可迭代对象 >> 迭代器 >> 生成器 >> yield >> greelet >> gevent >> 协程

可迭代对象

迭代是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。我们已经知道可以对list、tuple、str等类型的数据使用for…in…的循环语法从其中依次拿到数据进行使用，我们把这样的过程称为遍历，也叫迭代。

1、如何判断一个对象是否可以迭代

可以使用 isinstance() 判断一个对象是否是 Iterable 对象：

from collections.abc import Iterableprint(isinstance([1,2,3],Iterable))

输出：

True

2、可迭代对象的本质

我们分析对可迭代对象进行迭代使用的过程，发现每迭代一次（即在for…in…中每循环一次）都会返回对象中的下一条数据，一直向后读取数据直到迭代了所有数据后结束。那么，在这个过程中就应该有一个“人”去记录每次访问到了第几条数据，以便每次迭代都可以返回下一条数据。我们把这个能帮助我们进行数据迭代的“人”称为迭代器(Iterator)。

可迭代对象的本质就是可以向我们提供一个这样的中间“人”即迭代器帮助我们对其进行迭代遍历使用。

可迭代对象通过__iter__方法向我们提供一个迭代器，我们在迭代一个可迭代对象的时候，实际上就是先获取该对象提供的一个迭代器，然后通过这个迭代器来依次获取对象中的每一个数据。

那么也就是说，一个具备了__iter__方法的对象，就是一个可迭代对象。

3、iter()函数与next()函数

list、tuple等都是可迭代对象，我们可以通过iter()函数获取这些可迭代对象的迭代器。然后我们可以对获取到的迭代器不断使用next()函数来获取下一条数据。iter()函数实际上就是调用了可迭代对象的__iter__方法。

4、迭代器Iterator

通过上面的分析，我们已经知道，迭代器是用来帮助我们记录每次迭代访问到的位置，当我们对迭代器使用next()函数的时候，迭代器会向我们返回它所记录位置的下一个位置的数据。实际上，在使用next()函数的时候，调用的就是迭代器对象的__next__方法（Python3中是对象的__next__方法，Python2中是对象的next()方法）。所以，我们要想构造一个迭代器，就要实现它的__next__方法。但这还不够，python要求迭代器本身也是可迭代的，所以我们还要为迭代器实现__iter__方法，而__iter__方法要返回一个迭代器，迭代器自身正是一个迭代器，所以迭代器的__iter__方法返回自身即可。

一个实现了__iter__方法和__next__方法的对象，就是迭代器。

5、for…in…循环的本质

for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象Iterable的迭代器，然后对获取到的迭代器不断调用__next__方法来获取下一个值并将其赋值给item，当遇到StopIteration的异常后循环结束。

实例：

from collections.abc import Iterableimport timeclass DiyA:    def __init__(self):        self.names = []        self.start_num = 0
    def add_name(self,name):        self.names.append(name)
    def __iter__(self):        return self    def __next__(self): # next()        if self.start_num < len(self.names):            a = self.names[self.start_num]            self.start_num+=1            return a        else:            raise StopIteration
man1 = DiyA()man1.add_name('赵一')man1.add_name('钱二')man1.add_name('3333')for i in man1:    time.sleep(1)    print(i)

输出：

赵一 钱二 3333

生成器(generator)

生成器是一类特殊的迭代器。

range(1000)list1=[1,2,3...,1000]

都可以生成1到1000的数据的一个列表。

迭代器range(1000)保存着的是生成着1000个数据的代码。

list1保存的是实实在在的1000个数据。迭代器占用更少的资源。

1、创建生成器

(1)第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( ) (2)我们将原本在迭代器next方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。简单来说：只要在函数中有yield关键字的 就称为生成器。

生成器的表现形式

1. 是一个函数，内部保存着生成数据的代码。
2. 内部必须存在关键字 yield。

def fei_bo(n):    """ 生成器完成斐波拉契数列"""    a,b = 0,1    start_num = 0    while start_num < n:        # print(a,end=',')        # return a # return 会终止函数的执行        yield a        a,b = b,a+b        start_num += 1
def main():    data= fei_bo(5) # 因为函数里面有yield,结果是一个生成器对象，可以用for循环取值    # 由原来的调用函数，变成了创建一个生成器对象    print(data)    for i in data:        print(i, end=',')

if __name__ == '__main__':    main()

输出：

<generator object fei_bo at 0x000002373E6A8A48>0,1,1,2,3,

生成器模板

函数在类里面：方法。

函数在类外面：函数。

函数在类外面+yield：生成器模板。

def fei_bo(n):  # 生成器模板    """ 生成器完成斐波拉契数列"""    a, b = 0, 1    start_num = 0    while start_num < n:        # print(a,end=',')        # return a # return 会终止函数的执行        yield a  # 0， yield 执行一次将一个数据抛出去之后，暂停的作用        # 因为下面的代码调用时在for循环内部        #  暂停之后，再一次从暂停处执行代码，这是yield的特殊之处        a, b = b, a + b        start_num += 1
# 类似 类的地位data = fei_bo(5)  # 调用函数>>创建生成器对象# for i in data: # next()#     print(i, end=',')f1 = next(data)print(f1)f2 = next(data)print(f2)

输出：

0 1

return可以存在生成器模板中吗？

def fei_bo(n):  # 生成器模板    """ 生成器完成斐波拉契数列"""    a, b = 0, 1    start_num = 0    while start_num < n:        yield a        a, b = b, a + b        start_num += 1    return '这是return的数据' # 相当于具体的异常描述信息一样的格式
data = fei_bo(20) # 生成器while True:    try:        f1 = next(data)        print(f1,end=',')    except Exception as e:        print()        print(e)        break

输出：

0,1,1,2,3,5,8,13,21,34,55,89,144,233,377,610,987,1597,2584,4181, 这是return的数据

send()

我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。第一次启动生成器模板，不要使用send()。

def fei_bo(n):  # 生成器模板    """ 生成器完成斐波拉契数列"""    a, b = 0, 1    start_num = 0    while start_num < n:        name = yield a # 进行了暂停 #name可以接收到send传过来的数据        print(name)        a, b = b, a + b        start_num += 1

data = fei_bo(20) # 生成器# 特殊的迭代器，for循环来取值，next()取值，同时有着启动生成器的作用# send()函数：可以往生成去内部传参数f1 = next(data) # 启动生成器print(f1)f2 = data.send('这是send传入的数据') #s数据传入生成器模板怎么拿到print(f2)

输出：

0 这是send传入的数据 1

总结生成器迭代器

迭代器：内部拥有__iter__和__next__方法的类，我们在__iter__方法里面return迭代器本身,在__next__方法里面保存生成数据的代码。占用极小的内存空间，就可以返回大量的数据，range(100000)

for循环 1.判断是否是一个可迭代对象，只要里面拥有了__iter__方法，那么就是可迭代带对象。2.它会调用iter()自动执行__iter__方法，并且得到的需要是一个迭代器对象。3.调用next()自动执行__next__方法，保存的就是生成数据的代码。

生成器：函数 + yield >>> 生成器模板创建对象。特殊的迭代器 yield 只调用一次生成器的话，代码会在yield处暂停。

send():第一次启动生成器模板，不要使用send()。

转载请注明：XAMPP中文组官网 » Python基础知识 迭代器生成器