1. 获取当前目录下所有文件名

import os

def get_all_files(directory):
    file_list = []
    # os.walk返回一个生成器，每次迭代时返回当前目录路径、子目录列表和文件列表
    for root, dirs, files in os.walk(directory): 
        for file in files:
            file_list.append(os.path.join(root, file))
    return file_list

# 获取当前目录下的所有文件名
current_directory = os.getcwd()
files = get_all_files(current_directory)

# 打印所有文件名
for file in files:
    print(file)

 

2. Python中生成器和迭代器区别

迭代器（Iterator）是一种实现了迭代协议的对象，它必须提供一个__iter__()方法和一个__next__()方法。通过调用__iter__()方法，迭代器可以返回自身，并且通过调用__next__()方法，迭代器可以依次返回下一个元素，直到没有更多元素时抛出StopIteration异常。迭代器是一种惰性计算的方式，每次只在需要时生成一个元素，从而节省内存空间。可以使用iter()函数将可迭代对象转换为迭代器。

生成器（Generator）是一种特殊的迭代器，它使用了更为简洁的语法来定义迭代器。生成器可以通过函数中的yield关键字来实现，当函数执行到yield语句时，会暂停执行并返回一个值，保存当前状态，下次调用时从上次暂停的位置继续执行。生成器函数可以像普通函数一样接收参数，并且可以包含循环、条件语句等逻辑。生成器是一种非常方便和高效的迭代器实现方式。

下面是生成器和迭代器的区别总结：

1. 语法：生成器使用yield关键字来定义，而迭代器需要实现__iter__()和__next__()方法。
2. 实现：生成器可以使用函数来定义，而迭代器可以由类来实现。
3. 状态保存：生成器在yield语句处暂停执行并保存当前状态，下次调用时从上次暂停的位置继续执行；迭代器通过内部的状态和指针来保存迭代的位置。
4. 简洁性：生成器的语法更加简洁，可以使用普通的函数定义和控制流语句；迭代器需要实现多个特殊方法，代码相对较多。
5. 惰性计算：生成器是惰性计算的，每次只在需要时生成一个元素；迭代器也可以实现惰性计算，但需要手动控制。

总之，生成器是一种特殊的迭代器，它提供了更简洁和方便的语法。生成器可以通过函数中的yield语句来实现迭代过程，并且可以像普通函数一样编写逻辑。迭代器是一种更通用的概念，可以通过类来实现，需要显式地定义__iter__()和__next__()方法。无论是生成器还是迭代器，它们都能够实现按需生成和处理大量数据的能力，提高了代码的效率和可读性。

 一个小栗子：

当我们需要遍历一个很大的数据集时，生成器可以帮助我们按需生成数据，而不是一次性加载整个数据集到内存中。

下面是一个简单的例子，我们使用生成器来按需生成斐波那契数列的前n个元素：

def fibonacci_generator(n):
    a, b = 0, 1
    count = 0
    while count < n:
        yield a
        a, b = b, a + b
        count += 1

# 使用生成器按需生成斐波那契数列的前10个元素
fibonacci = fibonacci_generator(10)

# 逐个打印生成的元素
for num in fibonacci:
    print(num)

　　

　　在上述代码中，我们定义了一个生成器函数fibonacci_generator，它使用了yield语句来生成斐波那契数列的元素。每次调用生成器的__next__()方法时，它会执行到yield语句处，

返回当前的斐波那契数并暂停执行，保存当前状态。然后，下次调用生成器的__next__()方法时，它会从上次暂停的位置继续执行，生成下一个斐波那契数。这样，我们可以通过迭代生成器

来按需获取斐波那契数列的元素。当我们遍历生成器对象时，它会依次生成斐波那契数列的元素并打印出来。由于生成器是按需生成数据的，它只在需要时生成一个元素，而不是一次性生成整

个数列。这样可以节省内存空间，特别是当斐波那契数列很大时。总结起来，生成器可以看作是一种特殊的函数，它能够按需生成数据，节省内存空间，并且提供了一种简洁和方便的方式来

实现迭代器。通过使用生成器，我们可以避免一次性加载大量数据到内存中，而是在需要时逐个生成数据，从而提高代码的效率和可扩展性。

3. 什么是可迭代对象，其原理又是什么

　　可迭代对象（Iterable）是指可以被迭代遍历的对象。在许多编程语言中，迭代是指按照一定的顺序逐个访问集合中的元素的过程。在Python中，可迭代对象是指实现了迭代器协议（Iterator Protocol）的对象。

迭代器协议包含两个方法：

1. __iter__()方法：该方法返回一个迭代器对象。迭代器对象用于实现具体的迭代逻辑，并且必须包含__next__()方法。

2. __next__()方法：该方法返回迭代器中的下一个元素。如果没有元素可供返回，它应该引发StopIteration异常。

当我们使用可迭代对象进行迭代时，实际上是通过迭代器对象来完成的。迭代器对象负责追踪当前的迭代状态，并提供下一个元素。迭代器对象会在每次迭代时调用__next__()方法，并返回下一个元素，直到遍历完所有元素或者引发StopIteration异常为止。

Python中许多内置的数据类型和容器都是可迭代对象，例如列表（List）、元组（Tuple）、字典（Dictionary）、集合（Set）等。此外，我们也可以通过自定义类来实现可迭代对象，只需在类中定义__iter__()方法，并在该方法中返回一个迭代器对象即可。

以下是一个示例，展示了如何使用可迭代对象和迭代器对象进行迭代：

# 创建一个可迭代对象
my_list = [1, 2, 3, 4, 5]

# 获取迭代器对象
my_iter = iter(my_list)

# 使用迭代器对象进行迭代
try:
    while True:
        item = next(my_iter)
        print(item)
except StopIteration:
    pass

　　在上述示例中，我们通过调用iter()函数获取了my_list的迭代器对象my_iter，然后使用next()函数从迭代器对象中获取下一个元素并打印，直到遍历完所有元素或引发

StopIteration异常为止。可迭代对象的原理是基于迭代器协议的实现，通过迭代器对象的__next__()方法来提供序列中的下一个元素。这种机制使得我们可以方便地对集合中的元素

进行逐个访问和处理，提供了一种统一的迭代接口

自己实现可迭代对象小栗子

 

class MyIterable:
    def __init__(self, data):
        self.data = data

    def __iter__(self):
        self.index = 0
        return self

    def __