迭代器和生成器

python学习初期，学习到for循环可以循环取出目标中的值，再对逐一取到的值进行后续操作，虽然知其用法，但是不知其原理

随着学习的深入，会接触到一个新‘术语’，迭代

迭代：迭代是重复反馈过程的活动，其目的通常是为了逼近所需目标或结果。每一次对过程的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值

所谓迭代（个人解读）：一篮子鸡蛋里有一个鹅蛋，鹅蛋在篮子里的任意一个地方，规定一次只能拿一颗蛋，直到拿到鹅蛋为止，迭代的目标就是要拿到鹅蛋，迭代就是拿蛋的过程，每一次拿蛋的动作都是一次迭代，而每次拿到的蛋都独一无二、拿一个少一个

可迭代对象：在容器（你可以理解为篮子）里，可逐一取出

那就引申出一个问题，在python中如何判断目标是否是可迭代对象呢？方法如下：

from collections import iterable
print(isinstance('aaa',iterable))

就是这样了，判断给出的答案只有两个，非True即False，我英语不好，所以不要问为什么，记着就行了T-T

iterable　　可迭代的

instance　　情况　　isinstance　　判断目标是否是某已知数据类型

 

说完什么是迭代，和判断是否是可迭代对象的方法以后，终于可以开始说正主了orz...

 

一、迭代器（iterator）

如果一定要把迭代归类成一种计算或取值方法，那么常规选择都是便利的for循环

但是如果一定要指定一个特定的功能定式出来，那么就记住

如果某数据类型点儿出来的功能里，有‘__iter__’，那么此数据类型可迭代

迭代器，就是具体实施，实现一次一次迭代的工具~~so~~简单粗暴

li = [1,2,3]
li.__iter__()    
#就这样，莫名其妙的，变成了迭代器，what？...so...我也不晓得为什么，可能就像藏族选活佛一样吧，找几个有灵性的小孩备选，选中的那个，经过授权，就成为了活佛...
#那么可迭代对象只要穿上了‘双下iter’的衣服，就摇身一变，功能升级，变成了迭代器...

本质：目前就我所知，迭代器存在的目的是，因为本身是惰性运算，所以可以更好的节省内存，但功能和for没啥区别，还比for麻烦

迭代器的功能有二：‘__iter__’和‘__next__’，所以这也可以用于判断是否是迭代器，就看有没有这俩功能

迭代器有两种：

1,天生的，如：文件句柄

2,后天的，可迭代对象.__iter__()

 

二、生成器

生成器就是我们自己写出来的迭代器...（所以弄出来这么多拗口的概念是不是精神分裂，让我回想起了大学时让人恨的牙痒痒的那些人名，高斯、拉格朗日...）

生成器有两种：

1,生成器函数（顾名思义，写在函数里的，有迭代器功能的）

需要注意的：yield是标志，有它才是生成器（写两个以上yield就可以写成生成器，如果只有一个yield，麻烦还是不要脱裤子放屁了...）

yield的两项功能：⑴当return用，可以返回值⑵有个记账儿的小本儿，运行到哪下次继续

注意：生成器是个好人，内容只取一次，按顺序不回头，取完所有或人为写代码停止才停（简直任劳任怨，还不翻小肠）

示例：

1.
def generator_func():
    print(123)
    yield 'aaa'
    print(456)
    yield 'bbb'

2.
def get_clothing():
    for cloth in range(1,20000):
        yield '第%s件衣服'%cloth
for i in range(50):
    print(get_clothing())    #稀里哗啦打印出50件~~~
for i in get_clothing():
    print(i)
    if i == '第100件衣服':
        break                #打印到100件的时候，人为叫停~~~

监视文件示例（广大女性的福音，是否可以发展成小程序，后台监控男朋友老公的聊天记录...）：

import time        #调用时间
def tail(filename):
    f = open(filename,encoding='utf-8')    #读文件
    f.seek(0,2)    #光标找到文件末端
    while True:    #循环监视~~
        line = f.readline()    #一行一行的读取文件内容
        if not line:    #如果没啥内容
            time.sleep(0.1)    #0.1秒运行一次监视~~
            continue    #没啥内容就算了
        yield line    #返回文件新写入的内容
tail_g = tail('demo')    #调用函数生成器，传入要监视的文件
for line in tail_g:    
    print(line,end='')    #好了，你想看的，都在这儿了...满意了么...

 2.生成器表达式（内含列表推导式）

在此之前，需要说一下什么是列表推导式，以往我们在列表里取值，或想要对列表里的每一项进行一些操作的时候，都使用for循环

li = [1,2,3,4]
for i in li:
    print(i)

#那么是时候使用这种更言简意赅的表达方法了——列表推导式

写成：
print([i for i in li])

注意：列表推导式需要放在列表中，尽量使用此写法简化代码，增强代码的可读性，切忌秀操作...

为什么要先插播列表推导式呢？

因为，所有的列表推导式都可以转化成生成器表达式，只需要把中括号换成小括号就OK，就是辣么简单~~~

一般情况下，建议都把列表推导式转化成生成器表达式，从而可以节省内存。

 

最后，附：

当把执行生成器的next换成send时，会传入生成器内值，此传入的值需要被接收，否则没啥用，若莫名其妙接收但没有传入值，接收的就是None

send和next工作的起止位置完全一样，在生成器开始执行的时候，必须要先next启动一下

若想send接收成功，需要在生成器中还有一个未被返回的yield

生成器预激装饰器：

def wrapper(func):
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)
        next(g)
        return g
    return inner