python 迭代器和生成器
一、什么是迭代器协议
1.迭代器协议是指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引起一个stoplteration异常，以终止迭代（只能 往后走，不能往前退）
2.可迭代对象：实现了迭代器协议的对象（如何实现：对象内部定义一个__iter__()方法）
3.协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如for循环，sum，min，max函数等）使用迭代器协议访问对象
可迭代对象
可迭代对象泛指一类对象，不是指的每一种对象，确切的说满足以下的条件的对象可以成为可迭代对象:
1. 对象实现了__iter__方法
2. __iter__方法返回了一个迭代器对象
我们比较容易理解的可迭代对象，比如说可以用for语句去遍历，实际for语句的内部实现应该就是首先调用对象的__iter__方法，获取一个迭代器对象，接着不停的调用迭代器对象的__next__方法，循环遍历取值。
迭代器对象（迭代器）
迭代器协议包括这些条件:
1.对象实现了__next__方法
2.__next__方法返回了某个数值（当然一般情况下，我们需要的是返回这个对象的特定的数字，并且按照一定的顺序进行依次返回）
3.__next__方法需要在值取完的时候，抛出StopIteration的错误信息。
总结:
可迭代对象是 调用对象的__iter__方法能够返回迭代器对象的一种对象。
迭代器对象是实现了迭代器协议的对象。
迭代器有两个基本的方法：iter() 和 next()
列表，元组，集合，字典，字符串都可用于创建迭代器：
l=[1,2,3,4] t=(1,2,3,4) set={1,2,3,4} d={'name':'zs','age':20} s='abcdef' i=123 l1=l.__iter__() t1=t.__iter__() set1=set.__iter__() d1=d.__iter__() s1=s.__iter__() print(type(l.__iter__())) print(type(t.__iter__())) print(type(set.__iter__())) print(type(d.__iter__())) print(type(s.__iter__()))
只有可迭代对象才可以使用__iter__()方法，非 iterable 对象不能调用这个方法哦，比如整型，可以直接用 for 循环的对象都叫可迭代对象，
迭代器的访问
两种方式，一种是直接next访问，一种是for访问
#for迭代和next()迭代两种方式完全一样
for x in l1:
print(x)
print("####################################################")
#for迭代已经完成，下面的next()迭代不会再有任何输出，反过来也是一样
while True:
try:
print (next(l1))
except StopIteration:
pass
创建一个迭代器
把一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与 __next__()
class MyNumbers:
#__iter__() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。 def __iter__(self): self.a = 1 return self #__next__() 方法会返回下一个迭代器对象。 def __next__(self): if self.a <= 20: x = self.a self.a += 1 return x else:
#StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况 raise StopIteration myclass = MyNumbers() myiter = iter(myclass) for x in myiter: print(x)
生成器
可以理解为一种数据类型，这种数据类型自动实现了迭代器协议（其他的数据类型需要调用自己的内置的__iter__方法），所以生成器就是可迭代对象
使用了yield关键字的函数就是生成器，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
def test(): yield 1 yield 2 t=test() for i in t: print(i)
- yield有点像断点。 加了yield的函数，每次执行到有yield的时候，会返回yield后面的值 并且函数会暂停，直到下次调用或迭代终止；
- yield后面可以加多个数值（可以是任意类型），但返回的值是元组类型的。
2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表
为何使用生成器之生成器的特点
Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生成器的主要好处。
生成器小结：
a.是可迭代对象
b.实现了延迟计算，省内存
c.生成器本质和其他的数据类型一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处
生成器使用的简单例子
def myegg(retlist):
for i in retlist:
rec = yield i
mydict = [
{"name":"厉智","age":31},
{"name":"陈培昌","age":21},
{"name": "程劲", "age": 20},
]
b = myegg(mydict)
obj = b.__next__()
print("喜欢{}，芳龄{}".format(obj['name'],obj['age']))
obj2 = b.__next__()
print("喜欢{}，芳龄{}".format(obj2['name'],obj2['age']))
obj3 = b.__next__()
print("喜欢{}，芳龄{}".format(obj3['name'],obj3['age']))
作者：huxt
链接：https://www.jianshu.com/p/dcc4c1af63c7
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
