python高级之多任务3（协程1）

python高级之多任务3（协程1）

3.4协程

3.4.1迭代

（1）迭代:使用for循环遍历取值的过程叫做迭代

（2）可迭代对象:能够使用for循环遍历取值的对象叫做可迭代对象

（3）可迭代的对象有:列表,元组，字典，字符串，集合，range

（4）判断对象是否是可迭代对象

可以使用isinstance进行判断，isinstance可用来判断任意数据是否是指定数据类型。如果是指定数据类型则返回True，否则返回False。在判断对象是否是可迭代对象的时候需要导入：from collections import Iterable

如：result = isinstance([4, 6], Iterable)

print(“列表是否是可迭代类型:”, result)

判断对象是否是迭代器

此时需要导入：from collections import Iterator

result = isinstance(student_iterator, Iterator)

print(“student_iterator:”, result)

（5）自定义可迭代对象

在类里面提供__iter__的方法创建的对象就是可迭代对象

可迭代对象的本质：可迭代对象之所以能把数据迭代出来是通过迭代器完成的

（6）自定义迭代器对象

迭代器作用：记录当前数据的位置，以便获取下一个位置的值

自定义迭代器对象: 在类里面提供__iter__和__next__的方法创建的对象就是迭代器对象

（7）iter()函数与next()函数

可以通过iter()函数获取这些可迭代对象的迭代器。可以对获取到的迭代器不断使用next()函数来获取下一条数据。当已经迭代完最后一个数据之后，再次调用next()函数会抛出StopIteration的异常，来告诉所有数据都已迭代完成，不用再执行next()函数了。

iter()函数: 获取可迭代对象身上的迭代器, 会调用可迭代对象的__iter__方法

next()函数： 获取迭代器对象的下一个值, 会调用迭代器对象的__next__方法

（8）for…in…的本质

for循环的本质: 如果遍历的对象是可迭代对象，那么会通过iter函数获取对应的迭代器，然后通过next函数获取迭代器中的每一个值

如果遍历的对象是迭代器，那么直接使用next函数获取迭代器中每一个值

for循环内部自己捕获停止迭代异常(StopIteration),while循环取值的时候没有捕获该异常

（9）并不是只有for循环能接收可迭代对象

除了for循环能接收可迭代对象，list、tuple等也能接收

（10）迭代器的应用场景

如：迭代器可完成斐波那契数列的生成

代码实现：

# 定义迭代器

class Fibonacci(object):

 

# num:表示要生成fibonacci数列的个数

def __init__(self, num):

​    self.num = num

# 保存前两个值

​    self.a = 0

​    self.b = 1

# 记录生成数字的下标

​    self.current_index = 0

 

def __iter__(self):

​    return self

 

def __next__(self):

​    if self.current_index < self.num:



 

​        result = self.a

​        self.a, self.b = self.b, self.a + self.b

​        self.current_index += 1

​        return result

​    else:

# 抛出停止迭代的异常

​        raise StopIteration

 

# 创建迭代器对象

fib = Fibonacci(5)

 

for value in fib:

print(value)

（11）扩展：获取默认支持递归的次数

import sys

count = sys.getrecursionlimit()

print(count)

设置递归次数

sys.setrecursionlimit(2000)

count = sys.getrecursionlimit()

print(count)

3.4.2生成器

生成器是一个特殊的迭代器，也就是说可以使用next和for循环获取生成器值

（1）创建生成器的方式1：把列表推导式的中括号改成小括号就是生成器

如：g = (i * 2 for i in range(5))

print(g)

next取生成器的值

value = next(g)

print(value)

for循环依次取生成器中的每一个值

for value in g:

print(value)

（2）创建生成器的方式2：在def里面包含yield关键字创建的对象就是生成器

注意：代码执行到yield会暂停，然后把结果返回出去，再次启动生成器是在暂停的位置继续往下执行。生成器使用return关键字没有问题，但是执行到return语句的时候会抛出停止迭代的异常。return关键字只能在python3里面支持，python2不支持return关键字

如：

…

yield result

…

try:

启动生成器取下一个值

result = next(fib)

print(result)

except StopIteration as e:

获取return返回值

print(e.value)

总结：yield 和 return的区别

yield 特点：每次启动生成器的时候返回一次值，多次启动生成器可以返回多次值

return 特点：代码执行到return会抛出停止迭代的异常，只能返回一次值

（3）生成器应用场景

如：生成器可完成斐波那契数列的生成

代码实现：

##### 定义生成器

def fibonacci(num):

##### 保存前面两个值

a = 0

b = 1

##### 记录生成的索引

current_index = 0

print("----11-----")

##### 循环判断条件是否成立

while current_index < num:

​    result = a

​    a, b = b, a + b

​    current_index += 1

​    print("----22-----")

##### 代码执行到yield会暂停，然后把结果返回出去，再次启动生成器是在暂停的位置继续往下执行

​    yield result

​    print("----333-----")

##### 提示：函数直到return表示函数执行完成，后面有再多的代码也不执行

##### return result

 

fib = fibonacci(5)

 

for value in fib:

print(value)

（4）send方法启动生成器传递参数

result = fib.send(None)

print(result)

result = fib.send(“ok”)

print(result)

注意：send启动生成器可以传参，但是第一次使用send启动生成器传的参数必须是None，因为第一次没有办法接收参数

提示：一般情况下第一次启动生成器使用next