13.前方高能-迭代器和生成器

本节主要内容：

1.迭代器

2.生成器

一、迭代器

我们之前一直再用可迭代对象进行迭代操作，那么到底什么是可迭代对象.本小节主要讨论可迭代对象。首先我们先回顾下目前我们所熟悉的可迭代对象有哪些：

str,list,tuple,dict,set.那么为什么我们可以称他们为可迭代对象呢？因为他们都遵循了可迭代协议，什么是可迭代协议，首先我们先看一段错误代码：

#对的
s ="abc"
for i in s :
    print(i)

#错的
for i in 123:
    print(i)

结果：

Traceback (most recent call last):
 File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 8, in
<module>
 for i in 123:
TypeError: 'int' object is not iterable

  注意看报错信息中有这样一句话.'int' object is not iterable.翻译过来就是整数类型对象是不可迭代的。iterable表示可迭代的，我们可迭代协议，那么如何进行验证你的数据类型是否符合可迭代协议.我们可以通过dir函数来查看类中定义好的所有方法。

s = "我的哈哈哈"
print(dir(s))     #可以打印对象中的方法和函数
print(dir(str))   #也可以打印类中声明的方法和函数

  在打印结果中.寻找__iter__如果能找到，那么这个类的对象就是一个可迭代对象.

['__add__', '__class__', '__contains__', '__delattr__', '__dir__',
'__doc__', '__eq__', '__format__', '__ge__', '__getattribute__',
'__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__',
'__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mod__',
'__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__',
'__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__',
'__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode',
'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index',
'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower',
'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join',
'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind',
'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines',
'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']

我们发现字符串中也可以找到__iter__.继续看一下list,tuple,dict,set

print(dir(tuple))
print(dir(list))
print(dir(open("护士少妇嫩模.txt")))    #文件对象
print(dir(set))
print(dir(dict))

结果：
['__add__', '__class__', '__contains__', '__delattr__', '__dir__',
'__doc__', '__eq__', '__format__', '__ge__', '__getattribute__',
'__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__',
'__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__',
'__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmul__',
'__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'count',
'index']
['__add__', '__class__', '__contains__', '__delattr__', '__delitem__',
'__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__',
'__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__',
'__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__',
'__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__',
'__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__',
'__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count',
'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
['_CHUNK_SIZE', '__class__', '__del__', '__delattr__', '__dict__',
'__dir__', '__doc__', '__enter__', '__eq__', '__exit__', '__format__',
'__ge__', '__getattribute__', '__getstate__', '__gt__', '__hash__',
'__init__', '__init_subclass__', '__iter__', '__le__', '__lt__', '__ne__',
'__new__', '__next__', '__reduce__', '__reduce_ex__', '__repr__',
'__setattr__', '__sizeof__', '__str__', '__subclasshook__', '_checkClosed',
'_checkReadable', '_checkSeekable', '_checkWritable', '_finalizing',
'buffer', 'close', 'closed', 'detach', 'encoding', 'errors', 'fileno',
'flush', 'isatty', 'line_buffering', 'mode', 'name', 'newlines', 'read',
'readable', 'readline', 'readlines', 'seek', 'seekable', 'tell',
'truncate', 'writable', 'write', 'writelines']
['__and__', '__class__', '__contains__', '__delattr__', '__dir__',
'__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__',
'__hash__', '__iand__', '__init__', '__init_subclass__', '__ior__',
'__isub__', '__iter__', '__ixor__', '__le__', '__len__', '__lt__',
'__ne__', '__new__', '__or__', '__rand__', '__reduce__', '__reduce_ex__',
'__repr__', '__ror__', '__rsub__', '__rxor__', '__setattr__', '__sizeof__',
'__str__', '__sub__', '__subclasshook__', '__xor__', 'add', 'clear',
'copy', 'difference', 'difference_update', 'discard', 'intersection',
'intersection_update', 'isdisjoint', 'issubset', 'issuperset', 'pop',
'remove', 'symmetric_difference', 'symmetric_difference_update', 'union',
'update']
['__class__', '__contains__', '__delattr__', '__delitem__', '__dir__',
'__doc__', '__eq__', '__format__', '__ge__', '__getattribute__',
'__getitem__', '__gt__', '__hash__', '__init__', '__init_subclass__',
'__iter__', '__le__', '__len__', '__lt__', '__ne__', '__new__',
'__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__',
'__sizeof__', '__str__', '__subclasshook__', 'clear', 'copy', 'fromkeys',
'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']

我们发现这几个可以进行for循环的东西都有__iter__函数，包括range也有，可以自己试一下.

综上.我们可以确定，如果对象中有__iter__函数，那么我们认为这个对象遵守了可迭代协议.就可以进行迭代.这里的__iter__是帮助我们获取到对象的迭代器，我们使用__next__()来获取到一个迭代器中的元素，我们之前讲的for的工作原理到底是什么？继续看代码

s = "我爱北京天安门"
c = s.__iter__()   #获取迭代器
print(c.__next__())  #使用迭代器进行迭代，获取一个元素  我
print(c.__next__())  # 爱
print(c.__next__())  # 北
print(c.__next__())  # 京
print(c.__next__())  # 天
print(c.__next__())  # 安
print(c.__next__())  # 门
print(c.__next__())  # StopIteration

我们可以把要迭代的内容当成子弹，然后呢，获取迭代器__iter__()，就是子弹都装在弹夹中，然后发射就是__next__()把每一个子弹(元素)打出来.也就是说，for循环的时候，一开始的时候是__iter__()来获取迭代器，后面每次获取元素都是通过__next__()来完成，当程序遇到Stoplteration将结束循环.

二.生成器

什么是生成器,生成器是指就是迭代器

在python中有三种方式来获取生成器：

1.通过生成器函数

2.通过各种推导式来实现生成器

3.通过数据的转换也可以获取生成器

今天，我们主要使用生成器函数来完成生成器的创建和使用

首先，我满先看一个很简单的函数：

def func():
    print("111")
    return 222


ret = func()
print(ret)

结果：
111
222

将函数中的return换成yield就是生成器

def func():
    print("111")
    yield 222


ret = func()
print(ret)

结果：

<generator object func at 0x0067AF90>

运行的结果和上面不一样，为什么呢，由于函数中存在了yield，那么这个函数就是一个生成器函数，这个时候，我们再执行这个函数的时候，就不再是函数的执行了，而是获取这个生成器.如何使用呢？想一想迭代器，生成器的本质就是迭代器，所以.我们可以直接执行__next__()来执行以下生成器。

def func():
    print("111")
    yield 222


gener = func()  # 这个时候函数不会执行，而是获取到生成器
ret = gener.__next__()  # 这个时候函数才会执行，yield的作用和return一样，也是返回数据
print(ret)

结果：
111
222

那么我们可以看到，yield和return的效果是一样的，有什么区别呢？yield是分段来执行一个函数，return呢？直接停止执行函数。

def func():
    print("111")
    yield 222
    print("333")
    yield 444


gener = func()
ret = gener.__next__()
print(ret)
ret2 = gener.__next__()
print(ret2)
ret3 = gener.__next__()  # 最后一个yield执行完毕，再次__next__()程序报错，也就是说，return无关了
print(ret3)

结果：
Traceback (most recent call last):
222
333
 File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 55, in
<module>
444
 ret3 = gener.__next__() # 最后⼀个yield执⾏完毕. 再次__next__()程序报错, 也
就是说. 和return⽆关了.
StopIteration

当程序运行完最后一个yield，那么后面继续进行__next__()程序会报错.

好了生成器说完了，生成器有什么作用呢？我满来看这样一个需求，老男孩想JACK JONES订购10000套学生服，JACKJONES就比较实在，直接造出10000套衣服。

def cloth():
    lst = []
    for i in range(0, 10000):
        lst.append("衣服" + str(i))
    return lst


c1 = cloth()
print(c1)

但是呢,问题来了，老男孩现在没有这么多学生啊，一次性给问我这么多，我往哪里放啊，很尴尬啊，最好的效果是什么样呢？我要1套，你给我一套，一套工10000套，是不是很完美的

def cloth():
    for i in range(0, 10000):
        yield "衣服" + str(i)


c1 = cloth()
print(c1.__next__())
print(c1.__next__())
print(c1.__next__())
print(c1.__next__())

区别：第一种是直接一次性全部拿出来，会很占内存，第二种使用生成器，一次就一个，用多少生多少，生成器是一个一个的指向下一个，不会回去，__next()到哪，指针就指到那儿，下一次继续获取指针指向的值。

接下来我们来看send方法。send和__next__()一样都可以让生成器执行到下一个yield。

def eat():
    print("我吃什么啊")
    a = yield "馒头"
    print(a)
    b = yield "大饼"
    print(b)
    c = yield "韭菜盒子"
    print(c)
    print("程序结束")
    yield "GAME OVER"


gen = eat()  # 获取生成器
ret1 = gen.__next__()
print(ret1)
ret2 = gen.send("胡辣汤")
print("ret2")
ret3 = gen.send("狗粮")
print(ret3)
ret4 = gen.send("猫粮")
print(ret4)

send 和__next__()区别：

1.send和next()都是让生成器向下走一次

2.send可以给上一个yield的位置传递值，不能给最后一个yield发送值，在第一次执行生成器代码的时候不能使用send()