迭代器和生成器的理解.

iter_vs_generator1.py

#!/bin/env python
#-*- coding: utf-8 -*-
 
"""
包含 yield 指令的函数执行的时候就是一个生成器, 其实一个协程对象, 
启动后执行到 yield 指令后返回 yield 后的内容, 然后让出, 等待下一次执行.

"""
 
def create_generator():
    mylist = range(3)
    for i in mylist:
        yield i * i
 
 
mygenerator = create_generator()
print type(mygenerator)   # 生成器类型.
print mygenerator.next()
 
 
mygenerator = create_generator()
for i in mygenerator:
    print i

iter_vs_generator2.py

#/bin/env python
#-*- coding: utf-8 -*-
 
def coroutine():
    print "coroutine stating"
    result = None
    while 1:
        s = yield result
        result = str(s) * 2
 
 
c = coroutine()
print type(c)   # 生成器类型.
#print c.send(None)   # 使用 send(None) 或者 next() 启动协程.
print c.next()
print c.send("a")   # 向协程发送消息, 使其恢复执行.
# c.throw(Exception("exception"))   # 可以使用 throw 引发异常.
c.close()

iter_vs_generator3.py

#/bin/env python
#-*- coding: utf-8 -*-
 
""" 
In [85]: iter([1, 2])
Out[85]: <listiterator at 0x107d8afd0>

In [86]: iter((1, 2))
Out[86]: <tupleiterator at 0x107d8ad90>

In [90]: (x for x in [1, 2])
Out[90]: <generator object <genexpr> at 0x107dd41e0>

"""
 
 
class Data(object):
 
    def __init__(self, *args):
        self._data = list(args)
 
    def __iter__(self):   # __iter__ 会被特殊处理, 自动生成生成器.
        for i in self._data:
            yield i
 
d = Data(1, 2, 3)
for i in d:
    print i
 
 
# 删除 Data 类, 进入下一个测试.
del Data
print "#" * 20
 
 
class Data(object):
 
    def __init__(self, *args):
        self._data = list(args)
 
    def _not_iter(self):
        for i in self._data:
            yield i
 
d = Data(1, 2, 3)
for i in d._not_iter():   # 如果不加()会报错, 也就是执行的时候生成生成器.
        print i

list_vs_iter.py

#/bin/env python
#-*- coding: utf-8 -*-

""" 
list 已经可以被 for 处理, 为什么要用迭代器, 因为迭代器元素不能被修改, list 是可以的.

注意 range 会返回一个 list, 而如果用 xrange 不会返回 list, 而是 xrange 对象.

另外, list 和 xrange 没有 next 方法, 而迭代器有.

"""

x = range(3)
for i in x:
    print i
    x[-1] = 10


x = iter(range(3))
for i in x:
    print i
    # x[-1] = 10   # 无法修改, 异常.