菜鸟教程《Python 3 教程》笔记（13）：迭代器与生成器

13 迭代器与生成器

出处： 菜鸟教程 - Python3 迭代器与生成器

13.1 迭代器

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。

迭代器有两个基本的方法：iter() 和 next()。

字符串，列表或元组对象都可用于创建迭代器：

>>> list = [1, 2, 3, 4]
>>> it = iter(list)    # 创建迭代器对象
>>> print (next(it))   # 输出迭代器的下一个元素
1
>>> print (next(it))
2

13.1.1 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__() 。

• __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。

• __next__() 方法会返回下一个迭代器对象。

class MyNumbers:def __iter__(self):self.a = 1return selfdef __next__(self):x = self.aself.a += 1return xmyclass = MyNumbers()
myiter = iter(myclass)print(next(myiter))  # 1
print(next(myiter))  # 2print(type(myclass))  # <class '__main__.MyNumbers'>
print(type(myiter))   # <class '__main__.MyNumbers'>
print(myclass is myiter)  # True
print(next(myclass))  # 1
print(next(myclass))  # 2

13.1.2 StopIteration

StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 next() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

class MyNumbers:def __iter__(self):self.a = 1return selfdef __next__(self):if self.a <= 20:x = self.aself.a += 1return xelse:raise StopIteration

13.2 生成器

在 Python 中，使用了 yield 的函数被称为生成器（generator）。

yield 是一个关键字，用于定义生成器函数，生成器函数是一种特殊的函数，可以在迭代过程中逐步产生值，而不是一次性返回所有结果。

跟普通函数不同的是，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 countdown(n):while n > 0:yield nn -= 1# 创建生成器对象
generator = countdown(5)# 通过迭代生成器获取值
print(next(generator))  # 输出: 5
print(next(generator))  # 输出: 4
print(next(generator))  # 输出: 3# 使用 for 循环迭代生成器
for value in generator:print(value)  # 输出: 2 1

13.3 yield 使用浅析

出处： 菜鸟教程 - Python yield 使用浅析

13.3.1 通过 iterable 对象来迭代

在 python 2 中，range() 为 list 对象，会生成 list，xrange() 为 iterable 对象。在 python 3 中，range() 和 xrange() 合并了。

13.3.2 使用 isgeneratorfunction 判断

可以利用 isgeneratorfunction 判断一个函数是否是一个特殊的 generator 函数。

def fab(max): n, a, b = 0, 0, 1 while n < max: yield b      # 使用 yielda, b = b, a + b n = n + 1from inspect import isgeneratorfunction 
print(isgeneratorfunction(fab))  # True

13.3.3 类的定义和类的实例

fab 是一个 generator function，而 fab(5) 是调用 fab 返回的一个 generator，好比类的定义和类的实例的区别

import types 
print(isinstance(fab, types.GeneratorType))  # False
print(isinstance(fab(5), types.GeneratorType))  # True

fab 是无法迭代的，而 fab(5) 是可迭代的

from collections import Iterable 
print(isinstance(fab, Iterable))  # False 
print(isinstance(fab(5), Iterable))  # True

13.3.4 return 的作用

在一个 generator function 中，如果没有 return，则默认执行至函数完毕，如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。

13.3.5 另一个 yield 的例子

另一个 yield 的例子来源于文件读取。如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取。

def read_file(fpath): BLOCK_SIZE = 1024 with open(fpath, 'rb') as f: while True: block = f.read(BLOCK_SIZE) if block: yield block else: return