Python迭代器与生成器-优快云博客

1.迭代器协议

对象必须提供一个next()，执行该方法要么返回迭代中的一个，要么就引起一个Stopiteration异常，以终止迭代

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

4.for循环的本质

for循环的本质：循环所有的对象，全都是使用迭代器协议

for可以遍历字符串、列表、元祖、字典、文件对象，但是这些数据类型本身不是可迭代对象，for循环执行时，实际上是先调用他们内部的__iter__()方法，将其转换为可迭代对象，在通过next()方法获取下一个值，直到for循环捕捉到StopIterration终止循环。

#例如：
a='test'
s=a.__iter__()   #字符串转化为可迭代对象
print(s)    #--> <str_iterator object at 0x02876B30>
print(s.__next__())     #--> t     字符串转化为可迭代对象后，才会具有next()方法的能力
print(s.__next__())     #--> e
print(s.__next__())     #--> s
print(s.__next__())     #--> t

li=[1,2,3,4,5]
l=li.__iter__()   #遵循迭代器协议，生成可迭代对象
print(l)         #--> <list_iterator object at 0x03006B30>
print(l.__next__())     #--> 1
print(l.__next__())     #--> 2
print(l.__next__())     #--> 3
print(l.__next__())     #--> 4
print(l.__next__())     #--> 5

5.生成器

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（其他数据类型需要调用其内部的__iter__()方法），所以生成器就是可迭代对象

生成器分类：

（1）生成器函数

常规函数定义，但是使用yield语句而不是return语句返回结果。yeild语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便于下次重它离开的地方继续执行

def test():
    yield 1
    yield 2
    yield 3
    yield 4
g=test()
print(g.__next__())   #-->1
print(g.__next__())   #-->2
print(g.__next__())   #-->3
print(g.__next__())   #-->4

（2）生成器表达式

类似于列表推导，但是，生产器返回按需产生结果的一个对象，而不是构建一个结果列表

for i in range(10):
    print(i)

l=[i for i in range(10)]   #列表推导式（列表解析：内存占用大，机器容易卡死）
print(l)

#生成器表达式 几乎不占内存
res=(i for i in range(10) if i<3)   
print(res)   #<generator object <genexpr> at 0x03921300> 这里的res就是一个生成器
print(next(res))    #-->0
print(res.__next__())    #-->1
print(res.__next__())    #-->2
print(res.__next__())    #-->StopIteration  抛异常

（3）生成器只能遍历一次

def test():
    for i in range(4):
        yield i
t=test()
t1=(i for i in t) 
t2=(i for i in t1)
print(list(t1))      #list(t1)将t1生成器生成的值已经遍历完成，输出：[0,1,2,3]
print(list(t2))      #t2=(i for i in t1),t1已经遍历完成，t1为空，t2再去遍历t1时，只能得到空值