python的迭代器和生成器

迭代器、生成器

以下是对迭代器、生成器知识点的笔记

一、迭代器

概念：

（1）、对象必须提供一个__next__方法，执行该方法，要么返回迭代中的下一项，要么就引起一个stopiteration异常，以终止迭代（直接从海丰老师那里抄了过来）

（2）、可迭代对象就是，遵循了迭代器协议的对象就是可迭代对象。

（3）、可迭代对象实现了迭代器协议，python的内部工具（for，sum，min，max等函数）使用迭代器协议访问对象。

（字符串、列表、元组、字典、集合、文件对象）这些原本都不是可迭代对象，只不过for循环的时候调用了他们内部的__iter__方法，把他们变成了可迭代对象，并且捕获了StopInteration异常终止循环而已。

下面分别以字符串，列表，字典来写例子：

#字符串例子
a = 'abcdefg'
new_a = a.__iter__()    ---->通过__iter__方法将字符串变成可迭代对象。

print(new_a.__next__())
print(new_a.__next__())


#列表例子

l = ['a','b','c','d']
new_l = l.__iter__()
print(new_l.__next__())
print(new_l.__next__())

#字典例子

dic = {'a':1,'b':2,'c':3,'d':4}
new_dic = dic.__iter__()

print(new_dic.__next__())   --->字典默认打印的是key值
print(new_dic.__next__())

#输出 
a 
b

二、生成器

什么是生成器：

可以理解为一种数据类型，这种数据类型自动实现了迭代器协议，所以生成器就是可迭代对象

生成器分类及在python中的表现形式：

（1）、生成器函数：使用yield语句而不是return语句返回结果。

（2）、生成器表达式：类似于列表推导，但是生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表

生成器小结：

（1）、生成器是可迭代对象

（2）、实现了延迟计算，省内存

（3）、生成器本质和其他的数据类型一样，都是实现了迭代器协议。只不过生成器附加了一个延迟计算省内存的好处。

例子：

#生成器函数
def test():
    for i in range(10):
        yield i

new_test = test()
print(new_test.__next__())
print(new_test.__next__())
print(new_test.__next__())



#生成器表达式
#注意，生成器表达式是以小括号()来把运算程序括起来的，而不是中括号[]

num=(i for i in range(10))   --->这里也是一个三元表达式

print(num.__next__())
print(num.__next__())
print(num.__next__())

#输出
0
1
2

注意：生成器只能遍历一次，如果要复用数据，生成器是无法完成的　　

生成器函数的总结：

（1）、语法上和函数类似：生成器函数和常规函数几乎一样，差别就在于使用yield语句来返回一个值，而常规函数是用return语句返回

（2）、自动实现迭代器协议：对于生成器，python会自动实现迭代器协议，以便应用到迭代背景中。由于生成器自动实现了迭代器协议，所以我们可以调用他的next方法，当没有值的时候自动产生stopiteration异常

（3）、状态挂起：生成器使用了yield语句返回一个值。yield语句挂起该生成器函数的状态，保留足够的信息，以便只有从他离开的地方继续进行

使用生成器来模拟生产者消费者模型：

#卖包子和吃包子的例子
import time
def client(name):
    print("我是%s,我来吃包子。" % name)
    while True:
        baozi = yield
        print('%s已经把%s吃了' % (name,baozi))


def server():
    c = client('test')
    c.__next__()
    i = 0
    while True:
        print('店家生产了包子%s' % i)
        c.send('包子%s' % i)
        time.sleep(1)
        i+=1

server()