生成器
仅仅拥有生成某种东西的能力，如果不用__next__方法是获取不到值得。
创建一个生成器函数
>>> def scq():
... print("11")
# 当函数代码块中遇到yield关键字的时候，这个函数就是一个生成器函数
... yield 1
... print("22")
... yield 2
... print("33")
... yield 3
...把生成器赋值给一个对象
>>> r = scq()
查看r的苏剧类型并且输出r的值
>>> print(type(r),r) <class 'generator'> <generator object scq at 0x000001F117D8DF10>
当执行生成器的__next__的时候，代码会按照顺序去执行，当执行到yield时会返回并提出，yield后面的值就是返回值，然后记录代码执行的位置，并退出
>>> ret = r.__next__() 11
第二次执行的时候会根据上次代码执行的位置继续往下执行
>>> ret = r.__next__() 22 >>> ret = r.__next__() 33
如果__next__获取不到值的时候就会报StopIteration错误
>>> ret = r.__next__() Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
利用生成器创建一个类似xrange的功能
代码
# 创建一个生成器函数，函数名是range，n是传入的参数，也是输出的数的最大值 def range(n): # 默认从0开始 start = 0 # 进入while循环，如果最小值小于最大值就进入循环 while start < n: # 第一次返回start，下面代码不执行 yield start # 第二次进来的时候start = start + 1，然后进入下一次循环 start += 1 # 停止的参数为5 obj = range(5) # 第一个数赋值给n1 n1 = obj.__next__() # 第二个数赋值给n2 n2 = obj.__next__() # 第三个数赋值给n3 n3 = obj.__next__() # 第四个数赋值给n4 n4 = obj.__next__() # 第五个数赋值给n5 n5 = obj.__next__() # 输出这五个数的值 print(n1,n2,n3,n4,n5)
执行结果
C:\Python35\python.exe F:/Python_code/sublime/Week5/Day03/s1.py 0 1 2 3 4 Process finished with exit code 0
迭代器
具有访问生成器的能力，可以访问到生成器的值，类似于生成器的__next__方法，一个一个值一个值得去迭代，只能够按照顺序的去查找。
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
优化上面range或xrange的生成器
def irange(start, stop, step=1): while start != stop: yield start start += step else: raise StopIteration for n in irange(1, 10): """for循环只要遇到StopIteration就会停止""" print(n)ret = irange(1, 20) print(ret) # 返回一个生成器，相当于只在内存中创建了一个值 print(list(ret)) # 如果想要得到全部的值，变成列表就可以
/Library/Frameworks/Python.framework/Versions/3.5/bin/python3.5 /Users/ansheng/MyPythonCode/hello.py123456789<generator object irange at 0x1021df7d8>[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]Process finished with exit code 0
