python迭代器、生成器，可迭代对象

迭代器

迭代器（iterator）有时又称游标（cursor）是程式设计的软件设计模式，可在容器物件（container，例如链表或阵列）上遍访的界面，设计人员无需关心容器物件的内存分配的实现细节。

迭代器,规定的两个方法：

• __iter__:返会迭代器本身
• __next__:返会下一个元素
  读取完毕，触发一个StopTteration异常。
  迭代器 ：节约内存 ；读取数据的一种方式（读）

迭代器：当需要迭代对象时，会自动调用系统函数iter()函数，如下：
检查对象是否实现了__iter__方法，如果实现了，则调用，返会一个迭代器。
如果没有实现__iter__方法,但是实现了__getitem__()方法，python会创建一个迭代器，尝试按顺序（从0 开始）获取元素
如果前两者都无 则抛出异常

举个栗子：

import reprlib
class Sentence:
    def __init__(self,text):
        self.text = text
        self.words = self.text.split()

    def __getitem__(self, item):
        return self.words[item]

    def __len__(self):
        return len(self.words)

    def __repr__(self):
        return "Sentence(%s)" % reprlib.repr(self.text)


s = Sentence('Zurich Alcazar love beautiful girl ')
print(s)
for word in s:
    print(word)

简单的看一下内存的占用情况：

内存分析

Output：

Sentence('Zurich Alcaz...autiful girl ')
Zurich
Alcazar
love
beautiful
girl

【注意】 reprlib模块 提供了对表示对象的字符串大小的限制。它提供的功能是内建函数repr（）的加强版。

---

生成器（Generators）

生成器是构造迭代器的最简单有力的工具，与普通函数不同的只有在返回一个值的时候使用yield来替代return，然后yield会自动构建好next()和iter()。是不是很省事。

生成器：用于生成数据（写）

生成器最佳应用场景是：
你不想同一时间将所有计算出来的大量结果集分配到内存当中，特别是结果集里还包含循环。比方说，循环打印1000000个数，我们一般会使用xrange()而不是range()，因为前者返回的是生成器，后者返回的是列表（列表消耗大量空间）。

举例来看。。。

class Count:
    def __init__(self,step):
        self.step = step

    def __next__(self):
        if self.step <= 0:
            raise StopIteration

        self.step -=1
        return self.step
    #调用时生成

    def __iter__(self):
        return self

output：

7
6
5
4
3
2
1
0

迭代的方式生成斐波那契数列：
参考文档：https://www.jianshu.com/writer#/notebooks/36309588/notes/47910634

def fib(n):
    if n == 1  or n == 2:
        return 1
    else:
        return fib(n-2) + fib(n-1)
print(fib(20))

--------
output:
        6765

---

【总结】

• next 方法，会在yield关键字处停止，并返会yield后的值。
• 只要python函数的定义中有yield关键字，则该函数就是生成器。调动时会返会一个生成器对象。
  也就是说生成器函数是用来生成生成器的。
• 生成器也是迭代器，会生成yield关键字后面表达式的值
• 一般函数使用return 返回，而生成器是由yield返回数据