一：迭代器
1.什么是迭代？
1.重复 2.下一次重复是基于上一次的结果
# l=['a','b','c','d'] # count=0 # while count < len(l): # print(l[count]) #count的值基于上一次结果，所以是迭代
# count+=1
2.迭代器协议
指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引起一个StopIteration异常，以终止迭代 （只能往后走不能往前退）。
迭代器的优点:
1.提供了一种不依赖索引的迭代方式
2.惰性计算，节省内存
迭代器的缺点：
1.取值不如按照索引取值的方便
2.只能前进，不能后退
3.无法获取长度
判断是否为可迭代对象或者迭代器对象的方法：
# # from collections import Iterable,Iterator
# # print(isinstance(g,Iterator)) #可判断是够为迭代器对象
# def countdown(n):
# print('starting countdown')
#
# while n > 0:
# yield n
# n-=1
# print('stop countdown')
# g=countdown(5)
# print(g.__next__())
# print(g.__next__())
# for i in g:
# print(i)
3 迭代器
在介绍迭代器之前，我们先来了解一下容器这个概念。
容器是一种把多个元素组织在一起的数据结构，容器中的元素可以逐个地迭代获取。简单来说，就好比一个盒子,我们可以往里面存放数据，也可以从里面一个一个地取出数据。在python中，属于容器类型地有:list,dict,set,str,tuple.....。容器仅仅只是用来存放数据的，我们平常看到的 l = [1,2,3,4]等等，好像我们可以直接从列表这个容器中取出元素，但事实上容器并不提供这种能力，而是可迭代对象赋予了容器这种能力。
说完了容器，我们在来谈谈迭代器。迭代器与可迭代对象区别在于:__next__()方法。
我们可以采用以下方法来验证一下:
from collections import Iterator f = open('a.txt') i = 1 s = '1234' d = {'abc':1} t = (1, 2, 344) m = {1, 2, 34, } print(isinstance(i,Iterator)) print(isinstance(s,Iterator)) print(isinstance(d,Iterator)) print(isinstance(t,Iterator)) print(isinstance(m,Iterator)) print(isinstance(f,Iterator)) ########输出结果########## False False False False False True
结果显示:除了文件对象为迭代器，其余均不是迭代器
下面，我们进一步来验证一下:
print(hasattr(i,"__next__")) print(hasattr(s,"__next__")) print(hasattr(d,"__next__")) print(hasattr(t,"__next__")) print(hasattr(m,"__next__")) print(hasattr(f,"__next__")) #######结果########### False False False False False True
从输出结果可以表明,迭代器与可迭代对象仅仅就是__next__（）方法的有无。
'模拟linux中' #tail -f a.txt import time def tail(filepath,encoding='utf-8'): with open(filepath,encoding=encoding) as f: f.seek(0,2) while True: line=f.readline() if line: print(line,end='') # yield line else: time.sleep(0.5) tail('b.txt') # for i in g: # print(i) #tail -f a.txt |grep 'error' # def grep(lines,pattern): # for line in lines: # if pattern in line: # # print(line,end='') # yield line # g=tail('a.txt') # print(g) # grep(g,'error') # tail -f a.txt |grep 'error' |grep '404' # g1=tail('a.txt') # g2=grep(g1,'error') # g3=grep(g2,'404') # for i in g3: # print(i)
Tips：(字符串，列表，元组，字典，集合，文件对象）这些都不是可迭代对象，只不过在for循环式，调用了他们内部的__iter__方法，把他们变成了可迭代对象，
然后for循环调用可迭代对象的__next__方法去取值，而且for循环会捕捉StopIteration异常，以终止迭代.
StopIteration异常：.__nex___执行后如果没有返回值就会报此异常。
for item in g: print(item) ###for执行in后面的对象g下面的.__iter__方法，得到一个迭代器k，然后for循环自动k.__next__一次，将得到的结果赋值给item.然后再iter一次变成迭代器赋值给item，直到没有值输出，出现stopiteration异常，for循环可以捕捉到这个异常，然后终止这个循环。
for item in 8：
print(item)
============结果================
TypeError：'int' object is not iterable ###数字是不可迭代对象，下面没有.__iter__方法，所以报错。
Try 可检测异常：
l={'a':1,'x':2,'w':3,'z':4}
l=l.__iter__() #转换成迭代器
while True:
try: #捕捉异常，检测其下缩进的语句是否有异常
i=l.__next__()
print(i)
except StopIteration: #except检测异常
break
二：生成器（生成器的本质就是迭代器）
1.什么是生成器
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），所以生成器是可迭代对象。
按照我们之前所说的，迭代器必须满足两个条件:既有__iter__()，又有__next__()方法。那么生成器是否也有这两个方法呢？答案是，YES。具体来通过以下代码来看看。
def func(): print("one------------->") yield 1 print("two------------->") yield 2 print("three----------->") yield 3 print("four------------>") yield 4 print(hasattr(func(),'__next__')) print(hasattr(func(),'__iter__')) #########输出结果########### True True
Python有两种不同的方式提供生成器：
1.函数体内包含有yield关键字，该函数的执行结果是生成器(generator).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
既然生成器就是迭代器,那么我们是不是也可以通过for循环来遍历出生成器中的内容呢?看下面代码.
def func(): print("one------------->") yield 1 print("two------------->") yield 2 print("three----------->") yield 3 print("four------------>") yield 4 for i in func(): print(i) #########输出结果######## one-------------> 1 two-------------> 2 three-----------> 3 four------------> 4
很显然，生成器也可以通过for循环来遍历出其中的内容。
下面我们来看看生成器函数执行流程：
def func(): print("one------------->") yield 1 print("two------------->") yield 2 print("three----------->") yield 3 print("four------------>") yield 4 g = func() # 生成器 == 迭代器 print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__())
每次调用g.__next__()就回去函数内部找yield关键字，如果找得到就输出yield后面的值并且返回；如果没有找到，就会报出异常。上述代码中如果在调用g.__next__()就会报错。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。
生成器就是迭代器，只能前进不能后退，我们看下这个例子：
#生成器函数补充 # def countdown(n): # while n > 0: # yield n # n-=1 # # g=countdown(5) # print(g.__next__()) # print(g.__next__()) # # print('='*20) # for i in g: # print(i) # # print('*'*20) # for i in g: # print(i) =======结果======== 5 4 ==================== 3 2 1 ********************
yiled与return的区别：
x=2 y=3 # if x > y: # print(x) # else: # print(y) # res='aaaaa' if x > y else 'bbbbbbb' #三元表达式---->【 条件成立 条件 条件不成立】 # # print(res)
2.列表解析<不能加else，条件成立的情况下放到左边。>
# l=[1,31,73,84,57,22] # l_new=[] # for i in l: # if i > 50: # l_new.append(i) # print(l_new) #列表解析 # res=[i for i in l if i > 50] # print(res)
3.生成器表达式
#g=(i for i in range(100000000000000000000000000000)) #print (g) #print(next(g)) ##next(g) == g.__next__() #print(next(g)) ##next(g) == g.__next__()