迭代器和生成器
摘要
重点是两个协议，协议一__iter__和协议二__next__ 。PEP 234
- 可迭代对象（Iterable）
定义：实现了
__iter__方法的对象 用途：iter函数调用__iter__方法，将对象转换为迭代器 备注：可迭代对象的意思是指其可以变成一个迭代器，且每次重新计数； - 迭代器（Iterator）
定义：实现了
__iter__方法和__next__方法 用途：取数据 备注：迭代器也实现协议一，是为了让迭代器表现的像序列（在for循环中），其返回自身，即意味着不会重新计数。 - 生成器（generator） 定义：列表生成器和使用yield定义生成器函数 用途：产生数据
Iterable
只要实现了__iter__方法的对象，即为Iterable。
Python常见可迭代对象：
- 集合或序列类型（list、tuple、set、dict、str）
- 文件对象
注意：
- 虽然实现了
__iter__方法即为Iterable对象，但是若想在for循环中正常使用，就要保证__iter__方法正确返还Iterator对象。 - 即使不实现
__iter__方法即不是可迭代对象，也可以在for循环中正常使用，需要对象实现__getitem__方法。
原因是，for循环中使用了iter函数来转换，iter函数优先调用对象的__iter__方法，否则调用__getitem__方法，两种方法均可以转换为迭代器对象，以下是iter()函数的Python等价实现：
def my_iter(iterable):
if hasattr(iterable, '__iter__'):
return iterable.__iter__()
elif hasattr(iterable, '__getitem__'):
index = 0
while True:
try:
value = iterable.__getitem__(index)
index += 1
yield value
except IndexError:
break
else:
raise TypeError('Not iterable')
正确实现了__iter__方法的可迭代对象：
class IterObj:
def __init__(self):
self.a = [3, 5, 7, 11, 13, 17, 19]
def __iter__(self):
return iter(self.a)
实现了__getitem__方法的对象亦可以通过iter函数转换为生成器：
class IterObj:
def __init__(self):
self.a = [3, 5, 7, 11, 13, 17, 19]
def __getitem__(self, i):
return self.a[i]
it = IterObj()
print(isinstance(it, Iterable)) # false
print(isinstance(it, Iterator)) # false
print(isinstance(it, Generator)) false
print(hasattr(it, "__iter__")) # false
print(iter(it)) # <iterator object at 0x10b231278>
for i in it:
print(i) # 将打印出3、5、7、11、13、17、19
Iterator
迭代器一定是可迭代对象，且额外实现了__next__方法
定义：
- 实现
__next__方法，要么返回下一个值，要么返回StopIteration或其子类； - 实现
__iter__方法，返回self。
class IterObj:
def __init__(self):
self.a = [3, 5, 7, 11, 13, 17, 19]
self.n = len(self.a)
self.i = 0
def __iter__(self):
self.i = 0
return self
def __next__(self):
while self.i < self.n:
v = self.a[self.i]
self.i += 1
return v
else:
self.i = 0
raise StopIteration()
Python中很多接口是通过调用next() 函数来交互的，如for 循环、map()等，所以对于Iterable对象，要通过内置的iter方法，将其转换为Iterator 。
Iterable和Iterator 在用法上的区别在于，Iterable可以通过iter() 生成多个/多次不同的Iterator，每次重头计数。而一个Iterator 即使被iter()调用，返回的仍是自己，意味着计数不清零。
Generator
生成器既是可迭代对象，又是迭代器。 生成器有两种定义方式：
- 列表生成器
- 使用yield定义生成器函数
列表生成器：
g = (x * 2 for x in range(10)) # 0～18的偶数生成器
print(isinstance(g, Iterable)) # true
print(isinstance(g, Iterator)) # true
print(isinstance(g, Generator)) # true
print(hasattr(g, "__iter__")) # true
print(hasattr(g, "__next__")) # true
print(next(g)) # 0
print(next(g)) # 2
生成器函数：
def gen():
for i in range(10):
yield i
生成器的嵌套
假设有三个生成器A、B和C，试图通过A取B的数据，B取C的数据，C取最原始的数据，即实现三个生成器的嵌套，该如何操作？
可以通过yield from实现生成器的嵌套。
def generatorC():
for i in range(5):
yield i
def generatorB():
yield from generatorC()
def generatorA():
yield from generatorB()
# 使用生成器A来获取生成器C的输出
for num in generatorA():
print(num)
通过yield from实现嵌套的两个生成器，分别是委托生成器和子生成器。其中委托生成器，只起一个桥梁作用，它建立的是一个双向通道，它并没有权利也没有办法，对子生成器yield回来的内容做拦截，而是将子生成器yield的数据传递给调用方。
如果希望委托生成器可以修改子生成器，即A可以修改B的数据，B可以修改C的数据，该如何操作？
此时不再适用yield from，而是通过yield 。
def generatorC():
for i in range(5):
yield i
def generatorB():
for num in generatorC():
num = do_something(num)
yield num
def generatorA():
for num in generatorB():
num = do_something(num)
yield num
# 使用生成器A来获取最终的输出
for num in generatorA():
print(num)