# 迭代器 [參考][1] ## 迭代器協議 由于生成器自動實現了迭代器協議，而迭代器協議對很多人來說，也是一個較為抽象的概念。所以，為了更好的理解生成器，我們需要簡單的回顧一下迭代器協議的概念。 * 迭代器協議是指：對象需要提供`next`方法，它要么返回迭代中的下一項，要么就引起一個`StopIteration`異常，以終止迭代 * 可迭代對象就是：實現了迭代器協議的對象 * 協議是一種約定，可迭代對象實現迭代器協議，Python的內置工具(如for循環，sum，min，max函數等)使用迭代器協議訪問對象。 ## 可迭代對象 Iterable 直接作用于for循環的數據類型有以下幾種： * 一類是集合數據類型，如list、tuple、dict、set、str等； * 一類是generator，包括生成器和帶yield的generator function。 這些可以直接作用于for循環的對象統稱為**可迭代對象**：Iterable。 可以使用`isinstance()`判斷一個對象是否是Iterable對象： ~~~ >>> from collections import Iterable >>> isinstance([], Iterable) True >>> isinstance({}, Iterable) True >>> isinstance('abc', Iterable) True >>> isinstance((x for x in range(10)), Iterable) True >>> isinstance(100, Iterable) False ~~~ ## 迭代器 可以被next()函數調用并不斷返回下一個值的對象稱為**迭代器**：Iterator 可以使用`isinstance()`判斷一個對象是否是Iterator對象： ~~~ >>> from collections import Iterator >>> isinstance((x for x in range(10)), Iterator) True >>> isinstance([], Iterator) False >>> isinstance({}, Iterator) False >>> isinstance('abc', Iterator) False ~~~ ## 使用iter()將列表轉化為迭代器 ## 為什么使用迭代器 這是因為Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用并不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它才會計算。 Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。 --- # 生成器 [參考][2] 生成器的元素在創建時，并沒有真正的產生；創建時只是指向了生成器的內存地址 * 這是一種惰性計算 * 生成器只能遍歷一次 ## Python的生成器 * 語法上和函數類似：生成器函數和常規函數幾乎是一樣的。它們都是使用def語句進行定義，差別在于，生成器使用yield語句返回一個值，而常規函數使用return語句返回一個值 * 自動實現迭代器協議：對于生成器，Python會自動實現迭代器協議，以便應用到迭代背景中（如for循環，sum函數）。由于生成器自動實現了迭代器協議，所以，我們可以調用它的`next`方法，并且，在沒有值可以返回的時候，生成器自動產生`StopIteration`異常 * 狀態掛起：生成器使用yield語句返回一個值。yield語句掛起該生成器函數的狀態，保留足夠的信息，以便之后從它離開的地方繼續執行 ### 生成器表達式 ~~~ >>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630> ~~~ ### 生成器函數 ~~~ def fib(max): n,a,b = 0,0,1 while n < max: #print(b) yield b a,b = b,a+b n += 1 ~~~ for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲`StopIteration`錯誤，返回值包含在StopIteration的value中： ~~~ >>> g = fib(6) >>> while True: ... try: ... x = next(g) ... print('g:', x) ... except StopIteration as e: ... print('Generator return value:', e.value) ... break ... g: 1 g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done ~~~ ## 特性 * 只有next方法，若元素為空時會報錯， * 不能進行通過索引進行引用和切片 * 只能通過**for**來調用 ## 執行順序 函數是順序執行，遇到return語句或者最后一行函數語句就返回。 而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。 ## 通過生成器實現并發運算 協程 ~~~ #coding: utf8 import time def consumer(name): print("%s 準備吃包子" %name) while True: print "before " + "name:" + name baozi = yield baozi = baozi + "name:" + name print "after " + "name:" + name print "包子[%s]來了，被誰[%s]吃了" % (baozi, name) def producer(name): a = consumer('a') b = consumer('b') a.next() b.next() print("%s開始做包子" % name) for i in range(1): time.sleep(3) print("做了一個包子") a.send("1") b.send("2") producer('yang') ~~~ send用于給生成器傳遞數據  [1]:http://www.cnblogs.com/huxi/archive/2011/07/01/2095931.html [2]:http://www.cnblogs.com/huxi/archive/2011/07/14/2106863.html