一、迭代器
1、迭代器介绍
迭代器即用来迭代取值的工具，而迭代是重复反馈过程的活动，其目的通常是为了逼近所需的目标或结果，每一次对过程的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值,单纯的重复并不是迭代
goods=['mac','lenovo','acer','dell','sony']
index=0
while index < len(goods):
print(goods[index])
index+=1
下述while循环才是一个迭代过程，不仅满足重复，而且以每次重新赋值后的index值作为下一次循环中新的索引进行取值，反复迭代，最终可以取尽列表中的值。
注意：
上面这个迭代方法只适合序列类型，并不适合字典、集合、文件对象的迭代取值。
有人会说for循环可以对字典、文件对象、集合进行循环取值，其实for循环用到的是迭代器，因此这里没有用for循环为例说明，后面会具体说迭代器和可迭代对象的区别与联系。
（1）可迭代对象
通过索引的方式进行迭代取值，实现简单，但仅适用于序列类型：字符串，列表，元组。对于没有索引的字典、集合、文件对象等非序列类型，必须找到一种不依赖索引来进行迭代取值的方式，这就用到了迭代器。
可迭代对象(Iterable)。从语法形式上讲，内置有__iter__方法的对象都是可迭代对象，字符串、列表、元组、字典、集合、打开的文件都是可迭代对象。
{'name':'吴晋丞'}.__iter__
{7,8,9}.__iter__
……
（2）迭代器对象
调用obj.iter()方法返回的结果就是一个迭代器对象(Iterator)。
除文件对象外，字典、集合、列表等都只是可迭代对象而已，它们可以通过调用iter方法生成迭代器对象，并进行迭代取值。但文件对象在python中使用时，直接生成的就是迭代器对象，当然它也是可迭代对象。文件对象可以直接调用next函数，只有迭代器对象才能调用next方法，因此文件对象是迭代器对象。执行迭代器对象.iter()方法得到的仍然是迭代器本身，而执行迭代器对象.next()方法就会计算出迭代器中的下一个值。
>>> s={1,2,3} # 可迭代对象s
>>> i=iter(s) # 本质就是在调用s.__iter__(),返回s的迭代器对象i，
>>> next(i) # 本质就是在调用i.__next__()
1
>>> next(i)
2
>>> next(i)
3
>>> next(i) #抛出StopIteration的异常，代表无值可取，迭代结束，要想继续取值，除非在重新生成一个迭代器。
为什么文件对象要直接设置成迭代器对象，集合、字典等不设置成迭代器对象呢？
答：首先我们应该明白迭代器这种需要一个值，next方法取一个值，这样是降低了内存的消耗的。集合、字典等定义下来，本来就不是用来存很多、很多东西的。但是一个文件对象却可以很大很大，因此必须直接生成迭代器对象，控制内存的消耗。
2、for循环原理
有了迭代器后，我们便可以不依赖索引迭代取值了，使用while循环的实现方式如下
dic = {'a':1,'b':2,'c':3}
d_iterator = iter(dic) #d_iterator便是一个迭代器对象，iter方法生成的就是一个迭代器对象
while True: # while循环的循环体是进行循环迭代取值的
try:
print(next(d_iterator))
except(StopIteration): # 捕获异常
break # 异常处理
for循环又称为迭代循环，in后可以跟任意可迭代对象，上述while循环可以简写为：
dic = {'a':1,'b':2,'c':3}
for i in dic:
print(item)
for 循环在工作时，首先会调用可迭代对象dic内置的iter方法拿到一个迭代器对象，然后再调用该迭代器对象的next方法将取到的值赋给i,执行循环体完成一次循环，周而复始，直到捕捉StopIteration异常，结束迭代。
为什么文件对象中也需要有iter方法呢？
它不是已经是迭代器对象了吗，而且前面说迭代器调用iter方法屁用没有，得到的还是本身。
答：这是一个专门为统一for循环而设计的，因为for循环中你不确定自己in后面到底是不是迭代器对象，难道还要判断一下吗？那不是太麻烦了，无论谁来，只要可迭代，我就给你iter方法一下，即使是文件对象，也不影响啥。所以文件对象也需要一个iter方法，拿去让for循环调用。
3、迭代器的优缺点
基于索引的迭代取值，所有迭代的状态(迭代的位置信息)都保存在了索引中，而基于迭代器实现迭代的方式不再需要索引，所有迭代的状态就保存在迭代器中，然而这种处理方式优点与缺点并存：
（1）优点
为序列和非序列类型提供了一种统一的迭代取值方式。
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
除非取尽，否则无法获取迭代器的长度
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。
二、生成器
1、生成器与yield
若函数体包含yield关键字，再调用函数，并不会执行函数体代码，只是得到的返回值即生成器对象
def my_range(start,stop,step=1):
while start < stop:
yield start
start += step
g = my_range(1,10,2)
print(g)
while True:
try:
print(g.__next__()) #yield用于返回值
except(StopIteration):
break
执行结果：
生成器内置有__iter__和__next__方法，所以生成器本身就是一个迭代器
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
2、yield表达式应用
（1）yield基本应用
在函数内可以采用表达式形式的yield
>>> def eater():
... print('Ready to eat')
... while True:
... food=yield
... print('get the food: %s, and start to eat' %food)
...
可以拿到函数的生成器对象持续为函数体send值，如下
>>> g=eater() # 得到生成器对象
>>> g
<generator object eater at 0x101b6e2b0>
>>> next(g) # 需要事先”初始化”一次，让函数挂起在food=yield，等待调用g.send()方法为其传值
Ready to eat
>>> g.send('包子')
get the food: 包子, and start to eat
>>> g.send('鸡腿')
get the food: 鸡腿, and start to eat
针对表达式形式的yield，生成器对象必须事先被初始化一次，让函数挂起在food=yield的位置，等待调用g.send()方法为函数体传值，send不仅是对yield传值，还有next方法的作用，传值为None那么g.send(None)等同于next(g)。
（2）装饰器初始化生成器
def init(func):
def wrapper(*args,**kwargs):
g=func(*args,**kwargs) # 函数中有关键字yield，因此函数不会执行，而是直接返回一个生成器对象
next(g) # 这步必须要做，执行函数体代码，并让eater函数挂起在food = yield处
return g # 返回生成器对象，让用户能够调用，当然这也是装饰器必要的返回值伪装。
return wrapper
@init
def eater():
print('Ready to eat')
food_list = []
while True:
food = yield food_list #左边send传值，右边next或send返回值
food_list.append(food)
g = eater()
g.send('阆中牛肉面')
g.send('成都冒菜')
g.send('成都羊肉汤锅')
res = g.send('酸辣粉')
print(res)
