python3--迭代器，生成器
一 迭代器
1 什么是可迭代对象？
字符串，列表，元组，字典，集合都可以被for循环，说明他们都是可迭代的
怎么来证明这一点呢？
注释：
type只能判断是什么类型
isintance判断方面更广，不仅能判断类型，还能判断是否可迭代
Iterable是否为可迭代
from collections import Iterable
s = [1, 2, 3, 4]
t = [5, 6, 7, 8]
print(isinstance(s, Iterable))
print(isinstance(s, Iterable))执行结果
True
True
可迭代协议
现在是从结果分析原因，能被for循环的就是"可迭代的"，但是如果按常规想，for怎么知道谁是可迭代的呢？
假设自己写了一个数据类型，希望这个数据类型里的东西也可以使用for被一个个的取出来，那就必须满足for的要求，这个要求就叫做"协议"
可以被迭代要满足的要求就叫做可迭代协议，可迭代协议的定义非常简单，就是内部实现了__iter__方法
下面来验证一下
print(dir([1, 2]))
print(dir((2, 3)))
print(dir({1: 2}))
print(dir({1, 2}))执行结果
注释：
dir打印该对象的所有操作方法
可以被for循环的都是可迭代的，想要可迭代，内部必须有一个__iter__方法
接着分析，__iter__方法做了什么事情呢？
可迭代的：内部必须含有一个__iter__方法
python迭代器
什么叫做迭代器？迭代器英文意思是iterator
可迭代对象转化成迭代器：可迭代对象.__iter__()--->迭代器
迭代器不仅含有__iter__,还含有__next__ 遵循迭代器协议
l1 = [1, 2, 3, 4]
print(l1.__iter__())执行结果
例1
l1 = [1, 2, 3, 4]
ss = l1.__iter__()
print(ss.__next__())
print(ss.__next__())
print(ss.__next__())
print(ss.__next__())执行结果
1
2
3
4
注意：使用__next__方法取值，到底后，在执行会报错。
for循环，能遍历一个可迭代对象，它的内部到底进行了什么？将可迭代对象转化成迭代器(可迭代对象.__iter__()),内部使用__next__方法，一个一个取值，加了异常处理功能，取值到底后自动停止
仅含有__iter__方法的，就是可迭代对象
包含__iter__和__next__方法的，就是迭代器
迭代器的好处
1 节省内存空间(一个好的程序员，考虑的是性能,迭代器)
2 满足惰性机制
3 不能反复取值，不可逆
使用while循环模拟for循环
1 转换成迭代器
l1 = [1, 2, 3, 4, 5, 6, 7]
l2 = l1.__iter__()
2 使用__next__
while True:
i = l2.__next__()
print(i)
3 异常处理
while True:
try:
i = l2.__next__()
print(i)
except Exception:
break
整个代码为
l1 = [1, 2, 3, 4, 5, 6, 7]
l2 = l1.__iter__()
while True:
try:
i = l2.__next__()
print(i)
except Exception:
break执行结果
1
2
3
4
5
6
7
try里面的代码，出现报错不会出红
excetp表示报错的时候，该怎么处理
生成器
初始生成器
我们知道的迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处是节省内存
如果在某些情况下，我们也需要节省内存，就只能自己写，我们自己写的这个能实现迭代器功能的东西叫生成器
Python中提供的生成器：
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，生成器返回按需求生产结果的一个对象，而不是一次构建一个结果列表
生成器Generator:
本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)
特点：惰性运算，开发者自定义
生成器函数
一个包含yield关键字的函数就是一个生成器函数，yield可以为我们从函数中返回值，但是yield又不同于return,return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，而是得到一个可迭代的对象，每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值，直到函数执行结束。
生成器需要自己构建
1 生成器函数构造
2 生成器推导式构造
3 数据类型的转化
例1
def func1():
print(111)
print(222)
print(333)
yield 666
g = func1()
print(g)执行结果，没有打印出值，why？
<generator object func1 at 0x000002D2A8D033B8>
上例中g为生成器对象
第一：函数中只要有yield那他就不是一个函数，而是一个生成器
第二：g称作生成器对象
而生成器本质上也是迭代器，也可以使用__next__取值，而一个__next__对应一个yield
def func1():
print(111)
print(222)
print(333)
yield 666
g = func1()
print(g)
print(g.__next__())执行结果
<generator object func1 at 0x000001DAB83133B8>
111 #print打印
222 #print打印
333 #print打印
666 yield __next__实际上只是打印这个666
例2
import time
def genrator_fun():
a = 1
print('现在定义了a变量')
yield a
b = 2
print('现在又定义了b变量')
yield b
gl = genrator_fun()
print('g1:', gl) # 打印gl可以发现gl就是一个生成器
print('-'*10) # 分割线
print(next(gl))
time.sleep(1) # 延迟1秒
print(next(gl))执行结果
生成器有什么好处呢？就是不会一下子在内存中生产太多数据
例3
def produce():
'''生产衣服'''
for i in range(1000):
yield '生产了第{}件衣服'.format(i)
tmp = produce()
print(tmp.__next__())
print(tmp.__next__())
print(tmp.__next__())
num = 0
for i in tmp:
print(i)
num += 1
if num == 5:
break执行结果
上面的例子，也可以使用
for i in range(1,5):
print(tmp.__next__())
__next__一次，yield就执行一次
对于列表而言，for循环是从开始
对于生成器而言，它是由指针的，__next__一次，指针向前一次，它不能从头开始，不可逆
生成器和迭代器的区别
迭代器：有内置方法
生成器：开发者自定义
send使用方法
def generator():
print(123)
yield 1
print(456)
yield 2
g = generator()
g.__next__()
g.send('hello')执行结果
123
456
可以看到send定义的变量没有被执行输出
next和send功能一样，都是执行一次
第一个取值，只能用next
send是给上一个yield发送值
最后一个yeild是取不到值的
def generator():
print(123)
content = yield 1
print(content)
print(456)
yield 2
g = generator()
g.__next__()
g.send('hello')执行结果
123
hello
456