生成器和迭代器

迭代器

迭代器iterator
同时有__next__(),__iter__()方法的数据类型可以被称为迭代器
可迭代iterable
有__iter__()方法的数据类型可以被迭代
可迭代的数据类型（iterable）：list,dic,str,set,tuple,enumerate,f(文件句柄),range()
迭代器的好处：节省内存空间，从容器类型中一个一个取值，会把所有值都取到

print(dir([].__iter__()))#dir查看方法

range(10)#只是创建了一个迭代器，并没有创建数据

生成器

生成器：自己写的迭代器

1.生成器表达式

列表推导式：返回一个列表，一下返回一个列表，占用内存较大

list1 =[i*i for i in range(10)]

生成器表达式：返回一个生成器（迭代器）-->几乎不占用内存

gen = (i*i for i in range(10))#此时并没有执行
for i in gen:  #遍历迭代器
    print(i)

各种推导式

# 1.加过滤条件的推导式
gen = (i for i in range(10) if i%2==0)
for i in gen:
    print(i)

#2.嵌套列表过滤,查找names列表中含有a字符的元素
names=[['aqa','yhaga'],['wed','uhsy']]
ret = (i for name in names for i in name if 'a' in i)
for i in ret:
    print(i)
#字典推导式，key，value对调
dic = {1:'j',2:'c'}
dic_new = {dic[i]:i for i in dic}
print(dic_new)

2.生成器函数

只要函数中含有yield关键字就是生成器函数，yield只能在函数内部使用，且不能与return同时出现

#例子1：制造两百万个jcc
def jcc():
    for i in range(2000000):
        yield 'jcc %d'%i
gen = jcc() #生成器（迭代器）
for i in gen:
    print(i)   #for循环遍历迭代器。边取值边打印，不占内存
#例子2：监听文件的输入
#不用函数
with open('d:jcc.txt',encoding='utf-8') as f:
    line = f.readline()
    while 1:
        if line:
            print(line)
#封装成一个函数
def fun(filename):
    with open(filename, encoding='utf-8') as f:
        while 1:
            line = f.readline()
            if line.strip():
                yield line.strip()  #返回line再做其他的处理
line = fun('d:jcc.txt')
for i in line:
    print(i)

send

获取下一个yield的同时，向上一个yield传递一个值,使用send之前必须要先调用一次next函数

def generator():
    print(1)
    content = yield 'jcc'#content接收send传过来的值
    print(content)
    print(2)
    yield 2
ret = generator()#返回一个迭代器，此时并不执行函数
res = ret.__next__()#执行函数，返回yield后面的值
ret.send('hello')
print(res)

yield from

def gen():
    a='abc'
    b = '1234'
    yield from a  #相当于下面的两行
    # for i in a:
    #     yield a
    yield from b
    # for i in b:
    #     yield b
g = gen()
for i in g:
    print(i)