python进阶：可迭代对象和迭代器

田地里的大麦子

已于 2024-03-03 13:46:46 修改

阅读量1.4k

点赞数 18

分类专栏：测开文章标签： python

于 2024-03-03 13:01:04 首次发布

本文链接：https://blog.csdn.net/TDLDDMZ/article/details/136429904

版权

测开专栏收录该内容

3 篇文章 0 订阅

订阅专栏

本文详细介绍了Python中的Iterable、Iterator和Generator概念，包括它们的定义、应用场景、迭代机制和内置方法。重点讲解了如何创建和使用这些对象，以及在自动化测试框架pytest中的应用实例。

摘要由CSDN通过智能技术生成

一、Iterable（可迭代对象）

1、可迭代对象：能够进行迭代操作的对象。

可以理解为：能够使用for循环遍历的都是可迭代对象；**
所有的可迭代对象，偶可以用内置函数iter转换为迭代器**

2、可迭代对象包括：

序列类型：元组、列表、字符串、range
字典、集合
文件对象（open(xxx))
实现了迭代协议(iter)方法的对象

class Myclass1:
	"""
	实现迭代协议
	"""
	def __iter__(self):
		# return iter([111,22,33])
        
m = Myclass1()
for i in m :
	print(i)

实现了序列语义方法(getitem)的对象

class Myclass2:
	"""
	实现序列语义
	"""

	value = [11,22,33]
	def __getitem__(self, item):
		return self.value[item]
        
m = Myclass2()
for i in m :
	print(i)

二、Iterator（迭代器）

**1、迭代器：**实现了迭代器协议的对象(__iter__方法和__next__方法)。

能够使用内置函数next进行逐个迭代数据的对象

li = [111,222,333]
itor = iter(li)
print(next(itor))#每次使用next都能迭代出一个数据
print(next(itor))

2、特性：

迭代器内的数据只能迭代一次
当迭代器内部的数据，迭代完，，迭代器就会进入停止状态，如果再次通过next进行迭代就会抛出异常（StopIteration)

三、Generator（生成器；常用）

1、生成器：**生成器是迭代器的子类，可以把他当做一种特殊的迭代器，生成器支持支持迭代器所有的操作和特性。

2、生成器定义的方法：

生成器表达式 g = (i for i in xxx)
生成器函数：函数中使用了关键字yield的函数，都称之为生成器函数；生成器函数调用时不会直接执行，会直接返回一个生成器对象

def test1():
	print("-------------1--------------")
	yield 1
	print("%%%%%%%%%%%%%%%%%%%%%%%%%%%%")
	yield 2

res = test1()
print(res)

这时打印出的test1函数为生成器对象

3、生成器的应用场景：

在程序中使用上万级别低的数据时，使用生成器来保存数据，可以显著的减少内存开销
- 生成器内部不直接保存数据，只存储生成数据低的规则（算法），使用next去获取才会生成（用的时候才生产）
可以使用生成器来实现函数内部的代码分段执行（pytest中的fixture实现，python3.5以前的携程实现

4、运行过程
当效用生成器函数时，他会返回一个生成器对象，该对象可以迭代获取生成器函数中通过yield语句产生的值。每次迭代时，生成器函数会从上一次yield语句的位置继续执行，直到再次遇到yield语句并产生下一个值，当超过迭代器中的数据全部取完以后，再取数据则会报错

5、自动化框架中用到的生成器

使用pytest执行
import pytest

@pytest.fixture()
def login_fixture():
	print("=====用例前置脚本=====")
	token = 'xxxxxxxx'

	yield token

	print("=====用例后置脚本=====")

def test_demo(login_fixture):
	print("=====执行测试用例中=====")

上面的是pytest封装好的夹具功能，下面的代码是模拟完整的使用夹具的过程

from inspect import signature


def login_fixture():
	print("=====用例前置脚本=====")
	token = 'xxxxxxxx'

	yield token

	print("=====用例后置脚本=====")


def demo(login_fixture):
	print("=====执行测试用例中=====")


if __name__ == '__main__':
	#自动化测试框架中夹具是如何运行的
	"""
	1、框架初始运行时，会对所有夹具进行收集，
	2、检测用例中是否使用到了夹具，若，则去夹具列表中查询同名的测试夹具
	3、存在同名测试夹具，，先执行夹具的前置，再执行测试用例，最后执行夹具的后置脚本
	"""

	##检测函数中定义的参数
	res = signature(demo).parameters
	print(res)#OrderedDict([('login_fixture', <Parameter "login_fixture">)])
	params = list(res.keys())
	print(params)#['login_fixture']

	#判断参数中是否有同名的测试夹具
	#for key in params:
	#	pass
	#如果存在对应的测试夹具，先执行夹具的前置脚本
	f1 = login_fixture()
	res = next(f1)
	#再执行测试用例
	demo(res)
	#最后执行夹具的后置脚本
	try:
		next(f1)
	except StopIteration:
		pass

6、生成器的内置方法

close方法：关闭生成器，关闭后无法再生成数据了

def work():
	print("-------------1--------------")
	s1 = yield 1
	print("-------------2--------------s1=",s1)
	s2 = yield 2
	print("%%%%%%%%%%%%%%%%%%%%%%%%%%%%s2=",s2)
	yield 3

res = work()
print(next(res))
res.close()
print(next(res))

send方法：和内置函数next一样，用来生成数据；但是send方法可以再生成数据的同时和生成器内部进行数据交换
- 使用send方法之前，必须先通过next去生成至少一次数据（通过next去启动生成器）
- send方法必须要传一个参数（值）且只能传一个
- send方法传入的值，会传到生成器内部上一次，挂起的yield处

def work():
	print("-------------1--------------")
	s1 = yield 1
	print("-------------2--------------s1=",s1)
	s2 = yield 2
	print("%%%%%%%%%%%%%%%%%%%%%%%%%%%%s2=",s2)
	yield 3

res = work()
print(next(res))
print(res.send('test1'))#执行时先返回已定义的数据
print(res.send('test'))

结果：

主动生成器内部抛出异常（了解）
- 当调用 generator.throw(exc_type, exc_value, traceback) 时，会在生成器内部当前暂停的位置引发一个异常。生成器会尝试捕获这个异常，并在适当的位置执行相应的异常处理逻辑。如果生成器内部没有捕获到这个异常，或者异常处理逻辑中抛出了新的异常，那么这个异常会传播到生成器的调用处。
- 相当于在生成器内部上一次挂起的位置，执行raise，抛出异常

generator.throw(exc_type, exc_value=None, traceback=None)
    - exc_type 表示要抛出的异常类型。
    - exc_value 表示异常的值，默认为 None。
    - traceback 表示异常的回溯信息，默认为 None。