生成器是属于迭代器,但迭代器不只是生成器
首先是一个简单的生成器
def gener(): print(1) yield 1 print(2) yield 2 print(3) yield 3 g=gener() print(next(g)) print(next(g)) print(next(g))
生成器中yield就像是函数中的return,运行到yield这个函数就会停止,但会暂时在这个状态挂起,下次执行next(g)的时候就会从上一次暂停的地方继续运行直到下一个yield,上述g=gener()语句并不会执行gener()。
再来看一个生成器
def gener(): a=yield 1 print(a) a=yield 2 print(a) yield 3 g = gener() print(g.send(None)) print(g.send(1)) print(g.send(2))
send拥有next的功能,但除此之外send可以在yield处传递参数并在生成器里接收,因为第一次send时并没有在yield处开始,所以没有变量来接收参数,所以可以使用g.send(None)来进行第一次,或者使用next()
生成器也可以这样使用
s=(x*2 for x in range(0,9)) print(s)#<generator object <genexpr> at 0x000001C39690B8B8> print(next(s)) print(next(s)) print(next(s))
此时s是一个生成器对象
总之生成器中的数据并不是一下子都存储到内存当中而是用一个放一个如next的时候,而使用过的也会被回收。
迭代器同样拥有next函数,iter函数可以利用可迭代对象生成一个迭代器
s=[1,2,3,4] i=iter(s) print(next(i)) print(next(i))
字典,列表,集合等等都是可迭代对象
凡是可以for循环的都是可迭代对象,可以使用next()函数的都是迭代器