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。