多任务-协程
目录
迭代器
生成器
协程-yield
协程-greenlet
协程-gevent
进程、线程、协程区别
一、迭代器
迭代是访问集合元素的一种方式。迭代器是一个可以记住遍历位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
1.可迭代对象
我们已经知道可以对list、tuple、str等类型的数据使用for...in...的循环语法从其中依次拿到数据进行使用，我们把这样的过程称为遍历，也叫迭代
但是，是否所有的数据类型都可以放到for...in...的语句中，然后让for...in...每次从中取出一条数据供我们使用，既供我们迭代吗？
>>> for i in 100:
... print(i)
...
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not iterable
>>>
# int整型不是iterable，即int整型不是可以迭代的
# 我们自定义一个容器MyList用来存放数据，可以通过add方法向其中添加数据
>>> class MyList(object):
... def __init__(self):
... self.container = []
... def add(self, item):
... self.container.append(item)
...
>>> mylist = MyList()
>>> mylist.add(1)
>>> mylist.add(2)
>>> mylist.add(3)
>>> for num in mylist:
... print(num)
...
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'MyList' object is not iterable
>>>
# MyList容器的对象也是不能迭代的我们自定义了一个容器类型MyList，在将一个存放了多个数据的MyList对象放到for...in...的语句中，发现for...in...并不能从中依次取出一条数据返回给我们，也就是说我们随便封装了一个
可以存放多条数据的类型却并不能被迭代使用
我们把可以通过for...in...这类语句迭代读取一条数据供我们使用的对象称之为可迭代对象
2.如何判断一个对象是否可以迭代
可以使用isinstance（）判断一个对象是否是Iterable对象
In [50]: from collections import Iterable
In [51]: isinstance([], Iterable)
Out[51]: True
In [52]: isinstance({}, Iterable)
Out[52]: True
In [53]: isinstance('abc', Iterable)
Out[53]: True
In [54]: isinstance(mylist, Iterable)
Out[54]: False
In [55]: isinstance(100, Iterable)
Out[55]: False
3.可迭代对象的本质
我们分析对可迭代对象进行迭代使用的过程，发现每次迭代一次（既在for...in...中每循环一次）都会返回对象中的下一条数据，一直向后读取数据直到迭代了所有数据后结束。
那么，在这个过程中就应该有一个‘人’去记录每次访问到了第几条数据，以便每次迭代都可以返回下一条数据。我们把这个能帮助我们进行数据迭代的‘人’称为迭代器（Iterator）
可迭代对象的本质就是可以向我们提供一个这样的中间‘人’既迭代器帮助我们对其进行迭代遍历使用
可迭代对象__iter__方法向我们提供一个迭代器，我们在迭代一个可迭代对象的时候，实际上就是先获取该对象提供的一个迭代器，然后通过这个迭代器来一次获取对象中的每一个数据
那么也就是说，一个具备了__iter__方法的对象，就是一个可迭代对象
>>> class MyList(object):
... def __init__(self):
... self.container = []
... def add(self, item):
... self.container.append(item)
... def __iter__(self):
... """返回一个迭代器"""
... # 我们暂时忽略如何构造一个迭代器对象
... pass
...
>>> mylist = MyList()
>>> from collections import Iterable
>>> isinstance(mylist, Iterable)
True
>>>
# 这回测试发现添加了__iter__方法的mylist对象已经是一个可迭代对象了4.iter（）函数与next（）函数
list、tuple等都是可迭代对象，我们可以通过iter（）函数获取这些可迭代对象的迭代器。然后我们可以对获取到的迭代器不断使用next（）函数来获取下一条数据。
iter（）函数实际上就是调用了可迭代对象的__iter__方法
>>> li = [11, 22, 33, 44, 55]
>>> li_iter = iter(li)
>>> next(li_iter)
11
>>> next(li_iter)
22
>>> next(li_iter)
33
>>> next(li_iter)
44
>>> next(li_iter)
55
>>> next(li_iter)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
>>>注意，当我们已经迭代完最后一个数据之后，再次调用next（）函数会抛出StopIteration的异常，来告诉我们所有数据都迭代完成，不用再执行next（）函数了
5、如何判断一个对象是否是迭代器
可以使用isinstance（）判断一个对象是否是Iterator
In [56]: from collections import Iterator
In [57]: isinstance([], Iterator)
Out[57]: False
In [58]: isinstance(iter([]), Iterator)
Out[58]: True
In [59]: isinstance(iter("abc"), Iterator)
Out[59]: True6.迭代器Iterator
通过上面的分析，我们已经知道，迭代器是用来帮助我们记录每次迭代访问到的位置，我们对迭代器使用next（）函数的时候，迭代器会向我们返回它所记录位置的下一个位置的数据。
实际上，在使用next（）函数的时候，调用的就是迭代器对象的__next__方法（Python3中是对象的__next__方法，Python2中是对象的next（）方法）。所以，我们要想构造一个迭代器，就是
实现它的__next__方法。但这还不够，python要求迭代器本身也是可迭代的，所以我们还要为迭代器实现__iter__方法，而__iter__方法要返回一个迭代其，迭代器自身正是一个迭代器，所以迭代
器的__iter__方法返回自身即可
一个实现了__iter__方法和__next__方法的对象，就是迭代器
class MyList(object):
"""自定义的一个可迭代对象"""
def __init__(self):
self.items = []
def add(self, val):
self.items.append(val)
def __iter__(self):
myiterator = MyIterator(self)
return myiterator
class MyIterator(object):
"""自定义的供上面可迭代对象使用的一个迭代器"""
def __init__(self, mylist):
self.mylist = mylist
# current用来记录当前访问到的位置
self.current = 0
def __next__(self):
if self.current < len(self.mylist.items):
item = self.mylist.items[self.current]
self.current += 1
return item
else:
raise StopIteration
def __iter__(self):
return self
if __name__ == '__main__':
mylist = MyList()
mylist.add(1)
mylist.add(2)
mylist.add(3)
mylist.add(4)
mylist.add(5)
for num in mylist:
print(num)8.迭代器的应用场景
我们发现迭代器最核心的功能就是可以通过next（）函数的调用返回下一个数据值。如果每次返回的数据值不是在一个已有的数据集合中读取的，而是
通过程序按照一定的规律计算生成的，那么也就意味着可以不用在依赖一个已有的数据集合，也就是说不用再将所有要迭代的数据都一次性缓存下来供后续依次
读取，这样可以节省大量的存储（内存）空间
几个例子，比如，数据中有个著名的斐波拉契数列（Fibonacci），数列中第一个数为0，第二个数为1，其后的每一个数都可由前两个数相加得到
0，1，1，2，3，5，8，13，21，34
现在我们想要通过for...in...循环来遍历迭代斐波拉契数列中的前n个数。那么这个斐波拉契数列我们就可以用迭代器来实现，每次迭代都通过属性计算来
生成下一个数
class FibIterator(object):
"""斐波那契数列迭代器"""
def __init__(self, n):
"""
:param n: int, 指明生成数列的前n个数
"""
self.n = n
# current用来保存当前生成到数列中的第几个数了
self.current = 0
# num1用来保存前前一个数，初始值为数列中的第一个数0
self.num1 = 0
# num2用来保存前一个数，初始值为数列中的第二个数1
self.num2 = 1
def __next__(self):
"""被next()函数调用来获取下一个数"""
if self.current < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num1+self.num2
self.current += 1
return num
else:
raise StopIteration
def __iter__(self):
"""迭代器的__iter__返回自身即可"""
return self
if __name__ == '__main__':
fib = FibIterator(10)
for num in fib:
print(num, end=" ")
9.并不是只有for循环能接收可迭代对象
除了for循环能接收可迭代对象，list、tuple等也能接收
li = list(FibIterator(15))
print(li)
tp = tuple(FibIterator(6))
print(tp)
二、生成器
1.生成器
利用迭代器，我们可以在每次迭代获取数据（通过next（）方法）时按照特定都规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态
生成下一个数据。为了达到记录当前状态，并配合next（）函数进行迭代使用，我们可以采用更简便的语法，既生成器（generator）。生成器是一类特殊的迭代器
2.创建生成器方法1
要创建一个生成器，有很多种方法。第一种方法很简单，只要把一个列表生成器的【】改成（）
In [15]: L = [ x*2 for x in range(5)]
In [16]: L
Out[16]: [0, 2, 4, 6, 8]
In [17]: G = ( x*2 for x in range(5))
In [18]: G
Out[18]: <generator object <genexpr> at 0x7f626c132db0>
In [19]:创建L和G的区别仅在于最外层的【】和（），L是一个列表，而G是一个生成器。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用
，既可以通过next（）函数、for循环、list等方法使用
In [19]: next(G)
Out[19]: 0
In [20]: next(G)
Out[20]: 2
In [21]: next(G)
Out[21]: 4
In [22]: next(G)
Out[22]: 6
In [23]: next(G)
Out[23]: 8
In [24]: next(G)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-24-380e167d6934> in <module>()
----> 1 next(G)
StopIteration:
In [25]: In [26]: G = ( x*2 for x in range(5))
In [27]: for x in G:
....: print(x)
....:
0
2
4
6
8
In [28]:3.创建生成器方法2
generator非常强大，如果推算的算法比较复杂，用蕾丝列表生成式的for循环无法实现的时候，还可以用函数来实现
我们依然用上一节提到的斐波拉契数列来举例，回想我们在上一节用迭代器的实现方式
class FibIterator(object):
"""斐波那契数列迭代器"""
def __init__(self, n):
"""
:param n: int, 指明生成数列的前n个数
"""
self.n = n
# current用来保存当前生成到数列中的第几个数了
self.current = 0
# num1用来保存前前一个数，初始值为数列中的第一个数0
self.num1 = 0
# num2用来保存前一个数，初始值为数列中的第二个数1
self.num2 = 1
def __next__(self):
"""被next()函数调用来获取下一个数"""
if self.current < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num1+self.num2
self.current += 1
return num
else:
raise StopIteration
def __iter__(self):
"""迭代器的__iter__返回自身即可"""
return self 注意，在用迭代器实现的方式中，我们要借助几个变量（n、current、num1、num2）来保存迭代的状态。现在我们用生成器来实 In [30]: def fib(n): ....: current = 0
....: num1, num2 = 0, 1
....: while current < n:
....: num = num1
....: num1, num2 = num2, num1+num2
....: current += 1
....: yield num
....: return 'done'
....:
In [31]: F = fib(5)
In [32]: next(F)
Out[32]: 1
In [33]: next(F)
Out[33]: 1
In [34]: next(F)
Out[34]: 2
In [35]: next(F)
Out[35]: 3
In [36]: next(F)
Out[36]: 5
In [37]: next(F)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-37-8c2b02b4361a> in <module>()
----> 1 next(F)
StopIteration: done
在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。简单来说
：只要在def中有yield关键字的就称为生成器
未完待续。。。
浙公网安备 33010602011771号