python -迭代器和生成器

可迭代对象

如何判断一个对象是不是可迭代对象：
方法一：isinstance(obj, Iterable)
方法二：看有没有__iter__方法

迭代器

如何判断某个对象是不是迭代器：
方法一：ininstance(obj, Iterator)
方法二：看对象有没有__iter__属性和__next__属性。
迭代器协议：

1. 迭代器类型必须实现__iter__和__next__（python 2是next）
2. __iter__方法必须返回self
3. __next__必须返回下一个值，如果没有下一个则抛出StopIterator异常
4. 对迭代器进行for操作时，每次操作都会执行__next__方法
5. 只能迭代一遍。
6. for语句的迭代，会忽略StopIteration异常。

from typing import Iterator

obj = range(1,2)
obj1 = iter(range(1,2)) #把range(1,2)转化为Iterator类型

for attr in dir(obj1):
	 print(attr)  #包含__iter__属性和__next__属性
 
print(isinstance(obj,Iterator))  # False
print(isinstance(obj1,Iterator)) #True

自己动手实现一个迭代器

# range(1,5)  1,2,3,4,5
# next(5) 1,2,3,4
class Next(object):
	def __init__(self, stop, start=0):
		self.start = 0
		self.stop = stop
		
	def __next__(self):
		"""如果有下一个数则返回下一个参数，如果没有下一个则抛出StopIteration异常"""
		if self.start >= self.stop -1:
			raise StopIteration
		self.start +=1
		return self.start
	
	def __iter__(self):
		return self

if __name__=='__main__':
	obj = Next(5)
	for i,value in enumerate(obj): # 将索引和值都迭代出来
		print(i, value) 
	for i in obj:
		print(i)
	# print(obj.__next__())		
	# print(obj.__next__())	
	# print(obj.__next__())	
	# print(obj.__next__())	
	# print(obj.__next__())	

迭代器的应用场景

1. list存1~10000的数据，占10000个整数的内存，而迭代器，占用几个整数的内存。
2. 用Python批量下载图片的爬虫，把所有图片都放到list中，占用内存；每获得一个图片，保存一个图片。
   类似装水，要把一桶水用杯子转移到另一个水桶中，
   list：50个杯子一次装50杯倒进另一个水桶里。
   迭代器：一个杯子，装50次依次倒入另一个水桶。

生成器

生成器的意义：为了快速方便地创建一个迭代器。
yield关键字，实现快速创建迭代器
yield在函数中用
如果一个函数中有yield关键字，调用函数的时候不会执行函数的内容，会返回一个对象，这个对象的类型是生成器类。
生成器一定是一个迭代器。
生成器是如何执行的？
yield和return的区别？
共同点：都是Python关键字
不同点：return是结束函数并返回值，yield是暂时离开函数，遇到__next__以后还会回到函数。
当要访问生成器的__next__方法时，函数会变成running状态，当执行完yield时会暂时离开函数，函数变成非running（挂起）。只有再次执行生成器__next__方法时，函数才会被唤醒。
什么时候会执行生成器对象的__next__方法呢？获取生成器下一个值的时候。

自己动手实现生成器

# 手动实现平方，传参（1,3），返回1,4，9
# 常规方法
result = []
for i in [1,2,3]:
	result.append(i*i)
print(result)

# 迭代器实现
class Squares(object):
	def __init__(self, start, stop):
		self.start = start
		self.stop = stop
		
	def __iter__(self):
		return self
		
	def __next__(self):
		if self.start >=self.stop+1:
			raise StopIteration
		current = self.start * self.start
		self.start +=1
		return current
# 生成器实现
def  squares(start, stop):
	for i in range(start, stop + 1):
		yield i * i
# 生成器表达式实现：⽣生成器表达式和列表推导式的语法基本上是⼀样的. 只是把[]替换成() 
squares2 = (i * i for i in range(1, 4))
	 
if __name__ == '__main__':
	# iterator = Squares(1,3)
	iterator = squares(1,3)
	for i, value in enumerate(iterator):
		print(i, value)