python 迭代器和生成器

一、什么是迭代器协议

1.迭代器协议是指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引起一个stoplteration异常，以终止迭代（只能往后走，不能往前退）

2.可迭代对象：实现了迭代器协议的对象（如何实现：对象内部定义一个__iter__()方法）

3.协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如for循环，sum，min，max函数等）使用迭代器协议访问对象

可迭代对象

可迭代对象泛指一类对象，不是指的每一种对象，确切的说满足以下的条件的对象可以成为可迭代对象:

1. 对象实现了__iter__方法

2. __iter__方法返回了一个迭代器对象

我们比较容易理解的可迭代对象，比如说可以用for语句去遍历，实际for语句的内部实现应该就是首先调用对象的__iter__方法，获取一个迭代器对象，接着不停的调用迭代器对象的__next__方法，循环遍历取值。

迭代器对象（迭代器）

迭代器协议包括这些条件:

1.对象实现了__next__方法

2.__next__方法返回了某个数值（当然一般情况下，我们需要的是返回这个对象的特定的数字，并且按照一定的顺序进行依次返回）

3.__next__方法需要在值取完的时候，抛出StopIteration的错误信息。

总结:

可迭代对象是调用对象的__iter__方法能够返回迭代器对象的一种对象。

迭代器对象是实现了迭代器协议的对象。

迭代器有两个基本的方法：iter() 和 next()

列表，元组，集合，字典，字符串都可用于创建迭代器：

l=[1,2,3,4]
t=(1,2,3,4)
set={1,2,3,4}
d={'name':'zs','age':20}
s='abcdef'
i=123

l1=l.__iter__()
t1=t.__iter__()
set1=set.__iter__()
d1=d.__iter__()
s1=s.__iter__()
print(type(l.__iter__()))
print(type(t.__iter__()))
print(type(set.__iter__()))
print(type(d.__iter__()))
print(type(s.__iter__()))

只有可迭代对象才可以使用__iter__()方法，非 iterable 对象不能调用这个方法哦，比如整型，可以直接用 for 循环的对象都叫可迭代对象，

迭代器的访问

两种方式，一种是直接next访问，一种是for访问

#for迭代和next()迭代两种方式完全一样
for x in l1:
    print(x)
print("####################################################")

#for迭代已经完成，下面的next()迭代不会再有任何输出，反过来也是一样
while True:
    try:
        print (next(l1))
    except StopIteration:
        pass

创建一个迭代器

把一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与 __next__()

class MyNumbers:
#__iter__() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。
  def __iter__(self):
    self.a = 1
    return self
 #__next__() 方法会返回下一个迭代器对象。
  def __next__(self):
    if self.a <= 20:
      x = self.a
      self.a += 1
      return x
    else:
#StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况
      raise StopIteration
 
myclass = MyNumbers()
myiter = iter(myclass)
 
for x in myiter:
  print(x)

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的内置的__iter__方法），所以生成器就是可迭代对象

使用了yield关键字的函数就是生成器，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。

def test():

    yield 1

    yield 2
   

t=test()


for i in t:
    print(i)

yield有点像断点。加了yield的函数，每次执行到有yield的时候，会返回yield后面的值并且函数会暂停，直到下次调用或迭代终止；
yield后面可以加多个数值（可以是任意类型），但返回的值是元组类型的。

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特点

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：

a.是可迭代对象

b.实现了延迟计算，省内存

c.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

生成器使用的简单例子

def myegg(retlist):
    for i in retlist:
        rec = yield i

mydict = [
    {"name":"厉智","age":31},
    {"name":"陈培昌","age":21},
    {"name": "程劲", "age": 20},
]

b = myegg(mydict)
obj = b.__next__()
print("喜欢{}，芳龄{}".format(obj['name'],obj['age']))
obj2 = b.__next__()
print("喜欢{}，芳龄{}".format(obj2['name'],obj2['age']))
obj3 = b.__next__()
print("喜欢{}，芳龄{}".format(obj3['name'],obj3['age']))

作者：huxt
链接：https://www.jianshu.com/p/dcc4c1af63c7
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。