生成器与迭代器的区别

迭代器

定义：

1、类中定义了__iter__以及__next__方法
2、__iter__固定返回self
3、__next__会记住当前迭代的值，并在下一次迭代时取下一个值，当取完，抛出StopIteration异常

class iterClass:
    def __init__(self):
        self.counter = 1   #定义一个计数

    def __iter__(self):
        return self

    def __next__(self):
        self.counter += 1
        if self.counter > 10:
            raise StopIteration
        return self.counter

cls = iterClass()
cls.__next__() #调用迭代器的方法1
next(cls) #调用迭代器的方法2

调用__next__()方法有两种方式

1、通过迭代器对象.__next__()直接调用

2、使用python关键字：next(迭代器对象)进行调用

for num in cls: #在进行for循环时，首先会先执行__iter__()方法并获取返回值，接下来在每次循环中调用__next__()方法， 当触发StopIteration异常，自动捕获并停止循环
    print(num)

此外，使用for循环时，会先执行__iter__()方法，获取返回值，生成迭代器对象，然后在接下来的循环中，每次都调用一次__next__()方法，直到触发StopIteration异常，会自动捕获然后停止循环

注意：迭代器和生成器有同个特性：懒加载。

生成器

定义

1、在函数中定义yield方法
2、使用生成器生成式 (x for x in range(10))
生成器适合应用于要承载大量数据的对象，比如一个列表需要装100000000个数据，如果直接定义会直接导致内存溢出，报MemoryError，但是如果使用生成器，则不会。
生成器不会在一开始就把所有的数据放入内存中，而是在用到时才生成数据。
ps：生成器可以理解为一个特殊的迭代器

def test():
    for i in range(10):
        yield i


fun = test()
while 1:
    print(next(fun))
    time.sleep(1)

生成器可以理解为一个特殊的迭代器，因此next()对它也是生效的。上面这段代码，会在十秒内，从零到九按顺序每隔一秒打印一次，然后触发StopIteration异常

def test():
    for i in range(3):
        yield i
        yield '第二次循环的yield'


fun = test()
while 1:
    print(next(fun))

与迭代器有一点小小的不同，生成器在yield返回后，在下次的循环中会从yield下方的语句继续执行

例如上方这段代码的输出结果为

0
第二次循环的yield
1
第二次循环的yield
2
第二次循环的yield

可迭代对象

定义

如果一个类中，有__iter__函数且返回一个迭代器对象，则称创建这个类的对象为可迭代对象

class iterAble:
    def __iter__(self):
        return iterClass() #返回一个迭代器对象



a = iterAble()  

上图中，a便是一个可迭代对象，当对可迭代对象 a 进行循环时，会先调用 a 的__iter__()函数，获取一个迭代器（iterClass类），并在接下来的循环中，调用iterClass的__next__函数，完成循环

python中，我们常用的range便是一个可迭代对象。我们可以通过一段代码来看

r1 = range(10)  
print('r1---',dir(r1))
r2 = r1.__iter__()
print('r2---',dir(r2))

上面这段代码的输出结果为

r1--- ['__bool__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'count', 'index', 'start', 'step', 'stop']
r2--- ['__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__length_hint__', '__lt__', '__ne__', '__new__', '__next__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setstate__', '__sizeof__', '__str__', '__subclasshook__']

我们可以看到，r1仅返回了__iter__，而没有__next__，而r2则是__iter__和__next__都返回了

实操

class xrange:
    def __init__(self,num):
        self.num = num

    def __iter__(self):
        return newRange(self.num)

class newRange:
    def __init__(self,num):
        self.num = num
        self.count = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.num == self.count:
            raise StopIteration
        self.count += 1
        return self.count
test = xrange(100)
for i in test:
    print(i)

以上这段代码为自己重新写了一个简单的range，可以供参考