迭代器，生成器

Posted 2022-04-16 jincoco

目录

• 迭代器
  • 可迭代的对象
  • 迭代器对象
• 生成器

迭代器

迭代器：迭代的工具。迭代是更新换代，迭代也可以说成是重复，并且每一次的重复都是基于上一次的结果来的。如计算机中的迭代开发，就是基于软件的上一个版本更新。以下代码就不是迭代，它只是单纯的重复。

# 纯粹的重复
while True:
    print('我只是一个重复的过程')

可迭代的对象

可迭代对象：只要具有 ____inter____ 方法的数据类型，都是可迭代对象。

# 字符串
st = 'zkim'
print(st.__iter__())

# 列表
l = [1,2,3]
print(l.__iter__())

# 元组
t = (1,2,3)
print(t.__iter__())

# 字典
d = 'name':'zkim','age':18
print(d.__iter__())

# 集合
se = 1,2,3
print(se.__iter__())

# 文件
f = open('xxx','w',encoding='utf-8')
print(f.__iter__())
f.close()

# <str_iterator object at 0x000000B2AC1EC3C8>
# <list_iterator object at 0x000000B2AC1EC358>
# <tuple_iterator object at 0x000000B2AC1EC390>
# <dict_keyiterator object at 0x000000B2AC1585E8>
# <set_iterator object at 0x000000B2AC1E9BD0>
# <_io.TextIOWrapper name='xxx' mode='w' encoding='utf-8'>

可迭代对象使用 __iter__ 的方法，可以拿到一个返回值，这个返回值就是迭代器对象。

迭代器对象

数据类型中,字符串，列表，元祖都是依赖索引取值的。在这里我们又学到了一个可以不依赖索引，就能取值的方法。（迭代器对象）

迭代器对象：既有内置 ____inter__ 方法，又有内置 __next____ 方法的数据类型。

注意：当某一个数据类型中的值，依次被取完之后，如果再取的话就会报错。错误：StopIteration

# 文件类型的数据既有__iter__，又有__next__，所以文件本身就是迭代器对象。
f = open('text.txt','r',encoding='utf-8')
f.__iter__()
f.__next__()

# 字符串
st = 'zkim'
res = st.__iter__()
print(res.__next__())
print(res.__next__())

# 列表
l = [1,2,3]
res1 = l.__iter__()
print(res1.__next__())
print(res1.__next__())

# 元祖
t = (1,2,3)
res2 = t.__iter__()
print(res2.__next__())
print(res2.__next__())

# 字典
d = 'name':'zkim','age':18
res3 = d.__iter__()
print(res3.__next__())
print(res3.__next__())

# 集合
se = 1,2,3
res4 = se.__iter__()
print(res4.__next__())
print(res4.__next__())

# z
# k

# 1
# 2

# 1
# 2

# name
# age

# 1
# 2

注意：当某一个数据类型中的值，依次被取完之后，如果再取的话就会报错。错误：StopIteration

l = [1,2]
res = l.__iter__()
print(res.__next__())
print(res.__next__())
print(res.__next__())

# StopIteration

在上述的方法中没取一个值就得 __next__ 一次，特别的繁琐，所以我们可以用 while 循环来精简下。为了防止报错可以使用异常捕捉： try...except... 来处理

l = [1,2,3]
iter_l = l.__iter__()
while True:
    try:
        print(iter_l.__next__())
    except StopIteration:
        break

# 1
# 2
# 3

• 总结：

迭代器对象：执行可迭代对象的 __inter__ 方法，拿到的返回值就是迭代器对象。

• 特点：

1：内置 __next__ 方法，执行该方法会拿到迭代器对象中的一个值。

2：内置有 __iter__ 方法，执行该方法会拿到迭代器对象。

3：文件本身就是迭代器对象。

• 优点：

1：不依赖索引取值。

2：内存中永远只占一份空间，不会导致内存溢出。

• 缺点：

1：取值麻烦，不能获取指定的值，并且只能往后取。

2：取完之后会报 StopIteration 的错误。

for 循环内部原理

for 循环称之为迭代器循环， in 后面接的必须是可迭代对象。

• for 循环内部的本质：

1：将 in 后的对象调用 __iter__ 转换成迭代器对象

2：调用 __next__ 迭代取值

3：内部有异常捕获 StopIteration，当 __next__ 报这个粗时，会自动结束循环。

l = [1,2,3]
for i in l:  
    print(i)

# 1
# 2
# 3

生成器

生成器：用户自定义的迭代器，本质就是迭代器。

• 关键字 yield

1：帮你提供了一种自定义生成器的方式。

2：可以将函数体代码的运行暂停。

3：可以返回值

# 自定义的迭代器：生成器，是定义在函数内部的，利用 yield 关键字，将函数自定义成一个生成器
def func():
    print('我是第一个')
    yield 1
    print('我是第二个')
    yield 2
g = func()  # 在调用函数的时候，有 yield 的情况下不会执行函数体代码
print(g.__next__())  # 执行到 yield 1 的时候暂停
print(g.__next__())  # 执行到 yield 2 的时候暂停
# 只有在调用的时候才会依次往下执行。

# 我是第一个
# 1
# 我是第二个
# 2

# yield 可以接收外部的值
def shopping(shop):
    print('%s 已被购买'%shop)
    while True:
        people = yield
        print('%s 被 %s 购买'%(shop,people))

res = shopping('法拉利')
res.__next__()
res.send('鸡哥')

# 法拉利 已被购买
# 法拉利 被 鸡哥 购买 

• 与 return 的异同之处

相同点：

都可以返回值，并且都可以返回多个值。

不同点：

yield 可以返回多次值，而 return 只能返回一次后函数立即结束。

yield 还可以接受外部传入的值。

生成器表达式

res = (i for i in range(1,3) if i != 4)
print(res)
print(res.__next__())
print(res.__next__())

# <generator object <genexpr> at 0x0000000BA3EAB728>
# 1
# 2