生成器(generator)

定义

• 通过列表生成式，我们可以直接创建一个列表。但受到内存限制，容量肯定是有限。(创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费。)
• 所以如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。
• 在Python中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个generator

1 只要把一个列表生成式的[]改成()，就创建了一个generator

• 一个一个打印出来，可以通过next()函数获得generator的下一个返回值
  generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
• 正确的方法是使用for循环，因为generator也是可迭代对象：

g = (x * x for x in range(4))
print(g)
#<generator object <genexpr> at 0x0000014E15F44E60>
print(next(g))
#0
print(next(g))
#1
#接着上边执行
for n in g:
    print(n)
#4
#9
for n in (x * x for x in range(2)):
    print(n)
#0
#1

2 函数定义中包含yield关键字那么这个函数就不再是一个普通函数，而是一个generator：

普通函数和generator函数不同之处

• 普通函数和generator函数的执行流程不一样。
  普通函数是顺序执行，遇到return语句或者最后一行函数语句就返回。
  generator函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
• 普通函数和generator函数调用结果不一样
  普通函数调用直接返回具体结果
  generator函数的“调用”实际返回一个generator对象<generator.......

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)
o = odd()
print(next(o))
print(next(o))
for p in odd():
    print(p)
'''
step 1
1
step 1
1
step 2
3
step 3
5
'''
#-------------------------------------------------------------------------------------------------------------------------------
def start_requests():
    for p in range(1,5):
        url = f"https://seekingalpha.com/latest-articles?page={p}"
        yield {"url": url}   


g=start_requests()
print(next(g))
print(next(g))
print(next(g))
for p in start_requests():
    print(p)

'''
{'url': 'https://seekingalpha.com/latest-articles?page=1'}
{'url': 'https://seekingalpha.com/latest-articles?page=2'}
{'url': 'https://seekingalpha.com/latest-articles?page=3'}
{'url': 'https://seekingalpha.com/latest-articles?page=1'}
{'url': 'https://seekingalpha.com/latest-articles?page=2'}
{'url': 'https://seekingalpha.com/latest-articles?page=3'}
{'url': 'https://seekingalpha.com/latest-articles?page=4'}
'''

迭代器(Iterator)

可以直接作用于for循环的数据类型有以下几种：

• 一类是集合数据类型，如list、tuple、dict、set、str等；
• 一类是generator，包括生成器和带yield的generator function。

定义

• Iterable可迭代对象：这些可以直接作用于for循环的对象统称为可迭代对象
• Iterator迭代器：不但可以作用于for循环，还可以被next()函数调用并不断返回下一个值的对象称为迭代器
• 凡是可作用于for循环的对象都是Iterable类型；
• 凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
• 集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
  因为Python的Iterator对象表示的是一个数据流，
  Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。
  可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，
  只不断通过next()实现按需计算下一个数据，所以Iterator计算是惰性，只在需要返回下一个数据时才会计算
  Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

from collections.abc import Iterator

a=isinstance((x for x in range(10)), Iterator)
print(a)
#True
b=isinstance(iter('abc'), Iterator)
print(b)
#True