企业模块关键词优化是什么工作
Python迭代器与生成器
迭代器
什么是迭代器
首先迭代是指python中访问元素的一种方式，迭代器是一个可以记住遍历位置的对象，因此不会像列表那样一次性全部生成，而是可以等到用的时候才生成，因此节省了大量的内存资源
可迭代对象
类似于list、tuple、str 等类型的数据可以使用for循环遍历语法从其中依次拿到数据并进行使用，我们把这个过程称为遍历，也称迭代。python中可迭代的对象有list（列表）、tuple（元组）、dirt（字典）、str（字符串）set等
除此之外还可以通过instance来判断平常使用的字符串，列表，元组和字典等，若s是一个**Iterable（可迭代对象）**则结果返回为True
# 导入Iterable,Iterator模块
from collections.abc import Iterable,Iterators = "abcdefgh"
print(isinstance(s,Iterable)) # True
print(isinstance(s,Iterator)) # Falsel = [1,2,3,4,5,6,7,8]
print(isinstance(s,Iterable)) # True
print(isinstance(s,Iterator)) # Falset = (1,2,3,4,5,6,7,8)
print(isinstance(s,Iterable)) # True
print(isinstance(s,Iterator)) # False只是名义上的 可迭代对象/迭代器 还不够，具有相应的功能才算是完整。首先，对于__iter__方法，它需要具有一个可以返回一个迭代器对象的功能（这个对象可以是自己(前提是本身就是一个迭代器），也可以是其它迭代器）；对于__next__方法，它是用于获取迭代器（Iterator）中的下一个元素。它的基本语法是：
迭代器的应用
next(iterator[, default])
iterator是要获取下一个元素的迭代器对象。default是一个可选参数，表示在迭代器耗尽时返回的默认值。如果不提供default参数且迭代器耗尽，则会引发StopIteration异常。
以下是一些next()方法的用例
# 创建一个列表和迭代器对象
my_list = [1, 2, 3, 4, 5]
my_iterator = iter(my_list)# 逐个获取迭代器中的元素
print(next(my_iterator)) # 输出: 1
print(next(my_iterator)) # 输出: 2
print(next(my_iterator)) # 输出: 3# 使用默认值处理迭代器耗尽的情况
print(next(my_iterator, "End")) # 输出: 4
print(next(my_iterator, "End")) # 输出: 5
print(next(my_iterator, "End")) # 输出: Endnext() 方法在循环中经常被用来逐个处理迭代器中的元素，直到迭代器耗尽或满足某个条件。这种方式可以避免一次性加载整个序列到内存中，节省资源并提高效率
生成器
什么是生成器
生成器（generator）也是一种迭代器，在每次迭代时返回一个值，直到抛出 StopIteration异常。它有两种构造方式：
生成器表达式
和列表推导式的定义类似，生成器表达式使用 () 而不是 [] ，比如：
print((i for i in range(5)))
# <generator object <genexpr> at 0x00000235C67B9700>nums = (i for i in range(5))
for num in nums:print(num)
# 0 1 2 3 4print(isinstance(nums, Iterable)) # True 表示nums属于可迭代对象
print(isinstance(nums, Iterator)) # True 表示nums属于迭代器
生成器函数
含有 yield 关键字的函数，调用该函数时会返回一个生成器。生成器对象可以通过调用其方法（例如 next()）来逐步执行函数体中的代码，每次调用会产生一个值，并在遇到 yield 语句时暂停执行。
def my_generator():for i in range(10):print(i)if i > 7:yield '大于7'# 使用生成器函数
gen = my_generator()
for i in gen:print(i)
# 0 1 2 3 4 5 6 7 8大于7 9大于7# __next__方法
gen = my_generator()
print(next(gen))
print(next(gen))
print(next(gen))# 0 1 2 3 4 5 6 7 8大于7 9大于7 超过最大值然后报错
# print(next(gen))
# ^^^^^^^^^
# StopIteration调用该函数的时候不会立即执行代码，而是返回了一个生成器对象；
当使用 next() (在 for 循环中会自动调用 next() ) 作用于返回的生成器对象时，函数 开始执行，在遇到 yield 的时候会『暂停』，并返回当前的迭代值；
当再次使用 next() 的时候，函数会从原来『暂停』的地方继续执行，直到遇到 yield语 句，如果没有 yield 语句，则抛出异常
简而言之，就是 next 使函数执行， yield 使函数暂停
.send()方法
当我们使用 send(value) 方法发送一个值到生成器时，该值会成为生成器函数中对应 yield 表达式的结果，并且生成器会从暂停的位置继续执行
def my_generator():x = yield 'Ready' # 第一次调用 send() 方法将被忽略yield f'Received: {x}'gen = my_generator()
print(next(gen)) # 输出: 'Ready'
print(gen.send('Hello')) # 输出: 'Received: Hello'
.close()方法
我们可以使用 close() 方法来关闭一个生成器。生成器被关闭后，再次调用 next() 方法，不管能否遇到 yield 关键字，都会抛出 StopIteration 异常
def my_generator():for i in range(10):print(i)if i > 7:yield '大于7'# 使用生成器函数
gen = my_generator()
gen.close() # 关闭生成器
print(next(gen))
# StopIteration 报错