python3之迭代器&生成器
1、迭代器
迭代是Python最强大的功能之一，是访问集合元素的一种方式。。
迭代器是一个可以记住遍历的位置的对象。
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。
迭代器有两个基本的方法：iter() 生成迭代器和 next()遍历迭代器元素。
>>> dil = iter(range(10)) #使用iter方法创建一个迭代器 >>> print(type(dil)) #类型为迭代器 <class 'range_iterator'> >>> print(dil) <range_iterator object at 0x7fb9bf466ed0> >>> l1 = [1,2,3,4,5] >>> it = iter(l1) #将列表转换为迭代器 >>> print(type(it)) <class 'list_iterator'> >>> print(it) <list_iterator object at 0x7fb9bf42e9e8> >>> print(next(it)) 1 >>> print(next(it)) 2 >>> print(next(it)) 3 >>> print(next(it)) 4 >>> print(next(it)) 5 >>> print(next(it)) #如果迭代器元素到最后没有了就会报错 Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration >>> for i in it: #此处因为迭代元素已经到了最后，所以没有元素输出 ... print(i,end=" ") ... >>> print(next(dil)) #使用next输出迭代器的下一个元素 0 >>> print(next(dil)) 1 >>> print(next(dil)) 2 >>> print(next(dil)) 3 >>> for i in dil: #而输出dil迭代器的元素会接着输出迭代器的元素，知道最后一个。 ... print(i,end=" ") ... 4 5 6 7 8 9 >>> >>> list = [1,2,3,4,5,6,7,8] >>> inter1 = list.__iter__() #遵循迭代器协议，生成可以迭代的对象 >>> print(inter1.__next__()) 1 >>> print(inter1.__next__()) 2 #集合中使用迭代器 >>> s1 = {'python','java','net','php'} >>> iter2 = s1.__iter__() >>> print(iter2) <set_iterator object at 0x7fb9bf450ea0> >>> print(iter2.__next__()) java >>> print(iter2.__next__()) php >>> print(iter2.__next__()) net >>> print(iter2.__next__()) python >>> print(iter2.__next__()) #字典中使用迭代器 >>> dict1 = {'k1':'v1','k2':'v2'} >>> iter3 = dict1.__iter__() >>> print(iter3.__next__()) #字典默认迭代的是key值 k1 >>> print(iter3.__next__()) k2 #文件中使用迭代器 >>> with open('test','r') as f1: ... iter5 = f1.__iter__() ... print(iter5.__next__(),end = ' ') ... print(iter5.__next__(),end = ' ') ... print(iter5.__next__(),end = ' ') ... 11111 2222 33333 4444 55555 6666
2、生成器
在 Python 中，使用了 yield 的函数被称为生成器（generator）。
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行 next()方法时从当前位置继续运行。
生成器可以理解为一种数据类型，这种数据类型自动实现了迭代器协议（其他的数据类型需要调用自己内置的__iter__方法），所以生成器就是可迭代对象
生成器分类及在python中的表现形式：（Python有两种不同的方式提供生成器）
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，以便下次重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
为何使用生成器之生成器的优点
Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生成器的主要好处。
生成器小结：
1.是可迭代对象
2.实现了延迟计算,省内存啊
3.生成器本质和其他的数据类型一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处
def ite(): print('hello') yield 'test1' print('world') yield 'test2' yield 'test3' yield 'test4' gen = ite() #生成了一个生成器 print(type(gen)) print(gen.__next__()) print(gen.__next__()) print(gen.__next__()) print(gen.__next__()) <class 'generator'> hello test1 world test2 test3 test4
生成器方法：
close()：手动关闭生成器，后面的调用会直接返回Stoplteration异常。
>>> def gen(): ... yield 'hello' ... yield 'python' ... >>> st = gen() >>> print(st.__next__()) hello >>> st.close() #关闭生成器后再显示元素就抛出异常 >>> print(st.__next__()) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
send()：生成器函数最大的特点是可以接受外部传入的一个变量，并根据变量内容计算结果后返回。
def consumer(name): print('begin..') while True: baozi = yield name #第一次执行时返回name的值，然后将send的值赋值给yield print('is you %s' %baozi) #所以此时baozi的值为1 d = consumer('zhang') print(d.__next__()) print(d.send(1)) print(d.send(2)) print(d.send(3)) print(d.send(5)) begin.. zhang is you 1 zhang is you 2 zhang is you 3 zhang is you 5 zhang
throw()：用来想生成器函数传入一个异常，可以结束系统定义的异常，或者自定义的异常。
throw()后直接抛出异常并结束程序，或者消耗掉一个yield，或者在没有下一个yield的时候直接进行到程序的结尾。
