Python迭代器与生成器研究记录
前言
迭代器肯定是可迭代对象，但是可迭代对象不一定是迭代器，生成器一定是迭代器，但是迭代器不一定是生成器
生成器是特殊的迭代器，所以生成器一定是迭代器，迭代器一定是可迭代对象
我们平常接触最多的对象中，字符串，字典，列表，集合，元组和open打开的文件对象等都是可迭代的对象因为他们都有__iter__()方法，可以遍历
需要注意的是，我们平常接触最多的对象中，字符串，字典，列表，集合，元组等都不是迭代器因为他们都没有__next__()方法，但是open打开的文件对象却是一个迭代器对象
# obj.__next__()方法 等价于next(obj)
# obj.__iter__()方法 等价于iter(obj)test_list = [10, 20, 30, 40]
generator_obj = (i for i in test_list)
print(generator_obj) # <generator object <genexpr> at 0x0000029852C98C00>
print(generator_obj.__next__()) # 10
print(generator_obj.__iter__()) # <generator object <genexpr> at 0x0000027411078C00>
print(next(generator_obj)) # 20
print(iter(generator_obj)) # <generator object <genexpr> at 0x0000027411078C00>
可迭代对象
1.只要内部有__iter__()方法的对象就是可迭代对象如 字符串，字典，列表集合，元组，包括open打开的文件对象也都是可迭代对象
2.或者可以这样说，只要可以转换成迭代器的对象就是可迭代对象
这些都是可迭代对象
test_list = [1, 3, 4, 7]
test_list.__iter__()
test_str = "test_str"
test_str.__iter__()
test_dict = {"1":12}
test_dict.__iter__()
test_set = {"1", "4", "898"}
test_set.__iter__()
with open("file_path", "r") as file_obj:file_obj.__iter__()
可迭代对象调用__iter__()方法会返回一个迭代器，代码如下
test_list = [1, 3, 4, 7]
print(test_list.__iter__())
print(type(test_list.__iter__()))
# 可迭代对象调用__iter__()方法返回的就是一个迭代器
# <list_iterator object at 0x000001CEB3AD5518>
# <class 'list_iterator'>
迭代器
迭代器就是有__iter__()方法和__next()__方法的对象，所以迭代器肯定是可迭代对象，但是可迭代对象不一定是迭代器
迭代器对象调用__next__()方法每次会拿到迭代器里面的一个值并返回，直到全部拿完会报错StopIteration
迭代器对象调用__iter__()方法返回的是迭代器本身(和没调用一样),可迭代但是非迭代器的对象调用__iter__()方法也是返回的是基于这个对象的迭代器
需要注意的是，我们平常接触最多的对象中，字符串，字典，列表，集合，元组等都不是迭代器因为他们都没有__next__()方法，但是open打开的文件对象却是一个迭代器对象
# 迭代器的一个特征就是有__next__()方法
test_list = [1, 3, 4, 7]
# 可迭代对象调用__iter__()方法返回的就是一个迭代器
list_iterator_obj = test_list.__iter__()# 迭代器调用_next__()方法每次就会拿出这个迭代器里面的一个值，直到全部拿完会报错
for i in range(5):print(list_iterator_obj.__next__())# 1
# 3
# 4
# 7
# Traceback (most recent call last):
# File "C:/Users/xxx/Desktop/python_test_dir/test_4.py", line 10, in <module>
# print(list_iterator_obj.__next__())
# StopIteration
迭代器对象调用__iter__()方法返回的是他自己，和没调用一样
# 迭代器的特征就是有__next__()方法
test_list = [1, 3, 4, 7]
# 可迭代对象调用__iter__()方法返回的就是一个迭代器
list_iterator_obj = test_list.__iter__()# 迭代器对象调用__iter__()方法返回的是他自己，和没调用一样
list_iterator_obj2 = list_iterator_obj.__iter__()
print(list_iterator_obj2 is list_iterator_obj) # Trueprint(list_iterator_obj.__next__()) # 1
print(list_iterator_obj.__next__()) # 3
# 注意这里会返回此迭代器对象直接理解为是 list_iterator_obj = list_iterator_obj (因为是返回自己，所以里面剩余的值状态也是一样的)
list_iterator_obj = list_iterator_obj.__iter__()
print(list_iterator_obj.__next__()) # 4
print(list_iterator_obj.__next__()) # 7for 循环遍历的本质可以理解成
1，每次调用此对象的__iter__()方法返回这个对象的迭代器版本
2，调用第一步返回的此迭代器版本的__next__()方法拿出里面的一个值
3，循环执行第二步直到所有元素拿完for 循环捕获结束时抛出的StopIteration异常并结束
生成器
生成器可以理解为自己定义的一个迭代器，可以自定义一个生成器,生成器定义有两种方法
1.函数yield关键字返回，含有yield关键字的函数会返回一个生成器对象，对此对象调用__next__()方法会执行此函数对应的yield关键字之前的代码并且返回yield关键字字后的返回值然后截止，下次调用__next__()方法又可以在上次的基础上继续执行
2.生成器表达式（我们以为的"元组推导式"就是生成器表达式，需要注意元组因为是不可变的所以元组没有推导式，类似元组推导式的形式其实是生成器表达式）
函数yield关键字生成器
def test():print("第一次执行")yield 1print("第二次执行")yield 2print("第三次执行")yield 3print("第四次执行")yield 4print("最后一次执行")# test函数返回一个生成器对象
generator_obj = test()print(generator_obj) # <generator object test at 0x000001B393528C00>print(generator_obj.__next__())
# 第一次执行
# 1
print(generator_obj.__next__())
# 第二次执行
# 2
print(generator_obj.__next__())
# 第三次执行
# 3
print(generator_obj.__next__())
# 第四次执行
# 4
print(generator_obj.__next__())
# 最后一次执行
# Traceback (most recent call last):
# File "C:/Users/xxx/Desktop/python_test_dir/test_4.py", line 51, in <module>
# print(generator_obj.__next__())
# StopIteration
生成器表达式
test_list = [10, 20, 30, 40]
generator_obj = (i for i in test_list)
print(generator_obj) # <generator object <genexpr> at 0x0000029852C98C00>
print(generator_obj.__next__()) # 10
print(generator_obj.__next__()) # 20
print(generator_obj.__next__()) # 30
print(generator_obj.__next__()) # 40
)
