软件测试资料领取：[内部资源] 想拿年薪40W+的软件测试人员，这份资料必须领取~

软件测试面试刷题工具领取：软件测试面试刷题【800道面试题+答案免费刷】

python 面试必问，不会真的要打脸~

01.可迭代对象

在 python 中我们可以通过 for 循环来遍历列表，元组，这种遍历我们称为迭代(Iteration)。在 python 中凡是可以通过 for ... in 进行迭代的对象，它就是可迭代对象。

1.1 如何判断一个对象是可迭代对象

from collections.abs import Iterable

isinstance('abc', Iterable)

1.2 迭代协议

python 中对象要提供迭代支持，必须定义一个 __iter__ 方法，这个方法返回一个迭代器对象。

02.迭代器（Iterator）

前面我们讲过可以通过 for 循环迭代的对象称为可迭代对象：Iteralbe。

在底层 for 循环是先通过内置函数 iter() 将可迭代对象转换成一个迭代器，然后将其传入 next() 函数调用并返回下一个值，直到最后抛出 StopIteration 错误表示无法继续返回下一个值了。

In [8]: ls = [1,2,3]

In [9]: ls = iter(ls)

In [10]: ls

Out[10]: <list_iterator at 0x225a33d8bb0>

In [11]: next(ls)

Out[11]: 1

In [12]: next(ls)

Out[12]: 2

In [13]: next(ls)

Out[13]: 3

In [14]: next(ls)

---------------------------------------------------------------------------

StopIteration Traceback (most recent call last)

<ipython-input-14-2a26c7e4d7fa> in <module>

----> 1 next(ls)

StopIteration:

所以可以被 next() 函数调用并不断返回下一个值的对象称为迭代器：Interator。

2.1 如何判断一个对象是迭代器对象

from collections.abc import Iterator

ls = [1,2,3]

ls = iter(ls)

isinstance(ls, Iterator)

2.2 迭代器协议

迭代器对象自身需要支持以下两个方法，它们共同组成了迭代器协议：

• iterator.__inter__()

  返回迭代器对象本身。

• iterator.__next__()

  从对象中返回下一个值。如果没有可返回值，则引发 StopIteration 异常。

2.3 迭代器的作用

python 中迭代器对象表示的是一个数据流，迭代器对象可以被 next() 函数不断调用返回下一个数据，直到没有数据抛出 StopIteration 异常。

这个数据流像一个列表，但我们却不能提前知道它的长度，只能不断通过 next() 函数实现按需计算下一个数据，迭代器的计算是惰性的，只有在需要返回下一个数据时，它才会计算。

迭代器可以表示一个无限大的数据流，例如全体自然数，而使用 list 是永远不可能存储全体自然数的。

03.生成器

在 python 中创建元素数量巨大的列表不仅占用很大的内存，如果仅仅只需要访问某几个元素，那其他绝大多数元素占用的空间就白白浪费了。

所以，如果列表中的元素可以按照某种算法推算出来，那如果可以在循环的过程中不断推算出后续的元素，就可以不用创建完整的列表，从而节省大量的空间。

在 python 中，这种一边循环一边计算的机制，称为生成器(generator)

要创建一个 generator，很多种方法。

3.1、生成器表达式

最简单的方式是把列表生成式的 [] 改成 ()，就创建了一个 generator。

In [16]: g = (i**2 for i in range(10))


In [17]: g

Out[17]: <generator object <genexpr> at 0x00000225A239A510>


In [18]: next(g)

Out[18]: 0


In [19]: next(g)

Out[19]: 1

生成器也是迭代器，当然也可以通过 for 循环进行迭代。

In [20]: for item in (g):

...: print(item)

...:

4

9

16

25

36

49

64

81

3.2、生成器函数

如果推算的算法比较复杂，用生成器表达式无法实现的时候，还可以通过函数来 实现。

比如，斐波拉契数列，除第一个和第二数外，任意一个数都等于前两个数的和：

0,1,1,2,3,5,8,...

def fib(n):

a, b = 0, 1

for _ in range(n):

print(a)

a,b = b, a+b

fib(10)

0

1

1

2

3

5

8

13

21

34

但是函数 fib 虽然包含了推算斐波拉契数列的算法规则，但是却是一次性算出了所有的值，和 generator 的逻辑很像。要将 fib 函数变成 generator，只需要将 print(a) 改成 yield a 就可以了：

In [24]: def fib(n):

...: a, b = 0, 1

...: for _ in range(n):

...: yield a

...: a,b = b, a+b

...: g = fib(10)

...: g

Out[24]: <generator object fib at 0x00000225A3D4E9E0>


In [25]: next(g)

Out[25]: 0


In [26]: next(g)

Out[26]: 1


In [27]: for item in g:

...: print(item)

...:

1

2

3

5

8

13

21

34

这就是定义 generator 的另一种方法。如果一个函数的定义中使用了 yield 关键字，那么这个函数就不再是一个普通的函数，而是一个生成器这时候调用函数返回的就是一个生成器对象

既然看到这里，在收藏的同时，也请不吝啬的点个赞呗！期待 ~

最后感谢每一个认真阅读我文章的人，下方这份完整的软件测试教程已经整理上传完成，需要的朋友们可以文末自行领取：【保证100%免费】

​

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！