迭代器，生成器

可迭代对象

# 可迭代对象定义：内部含有‘__iter__’方法的数据就是可迭代对象
# 可迭代对象如：list str tuple set dict range() 文件句柄
s1 = '二狗的周末生活'
# print(dir(s1))
print('__iter__' in dir(s1))

1、迭代器

# 内部含有‘__iter__’方法的并且含有‘__next__’方法的就是迭代器
f1 = open('regsiter', encoding='utf-8')
print('__iter__' in dir(f1))
print('__next__' in dir(f1))
f1.close()

# 可迭代对象 ----> 迭代器
# 迭代器：next ---》 一个值

l1 = [1, 2, 3, 'alex']
iter1 = iter(l1) # l1.__iter__()
print(iter1)
print(iter1.__next__())
print(iter1.__next__())
print(iter1.__next__())
print(iter1.__next__())
print(iter1.__next__())
for i in iter1:
    print(i)

最后一个超出了

# 迭代器：
# 1，非常非常节省内存。   这个是最重要
# 2，他满足惰性机制。
# 3， 一条路走到黑。

利用while循环模拟for循环 的机制。
三部曲：

# 1， 将可迭代对象转化成迭代器
# 2， 利用next 进行取值
# 3， 利用异常处理终止循环。

l1 = [1, 2, 3, 'alex']
iter1 = l1.__iter__()  # 1， 将可迭代对象转化成迭代器
while 1:
    try:
        print(iter1.__next__())   # 2， 利用next 进行取值
    except StopIteration:  # 3， 利用异常处理终止循环。
        break

2、生成器

# 生成器：自己用python代码写的迭代器 本质就是迭代器

# 1，函数式写法

# 2，生成器表达式

# 函数式写法 构建生成器
# 只要函数中出现yield,那么 他就不是函数了，他是生成器函数。
def func1():
    # print(111)
    # print(222)
    yield 3
    yield 4
    yield 5
    yield 6
    yield 7
g = func1()  # 生成器对象
print(g)
print(g.__next__()) # print(next(g))
# 一个next 对应一个 yield
print(g.__next__())
print(g.__next__())
print(g.__next__())

# yield return
# return 结束函数 给函数返回值
# yield 不会结束生成器函数，next 对应一个yield进行取值

生成器有什么好处呢？就是不会一下子在内存中生成太多数据

假如我想让工厂给学生做校服，生产200件衣服，我和工厂一说，工厂应该是先答应下来，然后再去生产，我可以一件一件的要，也可以根据学生一批一批的找工厂拿。
而不能是一说要生产20件衣服，工厂就先去做生产20件衣服，等回来做好了，学生都毕业了。。。

# 1、一次性做200件：直接使用for循环
def cloth():
    for i in range(1,201):
        print('老年体恤%s号' % (i))
cloth()


#2、先做5件，在做剩下的195件。：使用yield生成器先做一部分，在做一部分
def cloth1():
    for i in range(1,201):
        yield '老年体恤%s号' % (i)

g = cloth1()

for i in range(5):
    print(g.__next__())

for i in range(195):   #从6开始，一直到200
    print(g.__next__())