一、Iterable（可迭代对象）
1、可迭代对象：能够进行迭代操作的对象。
- 可以理解为：能够使用for循环遍历的都是可迭代对象；**
- 所有的可迭代对象，偶可以用内置函数iter转换为迭代器**
2、可迭代对象包括：
- 序列类型：元组、列表、字符串、range
- 字典、集合
- 文件对象（open(xxx))
- 实现了迭代协议(iter)方法的对象
class Myclass1:"""实现迭代协议"""def __iter__(self):# return iter([111,22,33])m = Myclass1()
for i in m :print(i)
- 实现了序列语义方法(getitem)的对象
class Myclass2:"""实现序列语义"""value = [11,22,33]def __getitem__(self, item):return self.value[item]m = Myclass2()
for i in m :print(i)
二、Iterator（迭代器）
**1、迭代器：**实现了迭代器协议的对象(__iter__方法和__next__方法)。
- 能够使用内置函数next进行逐个迭代数据的对象
li = [111,222,333]
itor = iter(li)
print(next(itor))#每次使用next都能迭代出一个数据
print(next(itor))
2、特性：
- 迭代器内的数据只能迭代一次
- 当迭代器内部的数据，迭代完，，迭代器就会进入停止状态，如果再次通过next进行迭代就会抛出异常（StopIteration)
三、Generator（生成器；常用）
1、生成器：**生成器是迭代器的子类，可以把他当做一种特殊的迭代器，生成器支持支持迭代器所有的操作和特性。
2、生成器定义的方法：
- 生成器表达式
g = (i for i in xxx) - 生成器函数：函数中使用了关键字yield的函数，都称之为生成器函数；生成器函数调用时不会直接执行，会直接返回一个生成器对象
def test1():print("-------------1--------------")yield 1print("%%%%%%%%%%%%%%%%%%%%%%%%%%%%")yield 2res = test1()
print(res)
这时打印出的test1函数为生成器对象
3、生成器的应用场景：
- 在程序中使用上万级别低的数据时，使用生成器来保存数据，可以显著的减少内存开销
- 生成器内部不直接保存数据，只存储生成数据低的规则（算法），使用next去获取才会生成（用的时候才生产）
- 可以使用生成器来实现函数内部的代码分段执行（pytest中的fixture实现，python3.5以前的携程实现
4、运行过程
当效用生成器函数时，他会返回一个生成器对象，该对象可以迭代获取生成器函数中通过yield语句产生的值。每次迭代时，生成器函数会从上一次yield语句的位置继续执行，直到再次遇到yield语句并产生下一个值，当超过迭代器中的数据全部取完以后，再取数据则会报错
5、自动化框架中用到的生成器
使用pytest执行
import pytest@pytest.fixture()
def login_fixture():print("=====用例前置脚本=====")token = 'xxxxxxxx'yield tokenprint("=====用例后置脚本=====")def test_demo(login_fixture):print("=====执行测试用例中=====")
上面的是pytest封装好的夹具功能，下面的代码是模拟完整的使用夹具的过程
from inspect import signaturedef login_fixture():print("=====用例前置脚本=====")token = 'xxxxxxxx'yield tokenprint("=====用例后置脚本=====")def demo(login_fixture):print("=====执行测试用例中=====")if __name__ == '__main__':#自动化测试框架中夹具是如何运行的"""1、框架初始运行时，会对所有夹具进行收集，2、检测用例中是否使用到了夹具，若，则去夹具列表中查询同名的测试夹具3、存在同名测试夹具，，先执行夹具的前置，再执行测试用例，最后执行夹具的后置脚本"""##检测函数中定义的参数res = signature(demo).parametersprint(res)#OrderedDict([('login_fixture', <Parameter "login_fixture">)])params = list(res.keys())print(params)#['login_fixture']#判断参数中是否有同名的测试夹具#for key in params:# pass#如果存在对应的测试夹具，先执行夹具的前置脚本f1 = login_fixture()res = next(f1)#再执行测试用例demo(res)#最后执行夹具的后置脚本try:next(f1)except StopIteration:pass6、生成器的内置方法
- close方法：关闭生成器，关闭后无法再生成数据了
def work():print("-------------1--------------")s1 = yield 1print("-------------2--------------s1=",s1)s2 = yield 2print("%%%%%%%%%%%%%%%%%%%%%%%%%%%%s2=",s2)yield 3res = work()
print(next(res))
res.close()
print(next(res))
- send方法：和内置函数next一样，用来生成数据；但是send方法可以再生成数据的同时和生成器内部进行数据交换
- 使用send方法之前，必须先通过next去生成至少一次数据（通过next去启动生成器）
- send方法必须要传一个参数（值）且只能传一个
- send方法传入的值，会传到生成器内部上一次，挂起的yield处
def work():print("-------------1--------------")s1 = yield 1print("-------------2--------------s1=",s1)s2 = yield 2print("%%%%%%%%%%%%%%%%%%%%%%%%%%%%s2=",s2)yield 3res = work()
print(next(res))
print(res.send('test1'))#执行时先返回已定义的数据
print(res.send('test'))
结果：
- 主动生成器内部抛出异常（了解）
- 当调用 generator.throw(exc_type, exc_value, traceback) 时，会在生成器内部当前暂停的位置引发一个异常。生成器会尝试捕获这个异常，并在适当的位置执行相应的异常处理逻辑。如果生成器内部没有捕获到这个异常，或者异常处理逻辑中抛出了新的异常，那么这个异常会传播到生成器的调用处。
- 相当于在生成器内部上一次挂起的位置，执行raise，抛出异常
generator.throw(exc_type, exc_value=None, traceback=None)- exc_type 表示要抛出的异常类型。- exc_value 表示异常的值，默认为 None。- traceback 表示异常的回溯信息，默认为 None。
PS：
回溯（traceback）信息是指当程序出现异常时，系统会生成一份包含异常发生位置及调用栈信息的报告。这份报告就是回溯信息。
回溯信息通常包含以下内容：
- 异常类型（Exception Type）：表示引发异常的类型，例如TypeError、ValueError等。
- 异常值（Exception Value）：表示异常的具体信息，通常是一个字符串，描述了异常的原因或相关信息。
- 回溯栈（Traceback Stack）：表示调用栈信息，即异常发生时代码的执行路径，从最内部的函数或方法开始，逐步向外展示调用关系。
回溯信息可以帮助开发者追踪和定位异常发生的位置，以及异常抛出时的上下文信息。
在generator.throw()方法中，如果提供了回溯信息（traceback参数），那么该信息将包含在生成器捕获的异常中，使得异常的回溯信息更加完整。如果没有提供回溯信息，则系统会自动生成默认的回溯信息。
)
)
