python 迭代器与生成器

参考：

1.http://python.jobbole.com/81916/

2.http://blog.csdn.net/bluebird_237/article/details/38894617

3.http://www.runoob.com/python3/python3-iterator-generator.html

迭代器

先了解几个概念：

可以直接作用于for循环的对象统称为可迭代对象(Iterable)。

可以被next()函数调用并不断返回下一个值的对象称为迭代器(Iterator)。

所有的Iterable均可以通过内置函数iter()来转变为Iterator。

对于迭代器而言，通过next()函数实现“迭代”这一概念，在使用for in语句的时候，程序就会自动调用即将被处理的对象的迭代器对象,然后使用它的next方法，当长度超过了迭代器长度时，就会报StopIteration的异常。

>>> a=[1,2,3]
>>> for i in a:
...     print(i)
...
1
2
3
>>> next(a)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: list object is not an iterator
>>> I=iter(a)
>>> for i in I:
...     print i
...
1
2
3
>>> next(I)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration

有以下结论：

1.内置函数iter()仅仅是调用了对象的iter()方法，所以list对象内部一定存在方法iter()

2.内置函数next()仅仅是调用了对象的next()方法，所以list对象内部一定不存在方法next__()，但是Itrator中一定存在这个方法

3.for循环内部事实上就是先调用iter()把Iterable变成Iterator在进行循环迭代的

可以通过下面这个例子进一步说明：

>>> a=[1,2,3]
>>> I=a.__iter__()
>>> a.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'list' object has no attribute 'next'
>>> I.next()
1
>>> from collections import Iterator, Iterable
>>> isinstance(a,Iterator)
False
>>> isinstance(a,Iterable)
True
>>> isinstance(I,Iterable)
True
>>> isinstance(I,Iterator)
True

4.Iterator继承自Iterable，从下面的测试中可以很方便的看到Iterator包含iter()和next()方法，而Iteratble仅仅包含iter()。

>>> from collections import Iterator, Iterable
>>> help(Iterator)
Help on class Iterator:

class Iterator(Iterable)
|  Method resolution order:
|      Iterator
|      Iterable
|      builtins.object
|**注解：从这里可以看出Iterable继承自object, Iterator继承自Iterable。
|  Methods defined here:
|
|  __iter__(self)
|
|  __next__(self)
|      Return the next item from the iterator. When exhausted, raise StopIteration
......
>>> help(Iterable)
Help on class Iterable:

class Iterable(builtins.object)
|  Methods defined here:
|
|  __iter__(self)
......

还有一个需要注意的地方，那就是迭代器是一次性消耗品，使用完了就无法倒退，因此如果需要多次使用需要进行复制。

>>> I=iter([1,2,3])
>>> for i in I:
...     pass
...
#此时迭代器I已消耗完
>>> next(L)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 'L' is not defined
#然而一开始的复制并没有起作用

如何解决呢？

python2.x似乎只能通过重新生成来实现

生成器

在讲生成器之前，我们先讲讲如何使得自己自定义的类变为Iterable

通过

help(iter)

查看一下：

iter(...)
iter(collection) -> iterator
iter(callable, sentinel) -> iterator

Get an iterator from an object.
In the first form, the argument must supply its own iterator, or be a sequence.
In the second form, the callable is called until it returns the sentinel.

从说明中我们可以看出，直接使用iter函数返回迭代器，需要对象能调用自身的iter函数得到iterator或者是一个序列（序列化）。

序列化相关的内容，博主还不太了解以后学习深入了可以回来补一下。

在不做序列化处理的条件下，实现自定义类的可iter()，需要自己实现iter()函数。

class Iterable:
def __iter__(self):
return Iterator()

class Iterator:
def __init__(self):
self.start=-1
def next(self):
self.start +=2
return self.start

I = Iterable()
for count, i in zip(range(5),I):
print(i)
输出：1，3，5，7，9

上面的代码中也可以将两个类合在一起写，这到无关紧要。

到目前为止，我们得到迭代器都是通过iter()函数转化原对象为iterator，并调用next方法实现迭代操作。

如果我们只是单纯的想做一些迭代的操作（可以节省内存），如不断去计算类里面一些值并结果，而不想把它当做类的next()方法又该如何呢？

这个时候就需要生成器了。

在 Python 中，使用了 yield 的函数被称为生成器（generator）。

跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作。

在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行 next()方法时从当前位置继续运行。

举个例子，我们希望有一个基于菲波那切数列的循环操作

1.通过控制条件，实现变量的斐波那契额变化

这样说可以实现的，但是复用性太差，每次如果操作改了都得重新再做一次菲波那切变化，并写函数体

2.获得这样一个菲波那切数列并通过for in迭代，但是如果该数列较大，占用内存也较大

3.得到一个可迭代对象，next()函数符合菲波那切变化

这样的一种方式比较好，如果通过之前的说法我们最起码得自定义一个类实现next()方法，但这样的工作实在没必要，为此python通过yield实现了将所需函数转化为对应next()函数，并返回iterator对象的操作，这样一来相当于你只需要写next()函数的内容便可以轻松得到自定义的迭代器。

def fibonacci(n): # 生成器函数 - 斐波那契
a, b, counter = 0, 1, 0
while True:
if (counter > n):
return
yield a
a, b = b, a + b
counter += 1
f = fibonacci(10) # f 是一个迭代器，由生成器返回生成

while True:
try:
print next(f)
except StopIteration:
print("done")
break
输出：0,1,1,2,3,5,8,13,21,34,55