有'__iter__'方法的就是可迭代物件
列舉些可迭代物件：str,list,tuple,dict,set,range,檔案控制代碼
獲取乙個物件的所有的方法dir()；把每個方法以字串的格式放在乙個列表中返回回來
s1 = 'asdfas'
print(dir(s1))
#結果['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isascii', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']
__iter__
s1 = 'asdfas'
print('__iter__' in dir(s1))
#true
可迭代物件是不能直接for迴圈取值的，之所以我們能是因為for迴圈內部自動幫我們轉化成迭代器了
可迭代物件可以轉化成迭代器
s = 'qwer'
s1 = iter(s)
print('__next__' in dir(s1))
#變數 = iter(要轉化的可迭代物件)
#或者這樣
s = 'qwer'
s1 = s.__iter__()
print('__next__' in dir(s1))
#（iter()函式就是呼叫的這個方法）
s = 'qwer'
s1 = iter(s) #s1 = s.__iter__()
print('__next__' in dir(s1))
print(next(s1)) #s1.__next__()
print(next(s1)) #s1.__next__()
print(next(s1)) #s1.__next__()
print(next(s1)) #s1.__next__()
#少乙個next可以，那就少取乙個值，多乙個不應，就報錯（停止迭代的這麼乙個錯誤）
'''trueqw
er'''
li = [11,22,33,44,55,66]
l1 = iter(li)
#print('__next__' in dir(l1))
print(next(l1))
print(next(l1))
print(next(l1))
print(next(l1))
print(next(l1))
print(next(l1))
節省記憶體。
惰性機制：next一次就取乙個值
有乙個迭代器模式可以很好的解釋上面這兩條：迭代是資料處理的基石。掃瞄記憶體中放不下的資料集時，我們要找到一種惰性獲取資料項的方式，即按需一次獲取乙個資料項。這就是迭代器模式。
缺點
速度慢。以時間換空間
不走回頭路。
利用while迴圈模擬for迴圈對可迭代物件進行取值的機制
li = [1,2,3,4,5,6,7]
obj = iter(li)#將可迭代物件轉化成迭代器
while 1:
try:
print(next(obj))
except stopiteration:
break
生成器：python社群，生成器與迭代器看成是一種。生成器的本質就是迭代器。唯一的區別：生成器是我們自己用python**構建的資料結構。迭代器都是提供的，或者轉化得來的。
只要有yield就是生成器
生成器函式獲得生成器：yield
def func():
print(111)
print(222)
yield 3
a = 1
b = 2
c = a+b
print(c)
yield 4
ret = func()
print(next(ret))
print(next(ret))
'''111
222334
'''
def func():
l1 = [1,2,3,4,5]
yield from l1
#yield from l1 相當於
'''yield 1
yield 2
yield 3
yield 4
yield 5
'''#yield from 將l1這個列表變成了迭代器返回
ret = func()
print(next(ret))
print(next(ret))
print(next(ret))
'''123
'''
li =
for i in range(1,11):
print(li)
#[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
l1 = [i for i in range(1,11)]
print(l1)
#[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
篩選模式：滿足條件的留下來，不滿足扔了
生成器表示式：與列表推導式的寫法幾乎一模一樣。也有迴圈模式，篩選模式，多層迴圈構建，寫法上只有乙個不同：[ ] 換成 ( )
print([i for i in range(1,11)])#列表推導式
#[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
print((i for i in range(1,11)))#生成器表示式
#at 0x000001e2308b2228>
obj = (i for i in range(1,11))
print(next(obj))#1
print(next(obj))#2
print(next(obj))#3
print(next(obj))#4
#或者這樣for迴圈
obj = (i for i in range(1,11))
for i in obj:
print(i)
'''12
3456
78910
'''
python中的迭代器與生成器
實現乙個迭代器，應滿足如下條件 簡單示例 usr bin env python class sampleiter sample iterator sampleiter sampleiter sampleiter.next a sampleiter.next b sampleiter.next tra...
python中的迭代器與生成器
1 迭代器 迭代器協議是指 物件必須提供乙個next方法，執行該方法要麼返回迭代中的下一項，要麼就引起乙個 stopiteration異常，以終止迭代 只能往後走不能往前退 可迭代物件 實現了迭代器協議的物件 如何實現 物件內部定義乙個 iter 方法 協議是一種約定，可迭代物件實現了迭代器協議，p...
Python生成器與迭代器
生成器只有在用的時候會出現在記憶體中，對比列表全部存在記憶體中，減少了記憶體占用 next 函式 依次取生成器的值 s x 2 for x in range 1000 中括號是列表解析，小括號表示生成一系列值，就是生成器 s at 0x7fa20aa8b048 print next s 用next ...