python之迭代器与生成器详解

迭代器是设计模式中的一种行为模式，它提供一种方法顺序访问一个聚合对象中各个元素, 而又不需暴露该对象的内部表示。python提倡使用生成器，生成器也是迭代器的一种。

python可迭代对象和迭代器

要点：

• 迭代即遍历，那么可迭代对象顾名思义就是可以遍历的数据类型或结构，表现在python中就是支持for循环遍历的对象。

• python中有Iterable类代表可迭代对象，所有的可迭代对象都属于这个类；Iterator类表示迭代器，所有的迭代器对象都属于这个类；

• 可迭代对象为什么可迭代？因为可迭代对象的内部实现了迭代器这种行为模式，其在python中的表现就是__iter__魔法方法。也就是说所有python内建的数据结构如str、list等预先已在定义结构时使用__iter__方法实现了迭代器.

可迭代对象和迭代器的原理

根据上面的要点我们自定义可迭代对象：

from collections import Iterableclass MyIterable(object):

    def __iter__(self):
        passmy_iter = MyIteradle()

print(isinstance(my_iter,Iterable))# 结果：True

说明python解释器是通过判断一个对象是否有__iter__魔法方法来确定是否是可迭代对象。现在我们尝试用for...in...遍历一下我们定义的可迭代对象：

my_iter = MyIter()for i in my_iter:
    print(i)

结果：
TypeError: iter() returned non-iterator of type 'NoneType'

报错了，为什么？我们需要知道for...in...干了什么事：

python解释器遇到for...in关键字时，第一步找到in后面的my_iter对象，寻找内部的__iter__魔法方法，如果有就执行这个方法，该方法会生成一个迭代器；

第二步从迭代器中取出一个值，并将这个值赋值给i.

那么清楚了，上述我们虽然有了__iter__魔法方法，但是它并不会返回一个迭代器，从迭代器中取值这个动作也没有。那么我们需要实现一个迭代器。

为了便于理解，我们把可迭代对象想象成一个容器，里面存放了我们的数据；迭代器想象成以可迭代对象为原型，在上面加装了一种方法可以顺序访问一个可迭代对象中各个元素，for循环干的事就是获取这个迭代器并从迭代器中取数据。

记住：可迭代对象和它的迭代器是两个不同的对象。

如此我们可知，既然迭代器的原型是可迭代对象，那么自然也要有__iter__魔法方法了，可是这个方法要求返回一个迭代器，那么不无限循环了吗？我们可以让其返回它自己就可以了。另外要加一个方法实现从迭代器中取数据啊，python解释器规定这个方法为_next_.

from collections import Iterable, Iteratorclass MyIterator(object):

    def __iter__(self):
        return self    def __next__(self):
        return 0my_iterator = MyIterator()
print(isinstance(my_iterator, Iterator))for i in my_iterator:
    print(i)# 结果：True

没有报错，由此我们可知在python中实现了__iter__和__next__方法的对象就是迭代器。

完成了吗？并没有，看迭代器定义：提供一种方法顺序访问一个聚合对象中各个元素；顺序访问，由此有：

class MyIterator(object):

    def __init__(self, mylist):
        self.mylist = mylist        # current用来记录当前访问到的位置
        self.current = 0

    def __next__(self):
        if self.current < len(self.mylist):
            item = self.mylist[self.current]
            self.current += 1
            return item        else:            raise StopIteration    def __iter__(self):
        return self

显性获取和使用迭代器

使用for...in...关键字，python解释器把获取迭代器和从迭代器中取值的过程全部自动完成了，如果我想手动一步步实现这个过程怎么办呢？python提供了显性的方法iter()和next().

# 两种方法可以获取一个对象的迭代器l = [0,1,2]print(l.__iter__())print(iter(l))# 结果：<list_iterator object at 0x000002567EA5C518><list_iterator object at 0x000002567EA5C518>

• 手动遍历

# 使用next方法取值l = [0,1,2]
ter = iter(l)
print(ter)while True:    try:
        print(next(ter))    except StopIteration:        break

生成器

生成器是一类特殊的迭代器，什么意思？假如我们想自定义一个迭代器，那么我们需要手动实现__iter__和__next__方法，这显然太过麻烦，于是python为我们提供了一个简单快速的方法。

def my_iterator(mylist):
    current = 0
    while current < len(mylist):
        res = mylist[current]
        current += 1
        yield res    return '遍历完成'l = [0,1,2,3]
F = my_iterator(l)for i in F:
    print(i)

可以看到，我们把__next__方法中的逻辑抽出来，使用yield返回一个结果，这种简便的结构就是生成器了，本质上是一种快速获得迭代器的方法。

此时my_iterator的return值通过for循环是获取不到的，而是需要StopIteration捕捉。

l = [0,1,2,3]
F = my_iterator(l)while True:    try:
        next(F)    except StopIteration as e:
        print("生成器返回值:%s"%e.value)        break

此时的next()函数可以唤醒生成器，另外我们可以使用send()方法来唤醒生成器，同时传递一个值到生成器中。

def my_iterator(mylist):
    current = 0
    while current < len(mylist):
        res = mylist[current]
        current += 1
        i = yield res
        print(i)    return '遍历完成'l = [0,1,2,3]
F = my_iterator(l)while True:    try:
        f.send('aaaa')    except StopIteration as e:
        print("生成器返回值:%s"%e.value)        break

生成器生成式

在逻辑足够简单的时候，一个更快捷的创建生成器的方法：

f = (i for i in range(10)) #   此时f表示的不是元组而是生成器

• 作者：天宇之游

• 出处：http://www.cnblogs.com/cwp-bg/

• 本文版权归作者和博客园共有，欢迎转载、交流，但未经作者同意必须保留此段声明，且在文章明显位置给出原文链接。