一.迭代器
只要对象本身有_iter_()_方法，那它就是可迭代的
执行__iter__就会生成迭代器
迭代器有__next__用于获取值
__next__超出界限了会报StopIteration异常
迭代器是一次性的, 且只能一直往前迭代
获取生成器的方法：
迭代器 = 可迭代对象.__iter__()
迭代器 = iter(可迭代对象)
生成器获取下一个值的方法：
迭代器.__next__()
next(迭代器)
获取异常
d = {'a':1, 'b':2,'c':3}
i = iter(d)
while True:
try:
print(next(i))
except StopIteration:
break
for中的迭代器：
for循环中in后面的就是迭代器
实际上对于不是迭代器的for循环会自动处理成迭代器, 且在for中自动处理异常现象
d = {'a':1, 'b':2,'c':3}
for i in d:
print(i)
文件的迭代器：
文件句柄本身就是一个迭代器
迭代器既含有__next__也含有__iter__
常用数据类型与迭代器：
可迭代对象：
字符串, 列表, 元组, 字典, 集合, 文件
迭代器：
文件
判断方法：
from collections import Iterable,Iterator
f=open('file')
#判断可迭代的print(isinstance(f,Iterable))
#查看是否是迭代器print(isinstance(f,Iterator))
二.生成器
生成器是在函数中, 修改return为yield
效果：
执行该函数之后, 并没有执行该函数体
执行之后, 会返回一个生成器
生成器调用next()函数之后, 会执行函数体到yield语句位置
再调用next()函数之后, 会接着上次yield的位置继续执行函数体
使用for循环调用生成会一次循环就是执行到一个yield
生成器是迭代器的一种
生成器一样可能会产生StopIteration异常, 需要在执行next()语句中加入异常处理
def ger(max):
for i in range(max):
yield i
g = ger(2)
try:
print(next(g))
print(next(g))
print(next(g))
print(next(g))
except StopIteration:
print("done")
生成器的应用
模拟tail -f的效果
import time def tail(file):
with open(file, "r") as f:
f.seek(0, 2)
while True:
line = f.readline().strip()
if line:
yield line
else:
time.sleep(0.3)
continue g = tail('file')
for line in g:
print(line.strip())
模拟tail -f | grep的效果
import time def tail(file):
with open(file, "r") as f:
f.seek(0, 2)
while True:
line = f.readline().strip()
if line:
yield line
else:
time.sleep(0.3)
continue def grep(pattern,lines):
for line in lines:
if pattern in line:
yield line g = tail('file')
g1 = grep('info', g) for line in g1:
print(line.strip())
三.协程函数
协程函数的定义:
在生成器的基础上, 针对yield转换为赋值语句
具体的表现形式如下
def eater(name):
print(name)
while True:
food, soup = yield
print("start to eat", food, soup)
print("done") g = eater("egon") next(g) g.send(("咖喱鸡肉盖饭","酸梅汤"))
协程函数的作用：
yield 后面继续可以添加返回值
yield前面的内容可以通过send函数来传递参数
参数的个数和顺序要和定义的一致, 且不能有空缺