可迭代对象

什么是可迭代对象？顾名思义就是可以迭代的一个对象，再通俗点就是可以被for循环遍历的对象，如常用的list、str等数据类型。我们可以使用isinstance来判断这个数据是否是可迭代对象，在此要先从Iterable包中导入模块collections。

from collections import Iterable

a = 1 #int

b= [1,2,3] #list

c= "abc" #str

d = {1,2,3} #set

e = (1,2,3) #tuple

f = {1:'a',2:'b'}#dict

g = open('test.py')

print (isinstance(a,Iterable))

print (isinstance(b,Iterable))

print (isinstance(c,Iterable))

print (isinstance(d,Iterable))

print (isinstance(e,Iterable))

print (isinstance(f,Iterable))

print (isinstance(g,Iterable))

False

True

True

True

True

True

True

可以看出除了像int、float、complex这种基本类型外，其他的数据类型都是属于可迭代对象，包括文件对象。他们之所以被python内部认为是一种可迭代对象，是因为他们都具有__iter__方法,用hasattr可以看出来。

a = 1 #int

b= [1,2,3] #list

c= "abc" #str

d = {1,2,3} #set

e = (1,2,3) #tuple

f = {1:'a',2:'b'}#dict

g = open('test.py')

print (hasattr(a,'__iter__'))

print (hasattr(b,'__iter__'))

print (hasattr(c,'__iter__'))

print (hasattr(d,'__iter__'))

print (hasattr(e,'__iter__'))

print (hasattr(f,'__iter__'))

print (hasattr(g,'__iter__'))

False

True

True

True

True

True

True

靠__iter__这个方法我们就可以自己创造一个可迭代对象，如下所示：

from collections import Iterable

class A():

    def __init__(self):

        pass

    def __iter__(self):

        pass

class B():

    def __init__(self):

        pass

a = A()

b = B()

print (isinstance(a,Iterable))

print (isinstance(b,Iterable))

True

False

上面代码可以看出来，在一个类中加入了__iter__这个方法，实例化的对象就会被python内部认为是一个可迭代的对象。

迭代器

上面介绍了什么是可迭代对象。那么什么是迭代器呢？迭代器跟可迭代对象又是什么关系呢？那么先解释第一问，迭代器对象是要求支持迭代器协议的对象，在Python中，支持迭代器协议就是实现对象的__iter__()和next()方法。其中__iter__()方法返回迭代器对象本身；next()方法返回容器的下一个元素，在结尾时引发StopIteration异常。事实上，我们可以用上述的方法来检测一下那些数据类型是不是属于迭代器。

from collections import Iterator

a = 1 #int

b= [1,2,3] #list

c= "abc" #str

d = {1,2,3} #set

e = (1,2,3) #tuple

f = {1:'a',2:'b'}#dict

g = open('test.py')

print (isinstance(a,Iterator))

print (isinstance(b,Iterator))

print (isinstance(c,Iterator))

print (isinstance(d,Iterator))

print (isinstance(e,Iterator))

print (isinstance(f,Iterator))

print (isinstance(g,Iterator))

False

False

False

False

False

False

True

结果显示除了文件对象，其他的数据类型都不是迭代器，上面说过，迭代器必须同时有__iter__和__next__方法，我们可以看看文件对象和列表，比较他们是否有__next__方法，依次验证。

print (hasattr(b,'__next__'))#list

print (hasattr(g,'__next__'))#文件对象

False

True

再讲一下可迭代对象和迭代器的区别，我们都知道在学习python时流行这么一句话“一切皆对象”，那么显然易见可迭代对象就包括了迭代器，之所以把把文件对象又叫做迭代器，是因为它多了一种__next__方法而已。

知道了上述所讲的内容后，我们就可以试着自己写一个迭代器，无非就是加入__iter__和__next__方法。

from collections import Iterator

class A():

    def __init__(self,i):

        self.n = 0

        self.i = i

    def __iter__(self):

        return self

    def __next__(self):

        if self.i > self.n:

            var = self.i

            self.i -= 1

            return var

        else:

            raise StopIteration()

a = A(5)

print (isinstance(a,Iterator))

for i in a:

    print (i)

#True

#5

#4

#3

#2

#1

创建一个迭代器还可以使用python内置的函数iter和next，如下：

from collections import Iterator

a = [1,2,3]

b = iter(a)

print (next(b))

print (isinstance(b,Iterator))

1

True

上述代码用iter将一个可迭代对象变成了一个迭代器，然后就可以使用迭代器的专用方法next来一个一个地取出数据。

for循环内部机制

a = [1,2,3]

for i in a:

    print(i)

#1

#2

#3

为什么一个列表放在for循环里就可以很快地取出内部所有元素呢？正常来说，一个可迭代对象是不能直接从其中取出元素的，但放在for循环里就可以，这是因为在循环时，它会先自动调用__iter__方法将列表变成一个迭代器，然后这个迭代器再调用其__next__()方法。

生成器

首先我们需要知道的是生成器本质就是一个迭代器，它同样拥有__iter__和__next__两个方法。与迭代器不同的是，他可以产生延迟操作，既不会立即出现结果，而是在你需要的时候才产生。生成器通过生成器函数产生，生成器函数可以通过常规的def语句来定义，但是不用return返回，而是用yield一次返回一个结果，在每个结果之间挂起和继续它们的状态，来自动实现迭代协议。也就是说，yield是一个语法糖，内部实现支持了迭代器协议，同时yield内部是一个状态机，维护着挂起和继续的状态。

def A(n):

    print ("----生成器开始-----")

    i = 1

    while n != 0:

        print("开始循环第%d次"%i)

        yield n

        n -= 1

        print ("第%d循环结束"%i)

        i += 1

    print ("----生成器结束----")

a = A(3)

print (a.__next__())

----生成器开始-----

开始循环第1次

5

可以看出，生成器函数直接调用并不会马上执行，只有用next方法才能开始执行，next一次，他会直到碰到yield就会马上结束，当再次写一个next方法时（如下所示），它会在yield后继续执行下去，直到碰到下一个yield才会停止。如果没有找到yield，就会报出异常。

----生成器开始-----

开始循环第1次

5

第1循环结束

开始循环第2次

4

上述代码如果next方法执行四次，就会报出StopIteration错误。如下所示：

Traceback (most recent call last):

----生成器开始-----

开始循环第1次

  File "D:/untitled/test.py", line 20, in <module>

3

第1循环结束

开始循环第2次

2

第2循环结束

开始循环第3次

1

    print (a.__next__())

第3循环结束

----生成器结束----

StopIteration

生成器中还有两个很重要的方法：send()和close()。

send(value):next()方法可以恢复生成器状态并继续执行，其实send()是除next()外另一个恢复生成器的方法。与next不同的是，它需要传入一个参数，一般传入None，即send(None)与next()是等效的。

close():这个方法用于关闭生成器，对关闭的生成器后再次调用next或send将抛出StopIteration异常。