迭代器和可迭代对象
由for循环的内部原理说起
list01
=
[
2
,
434
,
5
,
6
,
8
]
for
item
in
list01
:
print
(
item
)
大家有没有想过list类型对象为什么可以被for循环呢？
能够被for循环的条件是：它是可迭代对象(iterable)。
那么什么是
可迭代对象
呢？
参考一下内置函数item()的官方说明文档：
iter(object[, sentinel])
返回一个 iterator对象。根据是否存在第二个实参，第一个实参的解释是非常不同的。如果没有第二个实参，object 必须是支持迭代协议（有 iter () 方法）的集合对象，或必须支持序列协议（有 getitem () 方法，且数字参数从 0 开始）。如果它不支持这些协议，会触发 TypeError。如果有第二个实参 sentinel，那么 object 必须是可调用的对象。这种情况下生成的迭代器，每次迭代调用它的 next () 方法时都会不带实参地调用 object；如果返回的结果是 sentinel 则触发 StopIteration，否则返回调用结果。
由此我们可以明确知道什么是可迭代的对象：即对象实现了能返回迭代器的 iter 方法，或对象实现了 getitem 方法，而且其参数是从零开始的索引。（两者都实现也行）
一文读懂Python可迭代对象、迭代器和生成器
判断一个对象是否是可迭代对象：
# 看对象是否具有__iter__方法 或 __getitem__方法.（dir()内置方法将生成一个列表囊括对象所有方法）,若具有就说明
# 它是一个可迭代对象
>>
>
'__iter__'
in
dir
(
[
]
)
True
>>
>
'__getitem__'
in
dir
(
[
]
)
#还要进一步看其数字参数是否从 0 开始
True
>>
>
情况一：实现了能返回迭代器的__iter__方法（迭代器是具有
__next__()
方法的对象）。
class
SkillIterator
:
"""
迭代器
"""
def
__init__
(
self
,
target
)
:
self
.
target
=
target
self
.
index
=
0
def
__next__
(
self
)
:
# 如果索引越界 则抛出StopIteration异常
if
self
.
index
>
len
(
self
.
target
)
-
1
:
raise
StopIteration
# 返回下一个元素
item
=
self
.
target
[
self
.
index
]
self
.
index
+=
1
return
item
class
SkillManager
:
"""
可迭代对象
"""
def
__init__
(
self
,
skills
)
:
self
.
skills
=
skills
def
__iter__
(
self
)
:
# 创建迭代器对象 传递 需要迭代的数据
return
SkillIterator
(
self
.
skills
)
情况二：对象实现了 getitem 方法，而且其参数是从零开始的索引,python解释器会创建一个迭代器并尝试按顺序（从索引 0 开始）获取元素。
class
Eter_a
:
def
__init__
(
self
,
text
)
:
self
.
sub_text
=
text
.
split
(
" "
)
def
__getitem__
(
self
,
index
)
:
return
self
.
sub_text
[
index
]
ob_a
=
Eter_a
(
"Hello world!"
)
for
i
in
ob_a
:
print
(
i
)
一般我们不用getitem去实现一个迭代器，所以重点还是放在 __iter__上好了。
补充一下：标准迭代器里面大部分都同时实现了__next__和__iter__方法。所以有人这样说：
内部含有'__iter__'并且含有"__next__"方法的对象，就是迭代器
for循环内部原理
实际执行情况如下图：
1)调用可迭代对象的__inter__方法返回一个迭代器对象（iterator）
2)不断调用迭代器的__next__方法返回元素
3)知道迭代完成后，处理StopIteration异常
根据以上条件，我们使用while来模拟一下for循环：
# 1. 获取迭代器对象
list01
=
[
2
,
434
,
5
,
6
,
8
]
iterator
=
list01
.
__iter__
(
)
#（1）先调用__iter__方法获取一个迭代器
while
True
:
try
:
item
=
iterator
.
__next__
(
)
# （2）不断调用迭代器的__next__方法
print
(
item
)
except
StopIteration
:
#(3)直到捕获StopIteration异常停止迭代
break
# （4）跳出循环体
，
生成器generator
(首先它是一个函数，特殊之处在于函数使用yield返回，这样在调用此函数时会返回一个生成器对象，这是一个函数到对象的神奇过程，体现了一种惰性返回的思维(即用到才返回，不用不返回，而不是管你用不用哪怕只用一部分也一次性全部返回return)。生成器是迭代器的一种，明白了吧，想更深入理解就往下看)
生成器及其作用
python 生成器和迭代器有这篇就够了
通过列表生成式，我们可以直接创建一个列表，但是，受到内存限制，列表容量肯定是有限的，而且创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，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
生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。
生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用，但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像是迭代器。
生成器：generator
1.定义：能够动态(循环一次计算一次返回一次)提供数据的可迭代对象。
2.作用：在循环过程中，按照某种算法推算数据，不必创建容器存储完整的结果，从而节省内存空间。数据量越大，优势越明显。
3.以上作用也称之为延迟操作或惰性操作，通俗的讲就是在需要的时候才计算结果，而不是一次构建出所有结果。
生成器函数
1.定义：
含有yield语句的函数，返回值为生成器对象
。
2. 创建语法
def
函数名
(
)
:
…
yield
数据
…
– 调用：
for
变量名
in
函数名
(
)
:
语句
3.说明：
- 调用生成器函数将返回一个生成器对象，不执行函数体。
- yield翻译为”产生”或”生成”
4.执行过程：
(1) 调用生成器函数会自动创建迭代器对象。
(2) 调用迭代器对象的__next__()方法时才执行生成器函数。
(3) 每次执行到yield语句时返回数据，暂时离开。
(4) 待下次调用__next__()方法时继续从离开处继续执行。
5.原理：生成迭代器对象的大致规则如下
- 将yield关键字以前的代码放在next方法中。
-
将yield关键字后面的数据作为next方法的返回值。
（qz理解：或者说当内部调用next方法时，会跳到yield关键字之前的代码继续执行，并且将yield关键字后面的数据作为next方法的返回值，因为调试的话执行next会跳到yield关键字之前的代码。）
内置生成器
1，枚举函数enumerate
1）.语法：
for
变量
in
enumerate
(
可迭代对象
)
:
语句
for
索引
,
元素
in
enumerate
(
可迭代对象
)
:
语句
2）.作用：遍历可迭代对象时，可以将索引与元素组合为一个元组。
2,zip函数
1).语法：
for
item
in
zip
(
可迭代对象
1
,
可迭代对象
2
…
.
)
:
语句
2).作用：将多个可迭代对象中对应的元素组合成一个个元组，生成的元组个数由最小的可迭代对象决定。
生成器表达式
1.定义：用推导式形式创建生成器对象。
2.语法：变量 = ( 表达式 for 变量 in 可迭代对象 [if 真值表达式] )
（注意：可不要误解是元组推导式，不存在元组推导式，因为元组是不可变序列）
>>
>
(
i
for
i
in
range
(
1
,
10
)
)
<
generator
object
<
genexpr
>
at
0x0000023A9DDA7408
>
>>
>
[
i
for
i
in
range
(
1
,
10
)
]
[
1
,
2
,
3
,
4
,
5
,
6
,
7
,
8
,
9
]
>>
>
