Python中的可迭代对象、迭代器、和生成器

可迭代对象

简单来讲，一个实际保存的序列，或者可以通过类似for i in [1, 2, 3, 4, 5]:类似的语法取值的对象，列表就是一个典型的可迭代对象:

>>> my_list = [1, 2, 3, 4, 5]
>>> for i in my_list:
...     print(i)
... 
1
2
3
4
5

for语句在此处提供了一个迭代环境，for语句通过跌打协议从可迭代对象中取出值。
for循环执行时，实际上是获取了可迭代对象的迭代器，调用了迭代器的__next__函数，来生成序列的下一个值。当序列结束时，调用__next__函数会抛出StopIteration异常，for循环语句可以捕获这个异常，以决定何时终止循环。

注意，可迭代对象是不可以直接调用__next__()方法的。

>>> my_list.__next__()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'list' object has no attribute '__next__'

迭代器

通常，我们可以通过iter()方法获取可迭代对象中的迭代器，迭代器可以直接调用__next__()方法：

>>> li = iter(my_list)
>>> li.__next__()
1
>>> iter_list = iter(my_list)
>>> iter_list.__next__()
1
>>> iter_list.__next__()
2
>>> iter_list.__next__()
3
>>> iter_list.__next__()
4
>>> iter_list.__next__()
5
>>> iter_list.__next__()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

当迭代器结束时，调用__next__()方法会抛出StopIteration异常。
在Pyhon3中，还提供了一个内置函数next()，可以自动调用一个对象的__next__()方法。

>>> iter_list = iter(my_list)
>>> next(iter_list)
1
>>> next(iter_list)
2
>>> next(iter_list)
3
>>> next(iter_list)
4
>>> next(iter_list)
5
>>> next(iter_list)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

同样地，内置next()方法也不可以直接用于可迭代对象。

>>> next(my_list)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'list' object is not an iterator

报错显示list对象不是一个迭代器。

生成器

生成器提供了一个在需要的时候才产生结果的工具，而不是立即产生结果，可以通过两种方式来创建

• 生成器函数
  例如：

def squares(n):
    for i in range(n):
        yield = i ** 2

yield语句会挂起该函数，并向调用者发送一个值，并且保存函数当前的执行状态，类似于上下文，使得函数能够在离开的地方继续执行。
当函数包括一条yield语句时， 会自动编译称为生成器，当调用时，会返回一个生成器对象，该对象支持使用__next__()方法来自动执行接口，并且在结束时抛出StopIteration异常

• 生成器表达式
  生成器表达式与列表解析表达式十分相似

>>> [x ** 2 for x in range(4)]
[0, 1, 4, 9]

上面的语句是一个列表解析表达式，返回一个列表。

>>> (x ** 2 for x in range(4))
<generator object <genexpr> at 0x1030cfe60>

将中括号改为小括号，这条语句就变成了一个生成器表达式，如果想保存并且使用该表达式，需要使用一个变量接收。

>>> x = (x ** 2 for x in range(4))
>>> x.__next__()
0
>>> next(x)
1
>>> x.__next__()
4
>>> next(x)
9
>>> x.__next__()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

• 简单来讲，生成器可以认为是对内存的优化，不是一次性产生所有结果， 而是将循环过程分散到了每一次调用，在处理非常大的结果集合运算时，是最优的选择。