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(guān)的知識了。

迭代器

迭代器對象要求支持迭代器協(xié)議的對象，在Python中，支持迭代器協(xié)議就是實現(xiàn)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(jié)尾時引發(fā)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(nèi)建函數(shù)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(dāng)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(dāng)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(xié)議之后，就可以自定義迭代器了。

下面例子中實現(xiàn)了一個MyRange的類型，這個類型中實現(xiàn)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(xiàn)了next()方法用來獲取容器中的下一個元素，當(dāng)沒有可訪問元素后，就拋出StopIteration異常。

class MyRange(object):
 def __init__(self, n):
  self.idx = 0
  self.n = n

 def __iter__(self):
  return self

 def next(self):
  if self.idx < self.n:
   val = self.idx
   self.idx += 1
   return val
  else:
   raise StopIteration()

class MyRange(object):
 def __init__(self, n):
  self.idx = 0
  self.n = n
 
 def __iter__(self):
  return self
 
 def next(self):
  if self.idx < self.n:
   val = self.idx
   self.idx += 1
   return val
  else:
   raise StopIteration()

這個自定義類型跟內(nèi)建函數(shù)xrange很類似，看一下運行結(jié)果：

myRange = MyRange(3)
for i in myRange:
 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。看下面的實現(xiàn)：

class Zrange:
 def __init__(self, n):
  self.n = n

 def __iter__(self):
  return ZrangeIterator(self.n)

class ZrangeIterator:
 def __init__(self, n):
  self.i = 0
  self.n = n

 def __iter__(self):
  return self

 def next(self):
  if self.i < self.n:
   i = self.i
   self.i += 1
   return i
  else:
   raise StopIteration() 

zrange = Zrange(3)
print zrange is iter(zrange)   

print [i for i in zrange]
print [i for i in zrange]

代碼的運行結(jié)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(xié)議。生成器通過生成器函數(shù)產(chǎn)生，生成器函數(shù)可以通過常規(guī)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(jié)果，在每個結(jié)果之間掛起和繼續(xù)它們的狀態(tài)，來自動實現(xiàn)迭代協(xié)議。

也就是說，yield是一個語法糖，內(nèi)部實現(xiàn)支持了迭代器協(xié)議，同時yield內(nèi)部是一個狀態(tài)機(jī)，維護(hù)著掛起和繼續(xù)的狀態(tài)。

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(shù)，函數(shù)返回一個生成器對象，然后就可以通過for語句進(jìn)行迭代訪問了。

其實，生成器函數(shù)返回生成器的迭代器。 “生成器的迭代器”這個術(shù)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(shù)來獲取下一個值。

生成器執(zhí)行流程

下面就仔細(xì)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(shù)跟普通的函數(shù)是有很大差別的。

結(jié)合上面的例子我們加入一些打印信息，進(jìn)一步看看生成器的執(zhí)行流程：

通過結(jié)果可以看到：

當(dāng)調(diào)用生成器函數(shù)的時候，函數(shù)只是返回了一個生成器對象，并沒有 執(zhí)行。
當(dāng)next()方法第一次被調(diào)用的時候，生成器函數(shù)才開始執(zhí)行，執(zhí)行到y(tǒng)ield語句處停止
next()方法的返回值就是yield語句處的參數(shù)（yielded value）
當(dāng)繼續(xù)調(diào)用next()方法的時候，函數(shù)將接著上一次停止的yield語句處繼續(xù)執(zhí)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(dá)式

在開始介紹生成器表達(dá)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。

[expr for iter_var in iterable if cond_expr]

迭代iterable里所有內(nèi)容，每一次迭代后，把iterable里滿足cond_expr條件的內(nèi)容放到iter_var中，再在表達(dá)式expr中應(yīng)該iter_var的內(nèi)容，最后用表達(dá)式的計算值生成一個列表。

例如，生成一個list來保護(hù)50以內(nèi)的所以奇數(shù)：

[i for i in range(50) if i%2]

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

(expr for iter_var in iterable if cond_expr)

看一個例子：

生成器表達(dá)式并不是創(chuàng)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(chǎn)生”（yield）出來。 生成器表達(dá)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(nèi)存上更有效。

繼續(xù)看一個例子：

從這個例子中可以看到，生成器表達(dá)式產(chǎn)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(shù)一樣進(jìn)行遞歸使用的，下面看一個簡單的例子，對一個序列進(jìn)行全排列：

def permutations(li):
 if len(li) == 0:
  yield li
 else:
  for i in range(len(li)):
   li[0], li[i] = li[i], li[0]
   for item in permutations(li[1:]):
    yield [li[0]] + item

for item in permutations(range(3)):
 print item

def permutations(li):
 if len(li) == 0:
  yield li
 else:
  for i in range(len(li)):
   li[0], li[i] = li[i], li[0]
   for item in permutations(li[1:]):
    yield [li[0]] + item
 
for item in permutations(range(3)):
 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(fù)生成器狀態(tài)并繼續(xù)執(zhí)行，其實send()是除next()外另一個恢復(fù)生成器的方法。

Python 2.5中，yield語句變成了yield表達(dá)式，也就是說yield可以有一個值，而這個值就是send()方法的參數(shù)，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(shù)（yielded value）

關(guān)于send()方法需要注意的是：調(diào)用send傳入非None值前，生成器必須處于掛起狀態(tài)，否則將拋出異常。也就是說，第一次調(diào)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(guān)閉生成器，對關(guān)閉的生成器后再次調(diào)用next或send將拋出StopIteration異常。

下面看看這兩個方法的使用：

總結(jié)

本文介紹了Python迭代器和生成器的相關(guān)內(nèi)容。

• 通過實現(xiàn)迭代器協(xié)議對應(yīng)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(jié)構(gòu)。
• 生成器是一種特殊的迭代器，內(nèi)部支持了生成器協(xié)議，不需要明確定義__iter__()和next()方法。
• 生成器通過生成器函數(shù)產(chǎn)生，生成器函數(shù)可以通過常規(guī)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(jié)果。

最新評論