############### 迭代器 ##############
"""
迭代器
这是一个新的知识点
我们学习过的可以迭代的对象有哪些？
list
str
dict
元组
文件
集合
range()
enumerate
为什么可以被循环？
"""
print(dir([])) # dir可以查看这个数据类型所有的方法
"""
['__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']
"""
# 双下滑线的方法，我们叫做双下方法，
# 都是c语言写的，可以不只一个方式去使用
print([1].__add__([2]))
print([1]+[2])
# 这两句是一样的，
# 正常情况下不使用双下滑线的方法，就可以完成基本的功能了，
# 这些数据类型可以被迭代是因为他们里面内置了一个双下方法，叫做 '__iter__'，只要是能被for循环的数据类型都有这个方法，
print([].__iter__()) # 列表调用了这个方法，就是返回了一个迭代器，<list_iterator object at 0x0000000001DEC048>
list1 = [1,2,3,4]
iterator = list1.__iter__()
print(iterator.__next__()) # 这是读取下一个，一个一个的取值，
# '__iter__'，这是可迭代协议
# 迭代器协议，内部含有'__iter__'，__next__()，这两个方法就是迭代器，
from collections import Iterable
from collections import Iterator print(isinstance([],Iterable)) # true print(isinstance([],Iterator)) # false 列表不是迭代器， # isinstance判断一个数据类型是不是第二个参数， class A: def __iter__(self):pass def __next__(self):pass a = A() print(isinstance(a,Iterable)) print(isinstance(a,Iterator)) # 由此可以证明，只有有__iter__'，__next__()，这两个方法就是迭代器， ######################################################### """ 总结： 迭代器协议，要同时具有__iter__'，__next__()，这两个方法就是迭代器，,可迭代的不一定是迭代器，因为要有next方法， 可迭代协议，只要能被for循环就是可迭代的，如果是迭代器一定是可迭代的，因为里面有iter方法， next方法可以一个一个取值，for循环就是使用迭代器， ##### 在工作中可能会遇到迭代器，你要认识， 第一种是明确告诉了你是一个 iterater，print([].__iter__()) ，<list_iterator object at 0x0000000001DEC048> 第二种就是range(10)这种就是一个迭代器， 只有是迭代器才可以被for循环，可以使用isinstance判断是否是一个迭代器， 迭代器的好处： 1，可以循环取值， 2，节省内存空间，比如 range(100000000), 这个还没有生成，没有在内存中生成，是一个一个给你的， list(range(100000000))，这个需要一次性生成，会消耗内存， 比如文件句柄，也是一个可迭代对象，可以一点一点的读取，一次性读取会内存爆掉， 迭代器很好，既能循环还能节省内存， 在工作中我们会遇到一些情况，不想直接在内存产生，想要一点点的产生，就要用到自己写迭代器 自己写的迭代器就是生成器， """
############### 生成器---生成器函数 ##############
"""
生成器
之前讲的iter方法和next方法，工作中基本不会用到，因为for循环已经做了这件事，
这是为了讲解迭代器的原理，还有就是为了生成器做铺垫，
生成器的本质还是迭代器，就是自己写的迭代器，
有两种方法写生成器
1，生成器函数
2，生成器表达式，
现在研究第一种，生成器函数，
"""
# 1，只要有yield关键字的函数就是生成器函数，
# 2，yield只能写到函数里面，外边不能写，
# 3，yield不能和return共用
# def generator():
# print(1)
# yield "a"
#
# ret = generator()
# print(ret)
# <generator object generator at 0x0000000002256B48>
# 1，只要是生成器函数，调用函数会接收到一个生成器，函数内部的代码是不会执行的，
# 2，这个生成器也有__iter__()，__next__())两个方法，所以生成器也是一个迭代器，
# print(ret.__iter__())
# print(ret.__next__())
# 3，既然是迭代器我就可以使用next方法，这个next就是去执行函数内部的代码了，
def generator(): # 这是一个生成器函数，
print(1)
yield "a"
print(2)
yield "b"
g = generator() # 这是一个生成器
# print(g.__next__()) # 这一步会打印1，a
# print(g.__next__()) # 这一步会打印2，b，
# 1，yield不会把代码结束，return会把代码结束，
# 也可以进行for循环
for i in g:
print(i)
##############################################################
# 需求：生成200个娃哈哈，
def wahaha(): for i in range(2000000): yield "娃哈哈%d"%i g = wahaha() # for i in g: # print(i) # 如果我想要50个怎么办？使用计数器 count = 0 for i in g: count += 1 print(i) if count >50: break # 还可以继续取值 print(g.__next__()) # 如果是列表，就不能继续取值，因为列表不是迭代器，是可迭代对象 ################################################################################# # 监听文件的输入，就是在文件输入一句，就打印一句 # def tail(filename): # f = open(filename, encoding="utf-8") # while True: # line = f.readline() # if line.strip(): # yield line.strip() # # t = tail("file") # # for i in t: # # 拿到了这个i，就可以对它进行处理了，可以判断，可以前后加内容， # print("***",i) # print(i) ############################################################ # 生成器函数进阶 def generator(): # 这是一个生成器函数， print(1) content = yield "a" print("######",content) print(2) yield "b" g = generator() print(g.__next__()) print(g.send("hello")) # send和获取下一个值的效果和next一样，但是可以再执行下一个yield的时候传递一个值， """ 1 a ###### hello 2 b 使用send的注意事项： 1，第一次使用生成器的时候，使用next获取下一个值， 2，最后一个yield，不能接收外部的值，如果你非要接收，那就要最后写一个yield，不需要有返回值， ################ 使用next取值和for循环取值比较常用，send用的比较少，但是要知道， """
############### 生成器---生成器表达式 ##############
# 生成器表达式
# 列表推导式，
list1 = ["鸡蛋%d"%i for i in range(10)]
print(list1)
# 生成器表达式
g = (i for i in range(10))
# g是一个生成器，
# 和列表推导式的不同点
# 1，括号不一样，
# 2，返回值不一样，
# 生成器表达式几乎不占用内容，这是它的优点，缺点就是返回值还是一个表达式，取值需要第二步，
# 生成器表达式只能做简单的事情，想要复杂的功能的生成器还是生成器函数，
# 这些推导式你不会没有任何影响，使用for循环和生成器函数都能解决，只是面试的时候会有，别人的代码会有，所以你要掌握
########################################################
# 各种推导式
# 列表推导式
# 例题1：30以内，所有能被3整除的数
print([i for i in range(31) if i%3 ==0])
# 例题2：30以内，所有能被3整除的数的平方
print([i*i for i in range(31) if i%3 ==0])
# 例题3：找到嵌套列表中名字含有两个‘e’的所有名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'], ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']] print([name for lst in names for name in lst if name.count("e") ==2 ])