一、Iterable(可迭代对象)：
1、什么叫可迭代对象？
- 能够进行迭代操作的对象，可迭代对象（能够使用for循环遍历的都是可迭代对象）
2、python中哪些是可迭代对象？
- 序列类型（元组、列表、字符串，range）
- 字典、集合
- 文件对象(open(xx))
- 实现了迭代协议(__iter__方法)的对象
# 1.实现了迭代协议(__iter__方法)的对象
class Myclass:
pass
# 实现迭代协议
def __iter__(self):
return iter([11,12,13])
my = Myclass()
for i in my:
print(i)
如果不使用迭代协议，注释掉函数去执行，会报错提示不是这不是一个可迭代对象
- 实现了序列语义方法(getitem)的对象
# 2.实现了序列语义方法(__getitem__)的对象
class Myclass2:
value = [11,12,13]
# 实现序列语义方法(__getitem__)的对象
def __getitem__(self,item):
return self.value[item]
my1 = Myclass2()
for i in my1:
print(i)
如果不使用迭代协议，注释掉函数去执行，会报错提示不是这不是一个可迭代对象
注意：所有的可迭代对象，都可以使用内置函数iter转换为迭代器
3、迭代协议：
- 对象定义了一个 iter 方法的，那么这个对象就实现了迭代协议， iter 方法的返回值必须是一个迭代器
4、迭代器协议:
-
迭代器协议由一个 iter 方法和 next 方法共同构成。
-
现了这两个方法的对象就实现了迭代器协议
1.对象实现了迭代协议的对象 2.对象实现了 __next__ 方法， __next__ 方法在迭代完所有数据之后，会抛出StopIteration 的错误信息。
二、 Iterator(迭代器)：
1、 什么是迭代器？
- 实现了迭代器协议的对象(__iter__方法和__next__方法),称之为迭代器
- 能够使用内置函数next进行逐个迭代数据的对象，称之为迭代器
2、迭代器的2个特性：
- 迭代器内部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进行迭代会抛出异常(StopIteration)
print("==================== Iterator(迭代器) =========================")
li = [111, 22, 33, 44, 55] # 列表
# 将可迭代对象转换为迭代器
itor = iter(li) # 将li这几个列表转换为为迭代器
print(next(itor)) # 使用next读取数据，读取一个减少一个，不能重复读取
print(next(itor))
print(next(itor))
print(next(itor))
print("===============================================")
for i in itor:
print('列表里还未被next读取的数据:',i) # 打印的数据为55
迭代器内部数据已经迭代全部迭代完，再次用next进行迭代会抛出异常(StopIteration)
三、 Generator(生成器):
1、什么是生成器？
- 生成器是迭代器的子类，可以把他当成一种特殊的迭代器，生成器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 :
1. 函数中使用了关键字 yield 的函数，都称之为生成器函数， 2. 生成器函数调用时不会直接执行，直接返回一个生成器对象（提示：
） 3.
# 生成器实际语法应用
g = (i for i in range(3))
print(next(g))
print(next(g))
print(next(g))
# 生成器函数
def work():
print("-------1-------")
yield 1
print('-------2-------')
yield 2
res = work()
print(res) # 打印直接返回的是一个生成器对象()
3、生成器有什么应用场景？
- 在程序中使用 上万级别的数据时，用生成器来保存数据可以显著的减少内存开销
- 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）
注意点：生成器内部不直接保存数据，只存储生成数据的规则(算法)，使用next去获取才会生成(用的时候才生成)
