這篇文章主要介紹了Python中的迭代器和生成器,涉及到Python中很多重要的特性,需要的朋友可以參考下

在Python中，很多對象都是可以通過for語句來直接遍歷的，例如list、string、dict等等，這些對象都可以被稱為可迭代對象。至于說哪些對象是可以被迭代訪問的，就要了解一下迭代器相關的知識了。

迭代器

迭代器對象要求支持迭代器協議的對象，在Python中，支持迭代器協議就是實現對象的__iter__()和next()方法。其中__iter__()方法返回迭代器對象本身;next()方法返回容器的下一個元素，在結尾時引發StopIteration異常。

__iter__()和next()方法

這兩個方法是迭代器最基本的方法，一個用來獲得迭代器對象，一個用來獲取容器中的下一個元素。

對于可迭代對象，可以使用內建函數iter()來獲取它的迭代器對象：

例子中，通過iter()方法獲得了list的迭代器對象，然后就可以通過next()方法來訪問list中的元素了。當容器中沒有可訪問的元素后，next()方法將會拋出一個StopIteration異常終止迭代器。

其實，當我們使用for語句的時候，for語句就會自動的通過__iter__()方法來獲得迭代器對象，并且通過next()方法來獲取下一個元素。

自定義迭代器

了解了迭代器協議之后，就可以自定義迭代器了。

下面例子中實現了一個MyRange的類型，這個類型中實現了__iter__()方法，通過這個方法返回對象本身作為迭代器對象;同時，實現了next()方法用來獲取容器中的下一個元素，當沒有可訪問元素后，就拋出StopIteration異常。

1. class MyRange(object): 
2. def __init__(self, n): 
3. self.idx = 0 
4. self.n = n 
5.  
6. def __iter__(self): 
7. return self 
8.  
9. def next(self): 
10. if self.idx < self.n: 
11. val = self.idx 
12. self.idx += 1 
13. return val 
14. else: 
15. raise StopIteration() 
16.  
17. class MyRange(object): 
18. def __init__(self, n): 
19. self.idx = 0 
20. self.n = n 
21.  
22. def __iter__(self): 
23. return self 
24.  
25. def next(self): 
26. if self.idx < self.n: 
27. val = self.idx 
28. self.idx += 1 
29. return val 
30. else: 
31. raise StopIteration() 

這個自定義類型跟內建函數xrange很類似，看一下運行結果：

1. myRange = MyRange(3) 
2. for i in myRange: 
3. print i 

迭代器和可迭代對象

在上面的例子中，myRange這個對象就是一個可迭代對象，同時它本身也是一個迭代器對象。

看下面的代碼，對于一個可迭代對象，如果它本身又是一個迭代器對象，就會有下面的 問題，就沒有辦法支持多次迭代。

為了解決上面的問題，可以分別定義可迭代類型對象和迭代器類型對象;然后可迭代類型對象的__iter__()方法可以獲得一個迭代器類型的對象?？聪旅娴膶崿F：

1. class Zrange: 
2. def __init__(self, n): 
3. self.n = n 
4.  
5. def __iter__(self): 
6. return ZrangeIterator(self.n) 
7.  
8. class ZrangeIterator: 
9. def __init__(self, n): 
10. self.i = 0 
11. self.n = n 
12.  
13. def __iter__(self): 
14. return self 
15.  
16. def next(self): 
17. if self.i < self.n: 
18. i = self.i 
19. self.i += 1 
20. return i 
21. else: 
22. raise StopIteration()  
23.  
24. zrange = Zrange(3) 
25. print zrange is iter(zrange)  
26.  
27. print [i for i in zrange] 
28. print [i for i in zrange] 

代碼的運行結果為：

其實，通過下面代碼可以看出，list類型也是按照上面的方式，list本身是一個可迭代對象，通過iter()方法可以獲得list的迭代器對象：

生成器

在Python中，使用生成器可以很方便的支持迭代器協議。生成器通過生成器函數產生，生成器函數可以通過常規的def語句來定義，但是不用return返回，而是用yield一次返回一個結果，在每個結果之間掛起和繼續它們的狀態，來自動實現迭代協議。

也就是說，yield是一個語法糖，內部實現支持了迭代器協議，同時yield內部是一個狀態機，維護著掛起和繼續的狀態。

下面看看生成器的使用：

在這個例子中，定義了一個生成器函數，函數返回一個生成器對象，然后就可以通過for語句進行迭代訪問了。

其實，生成器函數返回生成器的迭代器。 “生成器的迭代器”這個術語通常被稱作”生成器”。要注意的是生成器就是一類特殊的迭代器。作為一個迭代器，生成器必須要定義一些方法，其中一個就是next()。如同迭代器一樣，我們可以使用next()函數來獲取下一個值。

生成器執行流程

下面就仔細看看生成器是怎么工作的。

從上面的例子也可以看到，生成器函數跟普通的函數是有很大差別的。

結合上面的例子我們加入一些打印信息，進一步看看生成器的執行流程：

通過結果可以看到：

當調用生成器函數的時候，函數只是返回了一個生成器對象，并沒有 執行。

當next()方法第一次被調用的時候，生成器函數才開始執行，執行到yield語句處停止

next()方法的返回值就是yield語句處的參數(yielded value)

當繼續調用next()方法的時候，函數將接著上一次停止的yield語句處繼續執行，并到下一個yield處停止;如果后面沒有yield就拋出StopIteration異常。

生成器表達式

在開始介紹生成器表達式之前，先看看我們比較熟悉的列表解析( List comprehensions)，列表解析一般都是下面的形式。

1. [expr for iter_var in iterable if cond_expr] 

迭代iterable里所有內容，每一次迭代后，把iterable里滿足cond_expr條件的內容放到iter_var中，再在表達式expr中應該iter_var的內容，最后用表達式的計算值生成一個列表。

例如，生成一個list來保護50以內的所以奇數：

1. [i for i in range(50) if i%2] 

生成器表達式是在python2.4中引入的，當序列過長， 而每次只需要獲取一個元素時，應當考慮使用生成器表達式而不是列表解析。生成器表達式的語法和列表解析一樣，只不過生成器表達式是被()括起來的，而不是[]，如下：

1. (expr for iter_var in iterable if cond_expr) 

看一個例子：

生成器表達式并不是創建一個列表， 而是返回一個生成器，這個生成器在每次計算出一個條目后，把這個條目”產生”(yield)出來。 生成器表達式使用了”惰性計算”(lazy evaluation)，只有在檢索時才被賦值(evaluated)，所以在列表比較長的情況下使用內存上更有效。

繼續看一個例子：

從這個例子中可以看到，生成器表達式產生的生成器，它自身是一個可迭代對象，同時也是迭代器本身。

遞歸生成器

生成器可以向函數一樣進行遞歸使用的，下面看一個簡單的例子，對一個序列進行全排列：

1. def permutations(li): 
2. if len(li) == 0: 
3. yield li 
4. else: 
5. for i in range(len(li)): 
6. li[0], li[i] = li[i], li[0] 
7. for item in permutations(li[1:]): 
8. yield [li[0]] + item 
9.  
10. for item in permutations(range(3)): 
11. print item 
12.  
13. def permutations(li): 
14. if len(li) == 0: 
15. yield li 
16. else: 
17. for i in range(len(li)): 
18. li[0], li[i] = li[i], li[0] 
19. for item in permutations(li[1:]): 
20. yield [li[0]] + item 
21.  
22. for item in permutations(range(3)): 
23. print item 

生成器的send()和close()方法

生成器中還有兩個很重要的方法：send()和close()。

send(value):

從前面了解到，next()方法可以恢復生成器狀態并繼續執行，其實send()是除next()外另一個恢復生成器的方法。

Python 2.5中，yield語句變成了yield表達式，也就是說yield可以有一個值，而這個值就是send()方法的參數，所以send(None)和next()是等效的。同樣，next()和send()的返回值都是yield語句處的參數(yielded value)

關于send()方法需要注意的是：調用send傳入非None值前，生成器必須處于掛起狀態，否則將拋出異常。也就是說，第一次調用時，要使用next()語句或send(None)，因為沒有yield語句來接收這個值。

close():

這個方法用于關閉生成器，對關閉的生成器后再次調用next或send將拋出StopIteration異常。

下面看看這兩個方法的使用：

#FormatImgID_9#

總結

本文介紹了Python迭代器和生成器的相關內容。

通過實現迭代器協議對應的__iter__()和next()方法，可以自定義迭代器類型。對于可迭代對象，for語句可以通過iter()方法獲取迭代器，并且通過next()方法獲得容器的下一個元素。

像列表這種序列類型的對象，可迭代對象和迭代器對象是相互獨立存在的，在迭代的過程中各個迭代器相互獨立;但是，有的可迭代對象本身又是迭代器對象，那么迭代器就沒法獨立使用。

itertools模塊提供了一系列迭代器，能夠幫助用戶輕松地使用排列、組合、笛卡爾積或其他組合結構。

生成器是一種特殊的迭代器，內部支持了生成器協議，不需要明確定義__iter__()和next()方法。

生成器通過生成器函數產生，生成器函數可以通過常規的def語句來定義，但是不用return返回，而是用yield一次返回一個結果。