标签：jin 链接 sdn ble 修改 完全 self 程序 python迭代器
本篇文章简单谈谈可迭代对象，迭代器和生成器之间的关系。
三者简要关系图
可迭代对象与迭代器
刚开始我认为这两者是等同的，但后来发现并不是这样；下面直接抛出结论：
1）可迭代对象包含迭代器。
2）如果一个对象拥有__iter__方法，其是可迭代对象；如果一个对象拥有next方法，其是迭代器。
3）定义可迭代对象，必须实现__iter__方法；定义迭代器，必须实现__iter__和next方法。
你也许会问，结论3与结论2是不是有一点矛盾？既然一个对象拥有了next方法就是迭代器，那为什么迭代器必须同时实现两方法呢？
因为结论1，迭代器也是可迭代对象，因此迭代器必须也实现__iter__方法。
介绍一下上面涉及到的两个方法：
1）__iter__()
该方法返回的是当前对象的迭代器类的实例。因为可迭代对象与迭代器都要实现这个方法，因此有以下两种写法。
写法一：用于可迭代对象类的写法，返回该可迭代对象的迭代器类的实例。
写法二：用于迭代器类的写法，直接返回self（即自己本身），表示自身即是自己的迭代器。
也许有点晕，没关系，下面会给出两写法的例子，我们结合具体例子看。
2）next()
返回迭代的每一步，实现该方法时注意要最后超出边界要抛出StopIteration异常。
下面举个可迭代对象与迭代器的例子：
#!/usr/bin/env python
# coding=utf-8
class MyList(object): # 定义可迭代对象类
def __init__(self, num):
self.data = num # 上边界
def __iter__(self):
return MyListIterator(self.data) # 返回该可迭代对象的迭代器类的实例
class MyListIterator(object): # 定义迭代器类，其是MyList可迭代对象的迭代器类
def __init__(self, data):
self.data = data # 上边界
self.now = 0 # 当前迭代值，初始为0
def __iter__(self):
return self # 返回该对象的迭代器类的实例；因为自己就是迭代器，所以返回self
def next(self): # 迭代器类必须实现的方法
while self.now < self.data:
self.now += 1
return self.now - 1 # 返回当前迭代值
raise StopIteration # 超出上边界，抛出异常
my_list = MyList(5) # 得到一个可迭代对象
print type(my_list) # 返回该对象的类型
my_list_iter = iter(my_list) # 得到该对象的迭代器实例，iter函数在下面会详细解释
print type(my_list_iter)
for i in my_list: # 迭代
print i
运行结果：
问题：上面的例子中出现了iter函数，这是什么东西？和__iter__方法有关系吗？
其实该函数与迭代是息息相关的，通过在Python命令行中打印“help(iter)”得知其有以下两种用法。
用法一：iter(callable, sentinel)
不停的调用callable，直至其的返回值等于sentinel。其中的callable可以是函数，方法或实现了__call__方法的实例。
用法二：iter(collection)
1）用于返回collection对象的迭代器实例，这里的collection我认为表示的是可迭代对象，即该对象必须实现__iter__方法；事实上iter函数与__iter__方法联系非常紧密，iter()是直接调用该对象的__iter__()，并把__iter__()的返回结果作为自己的返回值，故该用法常被称为“创建迭代器”。
2）iter函数可以显示调用，或当执行“for i in obj:”，Python解释器会在第一次迭代时自动调用iter(obj)，之后的迭代会调用迭代器的next方法，for语句会自动处理最后抛出的StopIteration异常。
通过上面的例子，相信对可迭代对象与迭代器有了更具体的认识，那么生成器与它们有什么关系呢？下面简单谈一谈
生成器
生成器是一种特殊的迭代器，生成器自动实现了“迭代器协议”（即__iter__和next方法），不需要再手动实现两方法。
生成器在迭代的过程中可以改变当前迭代值，而修改普通迭代器的当前迭代值往往会发生异常，影响程序的执行。
看一个生成器的例子：
#!/usr/bin/env python
# coding=utf-8
def myList(num): # 定义生成器
now = 0 # 当前迭代值，初始为0
while now < num:
val = (yield now) # 返回当前迭代值，并接受可能的send发送值；yield在下面会解释
now = now + 1 if val is None else val # val为None，迭代值自增1，否则重新设定当前迭代值为val
my_list = myList(5) # 得到一个生成器对象
print my_list.next() # 返回当前迭代值
print my_list.next()
my_list.send(3) # 重新设定当前的迭代值
print my_list.next()
print dir(my_list) # 返回该对象所拥有的方法名，可以看到__iter__与next在其中
运行结果：
具有yield关键字的函数都是生成器，yield可以理解为return，返回后面的值给调用者。不同的是return返回后，函数会释放，而生成器则不会。在直接调用next方法或用for语句进行下一次迭代时，生成器会从yield下一句开始执行，直至遇到下一个yield。
参考资料：
Python核心编程第二版11.10节，13.13.3节
完全理解Python迭代对象、迭代器、生成器
深入讲解Python中的迭代器和生成器
如何更好地理解Python迭代器和生成器
---------------------
作者：jinixin
来源：CSDN
原文：https://blog.csdn.net/jinixin/article/details/72232604
版权声明：本文为博主原创文章，转载请附上博文链接！
标签：jin 链接 sdn ble 修改 完全 self 程序 python迭代器
原文地址：https://www.cnblogs.com/gsx-600r/p/10129746.html
