day13_迭代器，生成器

迭代器：

迭代器遵循迭代器协议：必须拥有__iter__方法和__next__方法。

l = [1,2,3,4]
l_iter = l.__iter__()
while True:
    try:
        item = l_iter.__next__()
        print(item)
    except StopIteration:
        break

迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处是可以节省内存。

生成器：

1.生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行

2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表

import time
def genrator_fun1():
    a = 1
    print('现在定义了a变量')
    yield a
    b = 2
    print('现在又定义了b变量')
    yield b

g1 = genrator_fun1()
print('g1 : ',g1)       #打印g1可以发现g1就是一个生成器
print('-'*20)   #我是华丽的分割线
print(next(g1))
time.sleep(1)   #sleep一秒看清执行过程
print(next(g1))

 校服案例：

def cloes():
    for i in range(1,1000):
        yield "校服第%d件"%i

check = cloes()
#print(list(cheak))
#print(next(check))
#print(check.__next__())
num = 0                  #生成器可以通过两种方法实现：数据类型的强制转换 : 占用内存/next()输出下一结果，/for循环
for i in check:
    print(i)
    num += 1
    if num == 5:
        break

 迭代器和生成器总结

 迭代器：
# 双下方法 ： 很少直接调用的方法。一般情况下，是通过其他语法触发的
# 可迭代的 —— 可迭代协议 含有__iter__的方法('__iter__' in dir(数据))
# 可迭代的一定可以被for循环
# 迭代器协议: 含有__iter__和__next__方法
# 迭代器一定可迭代，可迭代的通过调用iter()方法就能得到一个迭代器
# 迭代器的特点：
# 很方便使用，且只能取所有的数据取一次
# 节省内存空间

# 生成器
# 生成器的本质就是迭代器
生成器函数：
#含有yield关键字的函数就是生成器函数
特点：
#调用函数的之后函数不执行，返回一个生成器
#每次调用next方法的时候会取到一个值
#直到取完最后一个，在执行next会报错

# 从生成器中取值的几个方法
# next
# for
# 数据类型的强制转换 : 占用内存