迭代器与生成器
一、迭代器 Iterator
1、可迭代对象：str、list、tuple、set、dict、文件句柄，range
__iter__() 这个方法导致了数据类型的可迭代
检测一个对象是否可迭代：
from collections import Iterable
print(isinstance('aaa',Iterable))
print(isinstance(123,Iterable))
输出 True False
2、可迭代协议：只要包含了__iter__()方法的数据类型就是可迭代的
这是数据类型和python解释器定下来的协议
dir(对象)，可以查看此类型的对象所有的方法
print(dir((1,3)) 输出：列表 ['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'count', 'index']
3、迭代器 iterator
就是实现了能从其中一个一个的取出值来
迭代器 不关心值的索引状态 （所以for循环才能循环字典，集合等）
for循环，在遍历之前，先调用对象的__iter__方法，将其转换成1个迭代器，然后用迭代器协议去实现循环访问
lst_iterator = [1,2,3].__iter__() #lst_iterator 就是一个迭代器（通过可迭代对象，用__iter__()方法，获得） print(lst_iterator) 输出 <list_iterator object at 0x00000203948C8710>
#天生就是迭代器的：比如文件句柄
#后天生成迭代器的：比如 可迭代对象.__iter__()
列表的迭代器跟 列表比起来，有哪些新的方法：
print(set(dir(lst_iterator))-set(dir([1,2,3])))
输出：
{'__next__', #一个一个取值
'__length_hint__', #获取迭代器中元素的长度
'__setstate__'} #根据索引值指定从哪里开始迭代
4、迭代器协议：
迭代器中拥有__next__ 和 __iter__ 方法
检测是否是迭代器：
from collections import Iterator lst_iterator = [1,2,3].__iter__() print(isinstance(lst_iterator,Iterator)) print(isinstance([1,2,3],Iterator)) 输出True False
在python中，学过的所有可以被for循环的 基本数据类型 都是可迭代的，而不是迭代器
文件句柄是 迭代器
range是可迭代对象，但不是迭代器，包含__iter__，没有__next__
for 可以是一个可迭代对象，也可以是一个迭代器
迭代器和可迭代对象之间的关系：
#迭代器包含可迭代对象，
#迭代器 = 可迭代对象.__iter__()
5、迭代器存在的本质是什么：
#1、能够对python中的基本数据类型进行统一的遍历，不需要关心每一个值分别是什么
#2、可以节省内存 ——惰性运算
用__next__实现一个for循环
lst_iterator = [1,2,3].__iter__() while True: try: print(lst_iterator.__next__()) except StopIteration: ##接收到异常错误，就怎么怎么样 break 输出：1 2 3
二、生成器 Generator
1、生成器
是自己写出来的，就是迭代器
# 生成器函数
yield / yield from
yield语句，一次返回一个结果，在每个结果中间，挂起函数状态，以便下次从它离开的地方继续执行。
def generator_func(): ###生成器函数 print(123) yield 'aaa' print(465) yield 'bbb' g = generator_func() ###生成一个迭代器g print(g) 输出：<generator object generator_func at 0x00000226D0EC0EB8> print(g.__next__()) 输出：123 aaa print(g.__next__()) 输出：456 bbb
#带yield关键字的函数，就是生成器函数
#生成器函数，在调用的时候，只返回一个生成器，不执行生成器函数中的内容
2、从生成器中取值：
#1、__next__ 有几个yield 就可以取几次
#2、for 循环取值，正常取 for i in g:
#3、其他数据类型强制转换， list (g) 返回1个列表，里面包含生成器的所有内容
#注意：调用生成器函数时，要先获取生成器，再进行next取值
生成器中的内容，只能取一个，且按顺序取值，没有回头路，取完为止
3、举例
①
def generator_func(): yield 123 yield 456
②
def get_clothing(): for cloth in range(1,500): yield "第%s件衣服" % cloth g = get_clothing() for i in range(50): #一下取出50件衣服（通过设定执行多少次yield来进行） print(g.__next__()) for i in g: #取出前多少件衣服 （通过判断yield出来的值，来判断是否继续进行） print(i) if i =="第100件衣服": break
③
def func1() for i in [1,2,3,]: yield i for j in 'ABC': yield j def func2() yield from [1,2,3] ##只有python3里有 yield from yield from 'ABC'
4、对文件输入的监控
import time
def tail():
with open('tmp') as f:
f.seek(0,2) #光标移动到最后
while True:
line = f.readline()
if not line:
time.sleep(0.5)
continue
yield line
g = tail()
for i in g:
print(i,end="")
5、生成器预激装饰器
def func(func): def inner(*args,**kwargs): g = func(*args,**kwargs) g.__next___() return g return inner
