day13 十三、迭代器、生成器、枚举对象

def my_generator():
    print(1111)
    yield '结果1'
    print(2222)
    yield '结果2'
    print(3333)
    yield '结果3'
    print(4444)
    yield '结果4'
g_obj = my_generator()   # my_generator()并不会执行函数体，得到的返回值就是生成器对象，生成器对象就是迭代器对象

r1 = g_obj.__next__()
print(r1)                # 在函数内部执行一次，在遇到下一个yield时停止，且可以拿到yield的返回值
r2 = g_obj.__next__()
print(r2)                # 从上一次停止的位置紧着往下走，在再遇到下一个yield时停止，且可以拿到yield的返回值

# 生成器可以被for循环迭代

for v in g_obj:
    print(v)

一、迭代器概念

1、迭代器：从装有多个值的容器中一次取出一个值给外界

ls = [100, 200, 300, 400, 500]    # 被遍历的对象必须是有序容器
i = 0
while i < len(ls):
    print(ls[i])
    i += 1

通过迭代器取值优缺点：
    优点：不依赖索引完成取值
    缺点：不能计算长度，不能指定位置取值（只能从前往后逐一取值）

2、可迭代对象：该对象有__iter__方法

有哪些：str、list、tuple、dict、set、range()、file、迭代器对象、enmerate()、生成器

[].__iter__()().__iter__(){}.__iter__(){}1,}.__iter__()

可迭代对象通过__iter__方法得到迭代器对象

3、迭代器对象：有__next__方法

通过该方法获得容器中的值，获取规则，从前往后，一次一个。

迭代器对象可以做到不依赖索引取值（一次从容器中取出一个值）

有哪些：file、ensumerate()、生成器

从迭代器对象中取元素，取一个少一个，如果要从头开始取，需要重新获得拥有所有元素的迭代器对象

迭代器对象也有__iter__()方法，调用后得到的是自己本身（当前含有几个元素，得到的就只有几个元素的迭代器对象）

# 可迭代对象
ls = [1,2,3,4,5]
# 迭代器对象
iter_obj = ls.__iter__()
print(iter_obj)         # <list_iterator object at 0x00000000021E75C0>
print([1,2,3,4,5].__iter__())    # 结果为 <list_iterator object at 0x0000000002207780>

# 迭代器对象取一个值就少一个值
ls = [100, 200, 300, 400, 500]
iter_obj = ls.__iter__()
print(iter_obj.__next__())     #
print(iter_obj.__next__())     #
print(iter_obj.__next__())     #
print(iter_obj.__next__())     #
print(iter_obj.__next__())     #
# print(iter_obj.__next__())   # 值取完了就抛异常StopIteration，可以通过try对异常捕获并处理

# 上一个迭代器对象迭代取值完毕后，就取空了，如果要再次取值，要重新生成迭代器对象
# iter_obj =ls.__iter__()

# 迭代器对象不能求长度（内部值的个数）
ls = [100,200,300,400,500]
iter_obj = ls.__iter__()
while True:
    try:
        ele = iter_obj.__next__()
        print(ele)
    except StopIteration:
        print('取完了')
        break

4、for循环迭代器

自带异常处理的while循环，自动获取被迭代对象的迭代器对象

ls = [100,200,300,400,500]
iter_obj = ls.__iter__()
for ele in iter_obj:
    print(ele)

for ele in ls:    # 1.自动完成 for ele in st1.__iter__():  2.自动完成异常处理
    print(ele)

5、总结

①可迭代对象：有__iter__（）方法的对象，采用该方法可以得到迭代器对象

②迭代器对象：有__next__（）方法的对象，用该方法可以从可迭代对象中一次获取一个值，取出一个少一个

③for循环迭代器：

自动获取被迭代对象的迭代器对象

在内部一次次调用__next__（）方法取值

自动完成异常处理

obj = [100, 200, 300].__iter__()
for v in obj:
    print(v)
    if v == 200:
        break
# 结果为

obj = [100, 200, 300].__iter__()
print(obj.__iter__().__iter__().__iter__() is obj)    # True可迭代对象.__iter__()得到的是该对象的迭代器对象迭代器对象.__iter__().__iter__()得到的就是迭代器对象本身

二、生成器

1、生成器：就是一个迭代器对象

包含yield关键字的函数就是生成器

该函数名（）得到的是生成器对象，不会执行函数体

def fn():
    print('我是生成器')
    yield 'god'
generator_obj = fn()
print(generator_obj)     # 结果为 <generator object fn at 0x0000000001DF0EB8>
print(type(generator_obj))    # 结果为 <class 'generator'>

generator_obj.__iter__()      # 可迭代对象
generator_obj.__next__()      # 迭代器对象

2、生成器的应用案例：

当访问的数据资源过大，可以将数据用生成器处理，一次只获取所有内容的一条资源

def my_range(min,max=0,step=1):
    tag = min
    while True:
        if tag >= max:
            break
        yield tag
        tag += step

range_obj = my_range(5, 10,1 )
for i in range_obj:
    print(i)

三、枚举对象

通过for迭代器，循环遍历可迭代对象，需要知道迭代的索引

ls = [100, 200, 300, 400, 500]
count = 0
for v in ls:
    print(count,v)
    count +=1
# 结果为0 1001 2002 3003 4004 500

ls = [100,200,300,400,500]
for count, v in enumerate(ls):
    print(count, v)
# 结果为0 1001 2002 3003 4004 500