Python四大神兽（迭代器&生成器&闭包&装饰器）

一.迭代器

迭代是Python最强大的功能之一，是访问集合元素的一种方式。。

迭代器是一个可以记住遍历的位置的对象。

迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。

迭代器有两个基本的方法：iter() 生成迭代器和 next()遍历迭代器元素。

 >>> dil = iter(range(10))  #使用iter方法创建一个迭代器
 >>> print(type(dil))    #类型为迭代器
 <class 'range_iterator'>
 >>> print(dil)
 <range_iterator object at 0x7fb9bf466ed0>
 >>> l1 = [1,2,3,4,5]
 >>> it = iter(l1)    #将列表转换为迭代器
 >>> print(type(it))
 <class 'list_iterator'>
 >>> print(it)
 <list_iterator object at 0x7fb9bf42e9e8>

 >>> print(next(it))
 >>> print(next(it))
 >>> print(next(it))
 >>> print(next(it))
 >>> print(next(it))
 >>> print(next(it))   #如果迭代器元素到最后没有了就会报错
 Traceback (most recent call last):
   File "<stdin>", line 1, in <module>
 StopIteration
 >>> for i in it:    #此处因为迭代元素已经到了最后，所以没有元素输出
 ...   print(i,end=" ")
 ... 

 >>> print(next(dil))   #使用next输出迭代器的下一个元素
 >>> print(next(dil))
 >>> print(next(dil))
 >>> print(next(dil))
 >>> for i in dil:    #而输出dil迭代器的元素会接着输出迭代器的元素，知道最后一个。
 ...   print(i,end=" ")
 ...
 5 6 7 8 9 >>> 

 >>> list = [1,2,3,4,5,6,7,8]
 >>> inter1 = list.__iter__()  #遵循迭代器协议，生成可以迭代的对象
 >>> print(inter1.__next__())
 >>> print(inter1.__next__())

 #集合中使用迭代器
 >>> s1 = {'python','java','net','php'}
 >>> iter2 = s1.__iter__()
 >>> print(iter2)
 <set_iterator object at 0x7fb9bf450ea0>
 >>> print(iter2.__next__())
 java
 >>> print(iter2.__next__())
 php
 >>> print(iter2.__next__())
 net
 >>> print(iter2.__next__())
 python
 >>> print(iter2.__next__())

 #字典中使用迭代器
 >>> dict1 = {'k1':'v1','k2':'v2'}
 >>> iter3 = dict1.__iter__()
 >>> print(iter3.__next__())   #字典默认迭代的是key值
 k1
 >>> print(iter3.__next__())
 k2

 #文件中使用迭代器
 >>> with open('test','r') as f1:
 ...   iter5 = f1.__iter__()
 ...   print(iter5.__next__(),end = ' ')
 ...   print(iter5.__next__(),end = ' ')
 ...   print(iter5.__next__(),end = ' ')
 ...
   2222
   4444
   6666

二.生成器

在 Python 中，使用了 yield 的函数被称为生成器（generator）。

跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。

在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行 next()方法时从当前位置继续运行。

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），所以生成器就是可迭代对象

生成器分类及在python中的表现形式：（Python有两种不同的方式提供生成器）

    1.生成器函数：常规函数定义，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

为何使用生成器之生成器的优点

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。

生成器小结：

1.是可迭代对象

2.实现了延迟计算,省内存啊

3.生成器本质和其他的数据类型一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处

 def ite():
     print('hello')
     yield 'test1'
     print('world')
     yield 'test2'
     yield 'test3'
     yield 'test4'

 gen = ite()   #生成了一个生成器
 print(type(gen))
 print(gen.__next__())
 print(gen.__next__())
 print(gen.__next__())
 print(gen.__next__())

 <class 'generator'>
 hello
 test1
 world
 test2
 test3
 test4

生成器方法：

close()：手动关闭生成器，后面的调用会直接返回Stoplteration异常。

 >>> def gen():
 ...   yield 'hello'
 ...   yield 'python'
 ...
 >>> st = gen()
 >>> print(st.__next__())
 hello
 >>> st.close()   #关闭生成器后再显示元素就抛出异常
 >>> print(st.__next__())
 Traceback (most recent call last):
   File "<stdin>", line 1, in <module>
 StopIteration

send()：生成器函数最大的特点是可以接受外部传入的一个变量，并根据变量内容计算结果后返回。

 def consumer(name):
     print('begin..')
     while True:
         baozi = yield name  #第一次执行时返回name的值，然后将send的值赋值给yield
         print('is you %s' %baozi)  #所以此时baozi的值为1

 d = consumer('zhang')
 print(d.__next__())
 print(d.send(1))
 print(d.send(2))
 print(d.send(3))
 print(d.send(5))

 begin..
 zhang
 is you 1
 zhang
 is you 2
 zhang
 is you 3
 zhang
 is you 5
 zhang

throw()：用来想生成器函数传入一个异常，可以结束系统定义的异常，或者自定义的异常。

throw()后直接抛出异常并结束程序，或者消耗掉一个yield，或者在没有下一个yield的时候直接进行到程序的结尾。

三.闭包

四.装饰器