轻松区分python可迭代对象、迭代器和生成器

1、可迭代对象与迭代器对比

先举例

>>> s = 'pin'
>>> iter(s)
<str_iterator object at 0x1045752b0>
>>> iterator_s = iter(s)
>>> next(iterator_s)
'p'
>>> next(iterator_s)
'i'
>>> next(iterator_s)
'n'
>>> next(iterator_s)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

字符串对象就是一个可迭代的对象，通过iter函数可以获得它的迭代器并对字符串进行迭代。

再看定义

• 可迭代的对象：
  使用iter内置函数可以获取迭代器的对象
• 迭代器：
  迭代器对象实现了无参数的__next__方法，返回序列中的下一个元素；如果没有元素了，就抛出StopIteration异常。迭代器还实现了__iter__方法，因此它本身也可以迭代。

也就是说，可迭代的对象有个__iter__方法，每次都实例化一个新的迭代器；而迭代器要实现__next__方法，返回单个元素，此外还要实现__iter__方法，返回迭代器本身。
因此，迭代器可以迭代，但可迭代的对象不是迭代器。
另外，可迭代的对象一定不能是自身的迭代器，即可迭代对象必须实现__iter__, 但一定不能实现__next__方法；迭代器应该一直可以迭代，迭代器的__iter__方法应该返回自身。

下面将实现可迭代的斐波那契数列对象和斐波那契数列迭代器

# 斐波那契数列可迭代对象
class Fibonacci:

    def __init__(self, num):
        self.num = num  # 共有num个数字

    def __iter__(self):
        return FibonacciIterator(self.num)


# 斐波那契数列迭代器
class FibonacciIterator:

    def __init__(self, num):
        self.a = 0  # 第0个数是0
        self.b = 1  # 第一个数是1
        self.index = 1  # 从1开始
        self.num = num  # 共有num个数字

    def __next__(self):
        if self.index <= self.num:
            temp = self.a
            self.a, self.b = self.b, self.b + temp
            self.index += 1
            return self.a
        raise StopIteration

    def __iter__(self):
        return self


print(iter(Fibonacci(5)))
# <__main__.FibonacciIterator object at 0x10c56be10>
print([i for i in iter(Fibonacci(5))])
# [1, 1, 2, 3, 5]

2、什么是生成器

• 生成器函数：生成器函数会创建一个生成器对象，包装生成器函数的定义体。把生成器传给next(...)函数时，生成器函数会向前，执行函数定义体中的下一个yield语句，返回产出的值，并在函数定义体中当前位置暂停。最终，函数的定义体返回时，外层的生成器对象会抛出StopIteration异常------这一点与迭代器协议一致。

通俗一点讲，生成器函数和普通函数在句法的唯一区别就是，生成器函数在定义体中有yield关键字。
关于yield在函数体中具体产生了什么作用，看下面的例子

>>> def gen_AB():
...     print("start")
...     yield 'A'
...     print("continue")
...     yield 'B'
...     print("end")
... 
>>> gen_AB()
<generator object gen_AB at 0x1011b90f8>
>>> generator = gen_AB()
>>> next(generator)
start
'A'
>>> next(generator)
continue
'B'
>>> next(generator)
end
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

上面的例子中生成器对象可以和迭代器一样去迭代。

接着上面，讲下生成器表达式

[x*3 for x in gen_AB()]
start
continue
end
['AAA', 'BBB']
>>> res = (x*3 for x in gen_AB())
>>> res
<generator object <genexpr> at 0x1011b9200>
>>> for i in res:
...     print('-->', i)
... 
start
--> AAA
continue
--> BBB
end

列表推导迫切地迭代了gen_AB()函数生成地生成器对象产出地元素：'A'和'B',所以是先输出生成器函数中的打印语句。
使用生成表达式产生的是一个生成器对象，只有在迭代的时候，gen_AB()函数才会被真正执行。

最后

用生成器实现斐波那契数列可迭代对象

class Fibonacci:

    def __init__(self, num):
        self.a = 0  # 第0个数是0
        self.b = 1  # 第一个数是1
        self.index = 1  # 从1开始
        self.num = num  # 共有num个数字

    def __iter__(self):
        while self.index <= self.num:
            temp = self.a
            self.a, self.b = self.b, self.b + temp
            self.index += 1
            yield self.a

print(iter(Fibonacci(5)))
# <generator object Fibonacci.__iter__ at 0x10dc12258>
print(list(Fibonacci(5)))
# [1, 1, 2, 3, 5]
print([i for i in Fibonacci(5)])
# [1, 1, 2, 3, 5]

其实用斐波那契数列生成器的版本与迭代器的对比，可以发现，前者是iter函数返回一个迭代器对象，后者是返回生成器对象。两者迭代的方式是一致的，可以说生成器就是一种特殊的迭代器。