day13 python学习 迭代器，生成器

1.可迭代:
当我们打印

print(dir([1,2]))   在出现的结果中可以看到包含

'__iter__',  这个方法，#次协议叫做可迭代协议

包含'__iter__'方法的函数就是可迭代函数

字符串、列表、元组、字典、集合都可以被for循环，说明他们都是可迭代的。


2.迭代器  iterator

l = [1,2,3,4]
l_iter = l.__iter__()  #迭代器的生成
item = l_iter.__next__()    #迭代器的使用，用此方法一一钓鱼迭代器中的数值
print(item)
item = l_iter.__next__()
print(item)
item = l_iter.__next__()
print(item)
item = l_iter.__next__()
print(item)
item = l_iter.__next__()
print(item)
#迭代器取值的三种方法
1.item.__next()   传统方法

2  在for循环中取值
for i in range(10):
　　print(item.__next__())  #取出里边的10个值

for i in item.__next__()  #将里边所用的值在循环中取出
　　print(i)


3. print（list(item)) 用  list 方法强转成列表在迭代器中取出值     

这是一段会报错的代码，如果我们一直取next取到迭代器里已经没有元素了，就会抛出一个异常StopIteration，告诉我们，列表中已经没有有效的元素了。

这个时候，我们就要使用异常处理机制来把这个异常处理掉。

l = [1,2,3,4]
li=l.__iter__()
while True:
        try:
            item=li.__next__()
            print(item)
        except StopIteration:#这里要输入的是报错的内容  ，出现这个错误时执行以下内容
            print('超出索引')
            break

3.判断是否是迭代器

print('__next__' in dir(range(12)))  #查看'__next__'是不是在range()方法执行之后内部是否有__next__   当他为真时证明是可迭代的，
print('__iter__' in dir(range(12)))  #查看'__next__'是不是在range()方法执行之后内部是否有__next__   当两个结果都为True时，就是迭代器

from collections import Iterator
print(isinstance(range(100000000),Iterator))  #验证range执行之后得到的结果不是一个迭代器

4.生成器

如果在某些情况下，我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。

Python中提供的生成器：

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，以便下次从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

 

生成器Generator：

　　本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)

　　特点：惰性运算,开发者自定义

生成器函数

一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，而是得到一个可迭代的对象。每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数执行结束。

 

def func():   #这就是一个简单的生成器函数
    for i in range(1000):
        yield ('生产了%s件衣服'%i)            注意这里使用的是yield  返回数据  而不是return  
j=func()
print(j.__iter__())
print(j.__iter__())
print(j.__iter__())

import time
def func():
    with open('file3','r',encoding="utf8") as f3:
        f3.seek(0, 2)#这个位置一定要放在外边因为只有第一次是将光标放在最后，后续就不再操作了，否则
        while True:
            a=f3.read()  #如果放在它上边 while循环中，就会读不到新加的内容
            if not a:    #这里跟最后一个yield   要注意位置和条件
                time.sleep(0.1)
                continue
            yield a
g=func()
for i in g:
    print(i)

def everage():
    sum=0
    count=0
    average=None
    while True:  #这里一定要写，因为send这种传入后要往下走到下一个yield,所以需要循环
        a=yield average
        sum+=a
        count+=1
        average=sum/count
g=everage()
print(g.__next__())#  要先执行这一步，因为用send不能给刚启动的生成器传参数
print(g.send(12))