回任何其他的东西，visit或visititems方法都会立即停止并返回该值。

假设我们需要找到一个具有某个指定特征值的数据集：

我们将用于查找该对象的函数提供给visititems：