Python入门day18——迭代器生成器

迭代器

什么是迭代器

迭代器指的是迭代取值的工具，迭代是一个重复的过程，每次重复都是基于上一次的结果而继续的，单纯的重复并不是迭代。

为何要有迭代器

迭代器是用来迭代取值的工具，而涉及到把多个值循环取出来的类型有：列表、字符串、元组、字典、集合、文件对象
l=['egon','liu','alex']
    i=0
    while i < len(l):
        print(l[i])
        i+=1
        
上述迭代取值的方式只适用于有索引的数据类型：列表、字符串、元组
为了解决基于索引迭代器取值的局限性
python必须提供一种能够不依赖于索引的取值方式，这就是迭代器

如何用迭代器

可迭代的对象：但凡内置有__iter__方法的都称之为可迭代的对象

s1=''
s1.__iter__()

l=[]
l.__iter__()

t=(1,)
t.__iter__()

d={'a':1}
d.__iter__()

set1={1,2,3}
set1.__iter__()

with open('a.txt',mode='w') as f:
    # f.__iter__()
    pass

调用可迭代对象下的__iter__方法会将其转换成迭代器对象

d={'a':1,'b':2,'c':3}
d_iterator=d.__iter__()
print(d_iterator) #<dict_keyiterator object at 0x0000026A40EDD540>

print(d_iterator.__next__()) # a
print(d_iterator.__next__()) # b
print(d_iterator.__next__()) # c
print(d_iterator.__next__()) # 抛出异常StopIteration

while True:
    try:
        print(d_iterator.__next__())
    except StopIteration:
        break
# 结果
a
b
c        
print('====>>>>>>') # 在一个迭代器取值取干净的情况下，再对其取值娶不到
# d_iterator=d.__iter__()
while True:
    try:
        print(d_iterator.__next__())
    except StopIteration:
        break
# 结果
====>>>>>>

l=[1,2,3,4,5]
l_iterator=l.__iter__()

while True:
    try:
        print(l_iterator.__next__())
    except StopIteration:
        break
# 1 2 3 4 5

可迭代对象与迭代器对象详解

1 可迭代对象（"可以转换成迭代器的对象"）：内置有__iter__方法对象
	可迭代对象.__iter__(): 得到迭代器对象

2 迭代器对象：内置有__next__方法并且内置有__iter__方法的对象
  迭代器对象.__next__（）：得到迭代器的下一个值
  迭代器对象.__iter__（）：得到迭代器的本身，说白了调了跟没调一个样子

dic={'a':1,'b':2,'c':3}

dic_iterator=dic.__iter__()
print(dic_iterator is dic_iterator.__iter__().__iter__().__iter__()) # True

可迭代对象：字符串、列表、元组、字典、集合、文件对象

# 迭代器对象：文件对象
s1=''
s1.__iter__()

l=[]
l.__iter__()

t=(1,)
t.__iter__()


d={'a':1}
d.__iter__()

set1={1,2,3}
set1.__iter__()

with open('a.txt',mode='w') as f:
    f.__iter__()
    f.__next__()

for循环的工作原理：for循环可以称之为叫迭代器循环

d={'a':1,'b':2,'c':3}

# 1、d.__iter__()得到一个迭代器对象
# 2、迭代器对象.__next__()拿到一个返回值，然后将该返回值赋值给k
# 3、循环往复步骤2，直到抛出StopIteration异常for循环会捕捉异常然后结束循环
for k in d:
    print(k)

with open('a.txt',mode='rt',encoding='utf-8') as f:
    for line in f: # f.__iter__()
        print(line)


list('hello') # 原理同for循环

迭代器优缺点总结

1 优点：
# I、为序列和非序列类型提供了一种统一的迭代取值方式。
# II、惰性计算：迭代器对象表示的是一个数据流，可以只在需要时才去调用next来计算出一个值，就迭代器本身来说，同一时刻在内存中只有一个值，因而可以存放无限大的数据流，而对于其他容器类型，如列表，需要把所有的元素都存放于内存中，受内存大小的限制，可以存放的值的个数是有限的。

2 缺点：
# I、除非取尽，否则无法获取迭代器的长度
# II、只能取下一个值，不能回到开始，更像是‘一次性的’，迭代器产生后的唯一目标就是重复执行next方法直到值取尽，否则就会停留在某个位置，等待下一次调用next；若是要再次迭代同个对象，你只能重新调用iter方法去创建一个新的迭代器对象，如果有两个或者多个循环使用同一个迭代器，必然只会有一个循环能取到值。

生成器

# 如何得到自定义的迭代器：在函数内一旦存在yield关键字，调用函数并不会执行函数体代码，会返回一个生成器对象，生成器即自定义的迭代器
def func():
    print('第一次')
    yield 1
    print('第二次')
    yield 2
    print('第三次')
    yield 3
    print('第四次')
g=func()
print(g)
# 生成器就是迭代器
g.__iter__()
g.__next__()

# 结果
<generator object func at 0x000001E5E2A01200>
第一次

# 会触发函数体代码的运行，然后遇到yield停下来，将yield后的值当做本次调用的结果返回
def func():
    print('第一次')
    yield 1
    print('第二次')
    yield 2
    print('第三次')
    yield 3
    print('第四次')
g=func()
res1=g.__next__()
print(res1)	# '第一次' 1
res2=g.__next__()
print(res2) # '第二次' 2
res3=g.__next__()
print(res3) # '第三次' 3
res4=g.__next__()
print(res4) # '第四次' StopIteration

# len('aaa') # 'aaa'.__len__()
# next(g)    # g.__next__()
# iter(可迭代对象)  # 可迭代对象.__iter__()

# 应用案列
def my_range(start,stop,step=1):
    while start < stop:
        yield start
        start+=step

g=my_range(1,5,2) # 1 3
print(next(g)) # 1
print(next(g)) # 3
print(next(g)) # StopIteration

for n in my_range(1,7,2):
    print(n) # 1 3 5

# 总结yield：
# 有了yield关键字，我们就有了一种自定义迭代器的实现方式。yield可以用于返回值，但不同于return，函数一旦遇到return就结束了，而yield可以保存函数的运行状态挂起函数，用来返回多次值。