迭代器和生成器

# 迭代器
# 迭代器协议：对象必须提供一个next方法，执行该方法要么返回迭代的下一项，要么引起一个Stopiteration异常，以终止迭代（只能往后走不能往前退）
# 可迭代对象：实现了迭代器协议的对象（对象内部定义一个__iter__()方法）
# 协议是一种约定，可迭代对象实现了迭代器协议

# 字符串、列表、元组、字典、集合、文件对象等都不是可迭代对象，只不过在for循环，调用了他们内部的__iner__方法，把它们变成了可迭代对象
# python内部工具（for sum min max map reduce filter）等使用迭代器协议访问对象，和下标没有关系

x = 'hello'
x_iter = x.__iter__()   # 将字符串转换为可迭代对象 或使用 iter(l)
print(x_iter.__next__())    # 此时就可以使用__next__方法
print(x_iter.__next__())
print(x_iter.__next__())
print(next(x_iter))
print(x_iter.__next__())

# 内置函数中的next()方法，实际上就是调用了对象内置的__next__()方法

# 对于字典、集合、文件对象等无序的对象是没有下标的，所以我们使用for来将其转换为可迭代对象对其迭代
# 只要能用for遍历的，全部都有__iter__方法
# 对于可迭代对象，只有需要取（__next__()）的时候才会放到内存中,取到下一条时，上一条就从内存中销毁，这样节约内存

# iter的扩展
l = ['a', 'b', 'c', 'd']


def test():
    return l.pop()  # 将列表中最后一个元素pop出去


x = iter(test, 'b')  # 将test函数转换成一个迭代器对象，并且当结果为b时StopIteration

print(x.__next__())  # d
print(x.__next__())  # c
print(x.__next__())  # StopIteration

# 生成器
# 一种数据类型，自动实现了迭代器协议，就是一个可迭代对象, 只能遍历一次

# 生成器的两种表现方式
# 1，生成器函数 函数中含yield，代替return，可以yield多次，使用next或__next__或send()来停到某个位置，用来保存状态
def test():
    yield 1
g = test()
print(g)
print(g.__next__())
# print(g.__next__())

# 一个补充
# 三元表达式
name = 'alex'
res = 'sb' if name == 'alex' else '帅哥'
# if前边是为True时的值，else后边是为False时的值
print(res)

# 列表解析(使用三元表达式方式),但是生成的列表会将所有数据放入内存中
egg_list = []
for i in range(10):
    egg_list.append('鸡蛋%s' % i)
print(egg_list)
# 以上方式等同于以下
l = ['鸡蛋%s' % i for i in range(10)]
print(l)

# 引申的案例，只把鸡蛋大于5的放入篮子中
l = ['鸡蛋%s' % i for i in range(10) if i > 5]



# 2，生成器表达式
# 生成器表达式对应上面的案例，只需要把列表的[]换成()
l = ('鸡蛋%s' % i for i in range(10))
print(l)
print(l.__next__())
print(l.__next__())
print(l.__next__())
print(l.__next__())
print(l.__next__())
print(next(l))


# 补充 sum 对生成器进行计算,这样不会将这么大的数字全放在内存中，造成电脑崩溃
print(sum(i for i in range(1000000000000000)))