搞清楚 Python 的迭代器、可迭代对象、生成器
很多伙伴对 python 的迭代器、可迭代对象、生成器这几个概念有点搞不清楚，我来说说我的理解，希望对需要的朋友有所帮助。
1 迭代器协议
迭代器协议是核心，搞懂了这个，上面的几个概念也就很好理解了。
所谓迭代器协议，就是要求一个迭代器必须要实现如下两个方法
iterator.__iter__()
return the iterator object itself.
iterator.__next__()
return the next item from the container.
也就是说，一个对象只要支持上面两个方法，就是迭代器。__iter__() 需要返回迭代器本身，而 __next__() 需要返回下一个元素。
2 可迭代对象
知道了迭代器的概念，那可迭代对象又是啥呢？
这个更简单，只要对象实现了 __iter__() 方法，并且返回的是一个迭代器，那么这个对象就是可迭代对象。
比如我们常见的列表就是可迭代对象
>>> l = [1, 3, 5] >>> iter(l) <list_iterator object at 0x101a1d9e8>
使用 iter() 会调用对应的 __iter__() 方法，这里返回的是一个列表迭代器，所以说列表就是一个可迭代对象。
3 手写一个迭代器
迭代器的实现有不同的方式，相信大家首先能想到的就是自定义类，我们就从这个说起。
便于说明，我们手写一个迭代器，用于生成奇数序列。
按照迭代器协议，我们实现上述的两个方法。
class odd:
def __init__(self, start=1):
self.cur = start
def __iter__(self):
return self
def __next__(self):
ret_val = self.cur
self.cur += 2
return ret_val
终端里，我们实例化一个 odd 类得到一个对象 odd
>>> odd = odd() >>> odd <__main__.odd object at 0x101a1d9b0>
使用 iter() 方法会调用类里的 __iter__ 方法，得到它本身
>>> iter(odd) <__main__.odd object at 0x101a1d9b0>
使用 next() 方法会调用对应的 __next__() 方法，得到下一个元素
>>> next(odd) 1 >>> next(odd) 3 >>> next(odd) 5
其实，odd 对象就是一个迭代器了。
我们可以用 for 来遍历它
odd = odd()
for v in odd:
print(v)
细心的伙伴可能会发现，这个其实会无限的打印下去，那怎么解决呢？
我们拿一个列表做做实验，先得到它的迭代器对象
>>> l = [1, 3, 5] >>> li = iter(l) >>> li <list_iterator object at 0x101a1da90>
然后手动获取下一个元素，直到没有下一个元素为止，看下会发生什么
>>> next(li) 1 >>> next(li) 3 >>> next(li) 5 >>> next(li) traceback (most recent call last): file "<stdin>", line 1, in <module> stopiteration
原来列表迭代器会在没有下一个元素的时候抛出 stopiteration 异常，估计 for 语句就是根据这个异常来确定是否结束。
我们修改一下原来的代码，能生成指定范围内的奇数
class odd:
def __init__(self, start=1, end=10):
self.cur = start
self.end = end
def __iter__(self):
return self
def __next__(self):
if self.cur > self.end:
raise stopiteration
ret_val = self.cur
self.cur += 2
return ret_val
我们使用 for 试一下
>>> odd = odd(1, 10) >>> for v in odd: ... print(v) ... 1 3 5 7 9
果然，和预期一致。
我们用 while 循环模拟 for 的执行过程
目标代码
for v in iterable:
print(v)
翻译后的代码
iterator = iter(iterable)
while true:
try:
v = next(iterator)
print(v)
except stopiteration:
break
事实上 python 的 for 语句原理也就是这样，可以将 for 理解为一个语法糖。
4 创建迭代器的其它方式
生成器其实也是迭代器，所以可以使用生成器的创建方式创建迭代器。
4.1 生成器函数
和普通函数的 return 返回不同，生成器函数使用 yield。
>>> def odd_func(start=1, end=10): ... for val in range(start, end + 1): ... if val % 2 == 1: ... yield val ... >>> of = odd_func(1, 5) >>> of <generator object odd_func at 0x101a14200> >>> iter(of) <generator object odd_func at 0x101a14200> >>> next(of) 1 >>> next(of) 3 >>> next(of) 5 >>> next(of) traceback (most recent call last): file "<stdin>", line 1, in <module> stopiteration
4.2 生成器表达式
>>> g = (v for v in range(1, 5 + 1) if v % 2 == 1) >>> g <generator object <genexpr> at 0x101a142b0> >>> iter(g) <generator object <genexpr> at 0x101a142b0> >>> next(g) 1 >>> next(g) 3 >>> next(g) 5 >>> next(g) traceback (most recent call last): file "<stdin>", line 1, in <module> stopiteration
4.3 怎么选择
到现在为止，我们知道了创建迭代器的 3 种方式，那么该如何选择？
不用说也知道，最简单的就是生成器表达式，如果表达式能满足需求，那么就是它；如果需要添加比较复杂的逻辑就选生成器函数；如果前两者没法满足需求，那就自定义类实现吧。总之，选择最简单的方式就行。
5 迭代器的特点
5.1 惰性
迭代器并不是把所有的元素提前计算出来，而是在需要的时候才计算返回。
5.2 支持无限个元素
比如上面我们建立的第一个 odd 类，它的实例 odd 表示大于 start 的所有奇数，而列表等容器没法容纳无限个元素的。
5.3 省空间
比如存 10000 个元素
>>> from sys import getsizeof >>> a = [1] * 10000 >>> getsizeof(a) 80064
列表占用 80k 左右。
而迭代器呢？
>>> from itertools import repeat >>> b = repeat(1, times=10000) >>> getsizeof(b) 56
只占用了 56 个字节。
也正因为迭代器惰性的特点，才有了这个优势。
6 一些需要注意的细节
6.1 迭代器同时也是可迭代对象
因为迭代器的 __iter__() 方法返回了它自身，而正好它本身就是个迭代器，所以说迭代器也是可迭代对象。
6.2 迭代器遍历完一次就不能从头开始了
看一个奇怪的例子
>>> l = [1, 3, 5] >>> li = iter(l) >>> li <list_iterator object at 0x101a1da90> >>> 3 in li true >>> 3 in li false
因为 li 是列表迭代器，第一次查找 3 的时候，找到了，所以返回 true，但是由于第一次迭代，已经跳过了 3 那个元素，第二次就找不到了，所以会出现 false。
因此，记得迭代器是「一次性」的。
当然，列表是可迭代对象，不管查找几次都是正常的。（不好理解的话，想想上面 for 语句的执行原理，每次都会从可迭代对象那通过 iter() 方法取到新的迭代器）
>>> 3 in l true >>> 3 in l true
7 小节
- 实现了迭代器协议的对象都是迭代器
- 实现了
__iter__()方法并返回迭代器的对象是可迭代对象 - 生成器也是一种迭代器
- 创建迭代器有三种方式，生成器表达式、生成器函数、自定义类，看情况选择最简单的就好
- 迭代器同时也是可迭代对象
- 迭代器是「一次性」的
前面 3 小项是重点，这 3 点理解了，其它的也都能领会。搞清楚标题的那几个名词的概念的自然也没有问题。
8 参考
原文链接：
关注「小小后端」公众号，更多干货等着你喔！