【python之路29】python生成器generator与迭代器

补充：2020年3月1日

一、迭代器--补充

li = [11,22,33]
bol = "__iter__" in dir(li)
print(bol)  #如果__iter__在list功能里面表示li是可迭代的

#li是可迭代的，但li不是迭代器
it = li.__iter__()
print(it)  #<list_iterator object at 0x0000026F5CFFEA58>，则it是个迭代器
#print(it.__next__())  #迭代器可以用it.__next__()一个一个的按顺序取值

#迭代器的内部取值原理
while True:
    try:
        print(it.__next__())
    except StopIteration:
        break

#总结：可迭代的对象不一定是迭代器，例如list,单迭代器一定是可迭代的

二、生成器---补充

生成器，可以取迭代循环，实质上生成器是迭代器

send(1) 的用法与__next__()用法基本一样，唯一的区别是，先发送一个值给上一个yield然后再向下执行：

def func():

    print('11')

    aa = yield 1

    print(aa)

    print('22')

    bb = yield 2

    print(bb)

    print('33')

    yield 3

gen = func()  # 运行后gen是生成器

gen.__next__()

gen.send("aa")

gen.send("bb")

# 运行结果：

# 11

# aa

# 22

# bb

#

一、python生成器

python生成器原理：

只要函数中存在yield,则函数就变为生成器函数

#!usr/bin/env python

# -*- coding:utf-8 -*-

def xrange():

    print('')

    yield 1

    print('')

    yield 2

    print('')

    yield 3

r = xrange()  #不执行，产生一个生成器，注意xrange不是生成器，r才是生成器

print(r)  #<generator object f1 at 0x0000017D4A1D1CA8>

re = r.__next__()

print(re) #打印输出11 1，生成器执行完yield后暂停执行，当再次执行__next__()时，从上一个yield后面继续执行

re = r.__next__()

print(re) #打印输出11 1

re = r.__next__()

print(re) #打印输出11 1

python2.7中xrange的原理

#!usr/bin/env python

# -*- coding:utf-8 -*-

def xxrange(n):

    num = 0

    while True:

        if num == 5:

            return

        yield num

        num += 1

r = xxrange(5)

re1 = r.__next__()

re2 = r.__next__()

re3 = r.__next__()

re4 = r.__next__()

re5 = r.__next__()

print(re1,re2,re3,re4,re5)  #打印0 1 2 3 4

2.7版本xrange完全实现：

#!/ufr/bin/env python

# -*- coding:utf-8 -*-

def xxrange(n1,n2=None):

    if n2 is None:

        n = 0

        while n < n1:

            yield n

            n = n + 1

    else:

        n = n1

        while n1 <= n < n2:

            yield n

            n = n + 1

#bb = xxrange(5)

for i in xxrange(1,5):

    print(i)

1、迭代器

迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退，不过这也没什么，因为人们很少在迭代途中往后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件

特点：

访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容
不能随机访问集合中的某个值，只能从头到尾依次访问
访问到一半时不能往回退
便于循环比较大的数据集合，节省内存

>>> a = iter([1,2,3,4,5])

>>> a

<list_iterator object at 0x101402630>

>>> a.__next__()

1

>>> a.__next__()

2

>>> a.__next__()

3

>>> a.__next__()

4

>>> a.__next__()

5

>>> a.__next__()

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

StopIteration

2、生成器

一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator）；如果函数中包含yield语法，那这个函数就会变成生成器；

def func():

yield 1

yield 2

yield 3

yield 4

上述代码中：func是函数称为生成器，当执行此函数func()时会得到一个迭代器。

>>> temp = func()

>>> temp.__next__()

1

>>> temp.__next__()

2

>>> temp.__next__()

3

>>> temp.__next__()

4

>>> temp.__next__()

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

StopIteration

3、实例

a、利用生成器自定义range

def nrange(num):

temp = -1

while True:

temp = temp + 1

if temp >= num:

return

else:

yield temp

b、利用迭代器访问range

...