一：迭代器
1.什么是迭代？
1.重复 2.下一次重复是基于上一次的结果
# l=['a','b','c','d']
# count=
# while count < len(l):
# print(l[count]) #count的值基于上一次结果，所以是迭代
# count+=
2.迭代器协议
指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引起一个StopIteration异常，以终止迭代 （只能往后走不能往前退）。
迭代器的优点:
1.提供了一种不依赖索引的迭代方式
2.惰性计算，节省内存
迭代器的缺点：
1.取值不如按照索引取值的方便
2.只能前进，不能后退
3.无法获取长度
判断是否为可迭代对象或者迭代器对象的方法：
# # from collections import Iterable,Iterator
# # print(isinstance(g,Iterator)) #可判断是够为迭代器对象
# def countdown(n):
# print('starting countdown')
#
# while n > 0:
# yield n
# n-=1
# print('stop countdown')
# g=countdown(5) # print(g.__next__())
# print(g.__next__())
# for i in g:
# print(i)
3 迭代器
在介绍迭代器之前，我们先来了解一下容器这个概念。
容器是一种把多个元素组织在一起的数据结构，容器中的元素可以逐个地迭代获取。简单来说，就好比一个盒子,我们可以往里面存放数据，也可以从里面一个一个地取出数据。在python中，属于容器类型地有:list,dict,set,str,tuple.....。容器仅仅只是用来存放数据的，我们平常看到的 l = [1,2,3,4]等等，好像我们可以直接从列表这个容器中取出元素，但事实上容器并不提供这种能力，而是可迭代对象赋予了容器这种能力。
说完了容器，我们在来谈谈迭代器。迭代器与可迭代对象区别在于:__next__()方法。
我们可以采用以下方法来验证一下:
from collections import Iterator
f = open('a.txt')
i =
s = ''
d = {'abc':}
t = (, , )
m = {, , , }
print(isinstance(i,Iterator))
print(isinstance(s,Iterator))
print(isinstance(d,Iterator))
print(isinstance(t,Iterator))
print(isinstance(m,Iterator))
print(isinstance(f,Iterator))
########输出结果##########
False
False
False
False
False
True
结果显示:除了文件对象为迭代器，其余均不是迭代器
下面，我们进一步来验证一下:
print(hasattr(i,"__next__"))
print(hasattr(s,"__next__"))
print(hasattr(d,"__next__"))
print(hasattr(t,"__next__"))
print(hasattr(m,"__next__"))
print(hasattr(f,"__next__")) #######结果###########
False
False
False
False
False
True
从输出结果可以表明,迭代器与可迭代对象仅仅就是__next__（）方法的有无。
'模拟linux中'
#tail -f a.txt
import time
def tail(filepath,encoding='utf-8'):
with open(filepath,encoding=encoding) as f:
f.seek(,)
while True:
line=f.readline()
if line:
print(line,end='')
# yield line
else:
time.sleep(0.5) tail('b.txt') # for i in g:
# print(i) #tail -f a.txt |grep 'error' # def grep(lines,pattern):
# for line in lines:
# if pattern in line:
# # print(line,end='')
# yield line # g=tail('a.txt')
# print(g) # grep(g,'error') # tail -f a.txt |grep 'error' |grep '' # g1=tail('a.txt')
# g2=grep(g1,'error')
# g3=grep(g2,'')
# for i in g3:
# print(i)
Tips：(字符串，列表，元组，字典，集合，文件对象）这些都不是可迭代对象，只不过在for循环式，调用了他们内部的__iter__方法，把他们变成了可迭代对象，
然后for循环调用可迭代对象的__next__方法去取值，而且for循环会捕捉StopIteration异常，以终止迭代.
StopIteration异常：.__nex___执行后如果没有返回值就会报此异常。
for item in g:
print(item) ###for执行in后面的对象g下面的.__iter__方法，得到一个迭代器k，然后for循环自动k.__next__一次，将得到的结果赋值给item.然后再iter一次变成迭代器赋值给item，直到没有值输出，出现stopiteration异常，for循环可以捕捉到这个异常，然后终止这个循环。 for item in 8：
print(item)
============结果================
TypeError：'int' object is not iterable ###数字是不可迭代对象，下面没有.__iter__方法，所以报错。
Try 可检测异常：
l={'a':1,'x':2,'w':3,'z':4}
l=l.__iter__() #转换成迭代器
while True:
try: #捕捉异常，检测其下缩进的语句是否有异常
i=l.__next__()
print(i)
except StopIteration: #except检测异常
break
二：生成器（生成器的本质就是迭代器）
1.什么是生成器
可以理解为一种数据类型，这种数据类型自动实现了迭代器协议（其他的数据类型需要调用自己内置的__iter__方法），所以生成器是可迭代对象。
按照我们之前所说的，迭代器必须满足两个条件:既有__iter__()，又有__next__()方法。那么生成器是否也有这两个方法呢？答案是，YES。具体来通过以下代码来看看。
def func():
print("one------------->")
yield
print("two------------->")
yield
print("three----------->")
yield
print("four------------>")
yield print(hasattr(func(),'__next__'))
print(hasattr(func(),'__iter__')) #########输出结果###########
True
True
Python有两种不同的方式提供生成器：
1.函数体内包含有yield关键字，该函数的执行结果是生成器(generator).但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行.
2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表
既然生成器就是迭代器,那么我们是不是也可以通过for循环来遍历出生成器中的内容呢?看下面代码.
def func():
print("one------------->")
yield
print("two------------->")
yield
print("three----------->")
yield
print("four------------>")
yield for i in func():
print(i) #########输出结果########
one-------------> two-------------> three-----------> four------------>
很显然，生成器也可以通过for循环来遍历出其中的内容。
下面我们来看看生成器函数执行流程：
def func():
print("one------------->")
yield
print("two------------->")
yield
print("three----------->")
yield
print("four------------>")
yield g = func() # 生成器 == 迭代器
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
每次调用g.__next__()就回去函数内部找yield关键字，如果找得到就输出yield后面的值并且返回；如果没有找到，就会报出异常。上述代码中如果在调用g.__next__()就会报错。Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生成器的主要好处。
生成器就是迭代器，只能前进不能后退，我们看下这个例子：
#生成器函数补充
# def countdown(n):
# while n > :
# yield n
# n-=
#
# g=countdown()
# print(g.__next__())
# print(g.__next__())
#
# print('='*)
# for i in g:
# print(i)
#
# print('*'*)
# for i in g:
# print(i) =======结果======== ==================== ********************
yiled与return的区别：
x=
y= # if x > y:
# print(x)
# else:
# print(y) # res='aaaaa' if x > y else 'bbbbbbb' #三元表达式---->【 条件成立 条件 条件不成立】
#
# print(res)
2.列表解析<不能加else，条件成立的情况下放到左边。>
# l=[,,,,,]
# l_new=[]
# for i in l:
# if i > :
# l_new.append(i)
# print(l_new)
#列表解析
# res=[i for i in l if i > ]
# print(res)
3.生成器表达式
#g=(i for i in range())
#print (g) #print(next(g)) ##next(g) == g.__next__()
#print(next(g)) ##next(g) == g.__next__()