python的迭代器和生成器:面试会问的问题，迭代器和生成器的不同

'''
iterator Demo 迭代器Demo
list tuple set 可迭代对象
'''
import copy

class BookCollection:
    def __init__(self):
        self.data = ['往事', '只能', '回味']
        self.cur = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.cur >= len(self.data):
            raise StopIteration()
        r = self.data[self.cur]
        self.cur += 1
        return r


books = BookCollection()


books_copy = copy.copy(books)#这里涉及到深拷和浅拷

# print(next(books))
# print(next(books))
# print(next(books))

for book in books:
    print(book)

for book in books_copy:
    print(book)

划重点：面试会问的问题，迭代器和生成器的不同

迭代器是针对一个对象的,生成器是针对一个函数的

'''
generator Demo 生成器Demo

'''

# n = [i for i in range(0, 10001)]
n = (i for i in range(0, 10001)) #生成器
print(n)

def gen(max):
    number = 0
    while number <= max:
        number += 1
        yield number


g = gen(10000)
for i in g:
    print(i)

# print(next(g))
# print(next(g))

这种东西的好处就是提升性能，不占内存

汇总

1 迭代器是一个更抽象的概念，任何对象，如果它的类有next方法和iter方法返回自己本身。对于string、list、dict、tuple等这类容器对象，使用for循环遍历是很方便的。在后台for语句对容器对象调用iter()函数，iter()是python的内置函数。iter()会返回一个定义了next()方法的迭代器对象，它在容器中逐个访问容器内元素，next()也是python的内置函数。在没有后续元素时，next()会抛出一个StopIteration异常

2 生成器（Generator）是创建迭代器的简单而强大的工具。它们写起来就像是正规的函数，只是在需要返回数据的时候使用yield语句。每次next()被调用时，生成器会返回它脱离的位置（它记忆语句最后一次执行的位置和所有的数据值）

区别：生成器能做到迭代器能做的所有事,而且因为自动创建了__iter__()和next()方法,生成器显得特别简洁,而且生成器也是高效的，使用生成器表达式取代列表解析可以同时节省内存。除了创建和保存程序状态的自动方法,当发生器终结时,还会自动抛出StopIteration异常