在 Python 中可迭代( Iterable )、迭代器( Iterator )和生成器( Generator )这几个概念是经常用到的，初学时对这几个概念也是经常混淆，现在是时候把这几个概念搞清楚了。
0x00 可迭代(Iterable)
简单的说，一个对象(在Python里面一切都是对象)只要实现了只要实现了 __iter__() 方法，那么用 isinstance() 函数检查就是 Iterable 对象；
例如
class IterObj:
def __iter__(self):
# 这里简单地返回自身
# 但实际情况可能不会这么写
# 而是通过内置的可迭代对象来实现
# 下文的列子中将会展示
return self
复制代码
上面定义了一个类 IterObj 并实现了 __iter__() 方法，这个就是一个 可迭代(Iterable)对象
it = IterObj()
print(isinstance(it, Iterable)) # true
print(isinstance(it, Iterator)) # false
print(isinstance(it, Generator)) # false
复制代码
记住这个类，下文我们还会看到这个类的定义。
常见的可迭代对象
在 Python 中有哪些常见的可迭代对象呢？
- 集合或序列类型（如
list、tuple、set、dict、str） - 文件对象
- 在类中定义了
__iter__()方法的对象，可以被认为是Iterable对象，但自定义的可迭代对象要能在for循环中正确使用，就需要保证__iter__()实现必须是正确的（即可以通过内置iter()函数转成Iterator对象。关于Iterator下文还会说明，这里留下一个坑，只是记住iter()函数是能够将一个可迭代对象转成迭代器对象，然后在for中使用） - 在类中实现了如果只实现
__getitem__()的对象可以通过iter()函数转化成迭代器但其本身不是可迭代对象。所以当一个对象能够在for循环中运行，但不一定是Iterable对象。
关于 第1、2点 我们可以通过以下来验证
print(isinstance([], Iterable)) # true list 是可迭代的
print(isinstance({}, Iterable)) # true 字典是可迭代的
print(isinstance((), Iterable)) # true 元组是可迭代的
print(isinstance(set(), Iterable)) # true set是可迭代的
print(isinstance('', Iterable)) # true 字符串是可迭代的
currPath = os.path.dirname(os.path.abspath(__file__))
with open(currPath+'/model.py') as file:
print(isinstance(file, Iterable)) # true
复制代码
我们再来看 第3点 ，
print(hasattr([], "__iter__")) # true
print(hasattr({}, "__iter__")) # true
print(hasattr((), "__iter__")) # true
print(hasattr('', "__iter__")) # true
复制代码
这些内置集合或序列对象都有 __iter__ 属性，即他们都实现了同名方法。但这个可迭代对象要在 for 循环中被使用，那么它就应该能够被内置的 iter() 函数调用并转化成 Iterator对象。
例如，我们看内置的可迭代对象
print(iter([])) # <list_iterator object at 0x110243f28>
print(iter({})) # <dict_keyiterator object at 0x110234408>
print(iter(())) # <tuple_iterator object at 0x110243f28>
print(iter('')) # <str_iterator object at 0x110243f28>
复制代码
它们都相应的转成了对应的迭代器( Iterator )对象。
现在回过头再看看一开始定义的那个 IterObj 类
class IterObj:
def __iter__(self):
return self
it = IterObj()
print(iter(it))
复制代码
我们使用了 iter() 函数，这时候将再控制台上打印出以下信息：
Traceback (most recent call last):
File "/Users/mac/PycharmProjects/iterable_iterator_generator.py", line 71, in <module>
print(iter(it))
TypeError: iter() returned non-iterator of type 'IterObj'
复制代码
出现了类型错误，意思是 iter() 函数不能将‘非迭代器’类型转成迭代器。
那如何才能将一个可迭代( Iterable )对象转成迭代器( Iterator )对象呢？ 我们修改一下 IterObj 类的定义
class IterObj:
def __init__(self):
self.a = [3, 5, 7, 11, 13, 17, 19]
def __iter__(self):
return iter(self.a)
复制代码
我们在构造方法中定义了一个名为 a 的列表，然后还实现了__iter__() 方法。
修改后的类是可以被 iter() 函数调用的，即也可以在 for循环中使用
it = IterObj()
print(isinstance(it, Iterable)) # true
print(isinstance(it, Iterator)) # false
print(isinstance(it, Generator)) # false
print(iter(it)) # <list_iterator object at 0x102007278>
for i in it:
print(i) # 将打印3、5、7、11、13、17、19元素
复制代码
因此在定义一个可迭代对象时，我们要非常注意__iter__()方法的内部实现逻辑，一般情况下，是通过一些已知的可迭代对象（例如，上文提到的集合、序列、文件等或其他正确定义的可迭代对象）来辅助我们来实现
关于 第4点 说明的意思是 iter() 函数可以将一个实现了 __getitem__() 方法的对象转成迭代器对象，也可以在 for 循环中使用，但是如果用 isinstance() 方法来检测时，它不是一个可迭代对象。
class IterObj:
def __init__(self):
self.a = [3, 5, 7, 11, 13, 17, 19]
def __getitem__(self, i):
return self.a[i]
it = IterObj()
print(isinstance(it, Iterable)) # false
print(isinstance(it, Iterator)) # false
print(isinstance(it, Generator)) false
print(hasattr(it, "__iter__")) # false
print(iter(it)) # <iterator object at 0x10b231278>
for i in it:
print(i) # 将打印出3、5、7、11、13、17、19
复制代码
这个例子说明了可以 在 for 中使用的对象，不一定是可迭代对象。
现在我们做个小结：
- 一个可迭代的对象是实现了
__iter__()方法的对象 - 它要在
for循环中使用，就必须满足iter()的调用(即调用这个函数不会出错，能够正确转成一个Iterator对象) - 可以通过已知的可迭代对象来辅助实现我们自定义的可迭代对象。
- 一个对象实现了
__getitem__()方法可以通过iter()函数转成Iterator，即可以在for循环中使用，但它不是一个可迭代对象(可用isinstance方法检测())
0x01 迭代器(Iterator)
上文很多地方都提到了 Iterator ,现在我们把这个坑填上。
当我们对可迭代的概念了解后，对于迭代器就比较好理解了。 一个对象实现了 __iter__() 和 __next__() 方法，那么它就是一个迭代器对象。 例如
class IterObj:
def __init__(self):
self.a = [3, 5, 7, 11, 13, 17, 19]
self.n = len(self.a)
self.i = 0
def __iter__(self):
return iter(self.a)
def __next__(self):
while self.i < self.n:
v = self.a[self.i]
self.i += 1
return v
else:
self.i = 0
raise StopIteration()
复制代码
在 IterObj 中，构造函数中定义了一个列表 a ,列表长度 n,索引 i 。
it = IterObj()
print(isinstance(it, Iterable)) # true
print(isinstance(it, Iterator)) # true
print(isinstance(it, Generator)) # false
print(hasattr(it, "__iter__")) # true
print(hasattr(it, "__next__")) # true
复制代码
我们可以发现上文提到的
集合和序列对象是可迭代的但不是迭代器
print(isinstance([], Iterator)) # false
print(isinstance({}, Iterator)) # false
print(isinstance((), Iterator)) # false
print(isinstance(set(), Iterator)) # false
print(isinstance('', Iterator)) # false
复制代码
而文件对象是迭代器
currPath = os.path.dirname(os.path.abspath(__file__))
with open(currPath+'/model.py') as file:
print(isinstance(file, Iterator)) # true
复制代码
一个迭代器(Iterator)对象不仅可以在for循环中使用，还可以通过内置函数next()函数进行调用。 例如
it = IterObj() next(it) # 3 next(it) # 5 复制代码
0x02 生成器(Generator)
现在我们来看看什么是生成器？
一个生成器既是可迭代的也是迭代器
定义生成器有两种方式：
yield
先看第1种情况
g = (x * 2 for x in range(10)) # 0～18的偶数生成器
print(isinstance(g, Iterable)) # true
print(isinstance(g, Iterator)) # true
print(isinstance(g, Generator)) # true
print(hasattr(g, "__iter__")) # true
print(hasattr(g, "__next__")) # true
print(next(g)) # 0
print(next(g)) # 2
复制代码
列表生成器可以不需要消耗大量的内存来生成一个巨大的列表，只有在需要数据的时候才会进行计算。
再看第2种情况
def gen():
for i in range(10):
yield i
复制代码
这里 yield 的作用就相当于 return ,这个函数就是顺序地返回 [0,10) 的之间的自然数，可以通过 next() 或使用 for 循环来遍历。
当程序遇到 yield 关键字时，这个生成器函数就返回了，直到再次执行了 next() 函数，它就会从上次函数返回的执行点继续执行，即 yield 退出时保存了函数执行的位置、变量等信息，再次执行时，就从这个 yield 退出的地方继续往下执行。
在 Python 中利用生成器的这些特点可以实现协程。协程可以理解为一个轻量级的线程，它相对于线程处理高并发场景有很多优势。
看下面一个用协程实现的 生产者-消费者模型
def producer(c):
n = 0
while n < 5:
n += 1
print('producer {}'.format(n))
r = c.send(n)
print('consumer return {}'.format(r))
def consumer():
r = ''
while True:
n = yield r
if not n:
return
print('consumer {} '.format(n))
r = 'ok'
if __name__ == '__main__':
c = consumer()
next(c) # 启动consumer
producer(c)
复制代码
这段代码执行效果如下
producer 1 consumer 1 producer return ok producer 2 consumer 2 producer return ok producer 3 consumer 3 producer return ok 复制代码
协程实现了 CPU 在两个函数之间进行切换从而实现并发的效果。