迭代器、可迭代对象、迭代器对象

今天的学习内容有：

　　　　　　　　迭代器、可迭代对象、迭代器对象

　　　　　　　　for循环内部原理

　　　　　　　　生成器和生成器表达式

　　　　　　　　面向过程编程

迭代器

迭代就是指更新换代的过程，要重复进行，而且每次的迭代都必须基于上一次的结果。

我们使用for循环的时候就是把元素从容器里一个个取出来，这种过程其实就是迭代。

迭代器：迭代取值的工具。

迭代器的作用是提供给你一种不依赖索引取值的方式。

需要迭代取值的数据类型有：字符串、列表、元组、字典、集合

可迭代对象

内置有__iter__方法的都可以叫可迭代对象

补充：针对双下线开头双下线结尾的方法。推荐读法：双下+方法名。

基本类型中是可迭代对象的有str、list、tuple、dict、set、文件对象

文件对象本身就是迭代器对象（所以文件对象执行内置的__iter__之后还是本身，没有任何变化）

s = 'hello'
l = [1,2,34,]
t = (1,2,34)
s1 = {1,2,3,4}
d = {'name':'jason'}

res = s.__iter__()
res1=l.__iter__()
res2=t.__iter__()
res3=s1.__iter__()
res4=d.__iter__()

可迭代对象执行内置的__iter__方法得到就是该对象的迭代器对象。

迭代器对象

1.内置有__iter__方法

2.内置有__next__方法

补充：迭代器一定是可迭代对象，可迭代对象不一定是迭代器。

l=[1,2,3,4]
iter_l=l.__iter__()  # 用__iter__将可迭代对象转换成一个迭代器对象
print(iter_l.__next__())  # 迭代器取值，调用__next__
print(iter_l.__next__())  # 调用一次取一个
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())  # 如果取完了直接报错StopIteration

迭代器对象无论执行多少次__iter__方法得到的还是迭代器对象本身。

关于异常处理机制

d = {'name':'jason','password':'123','hobby':'泡m'}
iter_d = d.__iter__()  # 将字典变成迭代器对象

while True:
    try:
        print(iter_d.__next__())  # 循环取值
    except StopIteration:  # 异常处理，当出现的异常和你在except后面写的一样时则继续执行下面的代码
        print('取完了'
        break        

迭代器取值的特点：只能依次向后取，不能后退。

for循环的内部本质

d = {'name':'jason','password':'123','hobby':'泡m'}
for i in d:
    print(i)
# for 循环后面的in跟的是一个可迭代对象　

for循环内部的本质：

1、将in后面的对象调用__iter__转换成迭代器

2、调用__next__迭代取值

3、内部有异常捕获StopIteration，当__next__报这个错，自动循环结束

问:__iter__方法就是用来帮我们生成迭代器对象，而文件对象本身就是迭代器对象,为什么还内置有__iter__方法???

原因：for循环中跟在in后面的必须可以调用内置的__iter__。所以文本文件是迭代器对象而且内置__iter__，所以迭代器对象无论执行多少次__iter__也还是自己本身。

#总结
#可迭代对象:内置有__iter__方法的
#迭代器对象:既内置有__iter__也内置有__next__方法

#优点：1、不依赖索引取值
#     2、内存中永远只占一份空间，不会导致内存溢出
#缺点：1、不能获取指定的元素
#     2、取完之后会报StopIteration错

生成器

本质就是迭代器，是用户自定义的迭代器

def func():
    print('first')
    yield 666  # yield后面跟的值就是调用迭代器__next__方法你能得到的值
    print('second')
    yield  777，888,999  # yield既可以返回一个值也可以返回多个值 并且多个值也是按照元组的形式返回
    yield
# 函数内如果有yield关键字,那么加括号执行函数的时候并不会触发函数体代码的运行

g=func()  # 生成器初始化:将函数变成迭代器
print(g.__next__())  # 输出为666
print(g.__next__())  # 输出为(777, 888, 999)
print(g.__next__())  # 输出为None

当函数内有yield关键字的时候，调用该函数不会执行函数体代码，而是将函数变成生成器。

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，是挂起函数的状态，也就是下次可以接着这里执行。

#yield
#    1.帮你提供了一种自定义生成器方式
#    2.会帮你将函数的运行状态暂停住
#    3.可以返回值

#与return之间异同点
#      相同点:都可以返回值,并且都可以返回多个
#      不同点:
#             yield可以返回多次值,而return只能返回一次函数立即结束
#             yield还可以接受外部传入的值

#yield支持外界为其传参
def dog(name):
    print('%s 准备开吃'%name)
    while True:
        food = yield
        print('%s 吃了 %s'%(name,food))
g = dog('egon')
g.__next__()  # 必须先将代码运行至yield 才能够为其传值
g.send('狗不理包子')  # 给yield左边的变量传参  触发了__next__方法
g.send('饺子')
>>>:egon 准备开吃
    egon 吃了 狗不理包子
    egon 吃了 饺子        

生成器表达式

res = (i for i in range(1,10) if i != 4)  # 生成器表达式
print(res)
print(res.__next__())
print(res.__next__())
print(res.__next__())
print(res.__next__())
##把列表解析的[]换成()得到的就是生成器表达式

不调用__next__方法 生成器内部代码一句都不会运行

生成器表达式通常用在获取较大容器类型数据的时候

#自定义range功能
def my_range(start, end, step=1):
    while start < end:
        yield start
        start += step

面向过程编程

面向过程编程:就类似于设计一条流水线
　　好处:
　　　　将复杂的问题流程化 从而简单化
　　坏处:
　　　　可扩展性较差 一旦需要修改 整体都会受到影响