def generator(): print(1) return ‘a‘ ret = generator() print(ret)
g = (i for i in range(10)) print(g) for i in g: print(i)
def generator(): print(1) yield ‘a‘
生成器函数 ： 执行之后会得到一个生成器作为返回值
ret = generator() print(ret) print(ret.__next__()) def generator(): print(1) yield ‘a‘ print(2) yield ‘b‘ yield ‘c‘ g = generator() for i in g: print(i) ret = g.__next__() print(ret) ret = g.__next__() print(ret) ret = g.__next__() print(ret)
def wahaha(): for i in range(2000000): yield ‘娃哈哈%s‘%i g = wahaha() g1 = wahaha() print(g.__next__()) print(g1.__next__()) g = wahaha() count = 0 for i in g: count +=1 print(i) if count > 50: break # print(‘*‘,g.__next__()) for i in g: count +=1 print(i) if count > 100: break
def generator(): print(123) content = yield 1 print(‘=======‘, content) print(456) arg = yield 2 ‘‘‘‘‘‘ yield g = generator() ret = g.__next__() print(‘*‘, ret) ret = g.send(‘hello‘) # send的效果和next一样 print(‘*‘, ret)
send 获取下一个值的效果和next基本一致
只是在获取下一个值的时候，给上一yield的位置传递一个数据
使用send的注意事项
第一次使用生成器的时候 是用next获取下一个值
最后一个yield不能接受外部的值
获取移动平均值
def wrapper(func): #在调用被装饰生成器函数的时候首先用next激活生成器 def inner(*args, kwargs): ret = func(*args, kwargs) next(ret) return ret return inner @wrapper def average(): sum = 0 count = 0 avg = 0 while True: num = yield avg sum += num # 10 count += 1 # 1 avg = sum / count avg_g = average() print(avg_g.send(10)) print(avg_g.send(20)) print(avg_g.send(30))
def check_file(filename, aim): with open(filename, mode=‘r‘, encoding=‘utf-8‘) as f: # 句柄 : handler,文件操作符，文件句柄 for i in f.readlines(): if aim in i: yield i g = check_file(‘test.py‘, ‘def‘) for i in g: print(i.strip())
def check_file(filename): with open(filename, mode=‘r‘, encoding=‘utf-8‘) as f: # 句柄 : handler,文件操作符，文件句柄 for i in f.readlines(): yield ‘*‘ + i g = check_file(‘test.py‘) for i in g: print(i.strip())
迭代：可以将某个数据集内的数据“一个挨着一个的取出来”，就叫做迭代。 字符串、列表、元组、字典、集合都可迭代对象 可迭代协议：可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单，就是内部实现了__iter__方法 迭代器：内部含有__next__和__iter__方法的就是迭代器 可迭代的.__iter__()方法就可以得到一个迭代器 迭代器中的__next__()方法可以一个一个的获取值
l = ["12", ‘120‘, ‘119‘, ‘112‘, ‘10086‘, ‘10000‘] iterator = l.__iter__() print(iterator) print(iterator.__next__()) #只要是能被for循环的数据类型 就一定拥有__iter__方法 print([].__iter__()) # 一个列表执行了__iter__()之后的返回值就是一个迭代器 print(dir([])) print(dir([].__iter__())) print(set(dir([].__iter__())) - set(dir([]))) print([1,‘a‘,‘bbb‘].__iter__().__length_hint__()) #元素个数 l = [1,2,3] iterator = l.__iter__() print(iterator.__next__()) print(iterator.__next__()) print(iterator.__next__()) print(iterator.__next__())
从容器类型中一个一个的取值，会把所有的值都取到。 节省内存空间 迭代器并不会在内存中再占用一大块内存， 而是随着循环 每次生成一个 每次next每次给我一个
双下方法 ： 很少直接调用的方法。一般情况下，是通过其他语法触发的
可迭代的 —— 可迭代协议 含有__iter__的方法(‘__iter__‘ in dir(数据))
可迭代的一定可以被for循环
迭代器协议: 含有__iter__和__next__方法
迭代器一定可迭代，可迭代的通过调用iter()方法就能得到一个迭代器
迭代器的特点：
方便逐个取值，一个迭代器只能取一次。
节省内存空间
生成器的本质就是迭代器
生成器的表现形式
生成器函数
生成器表达式
生成器函数：
含有yield关键字的函数就是生成器函数
特点：
调用函数的之后函数不执行，返回一个生成器
每次调用next方法的时候会取到一个值，遇见yield就停止
直到取完最后一个，在执行next会报错
取值：
for ：如果没有break会一直取直到取完
next ：每次只取一个
send ：不能用在第一个，取下一个值的时候给上个位置传一个新的值
数据类型强制转换 ：会一次性把所有数据都读到内存里
生成器表达式
(条件成立想放在生成器中的值 for i in 可迭代的 if 条件)
def generator(): for i in range(20): yield ‘哇哈哈%s‘ % i g = generator() #调用生成器函数得到一个生成器 print(list(g)) ret = g.__next__() #每一次执行g.__next__就是从生成器中取值，预示着生成器函数中的代码继续执行 print(ret)
原文：https://www.cnblogs.com/zhangcheng94/p/12182412.html