Python 的可迭代对象、迭代器和生成器

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iter()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__iter__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)直到迭代完成后，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]
>>>