Python3 迭代器与生成器

1.迭代器

　　迭代是Python最强大的功能之一，是访问集合元素的一种方式。

　　迭代器是一个可以记住遍历的位置的对象。

　　迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。

　　迭代器有两个基本的方法：iter() 和 next()。

　　字符串，列表或元组对象都可用于创建迭代器：

>>> list=[1,2,3,4]
>>> it = iter(list)    # 创建迭代器对象
>>> print (next(it))   # 输出迭代器的下一个元素
1
>>> print (next(it))
2
>>>

　　迭代器对象可以使用常规for语句进行遍历：

#!/usr/bin/python3
 
list=[1,2,3,4]
it = iter(list)    # 创建迭代器对象
for x in it:
    print (x, end=" ")
执行以上程序，输出结果如下：

1 2 3 4

　　也可以使用 next() 函数：

#!/usr/bin/python3
 
import sys         # 引入 sys 模块
 
list=[1,2,3,4]
it = iter(list)    # 创建迭代器对象
 
while True:
    try:
        print (next(it))
    except StopIteration:
        sys.exit()


执行以上程序，输出结果如下：
1
2
3
4

1.1 创建一个迭代器

　　把一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与 __next__() 。

　　如果你已经了解的面向对象编程，就知道类都有一个构造函数，Python 的构造函数为 __init__(), 它会在对象初始化的时候执行。

　　更多内容查阅：Python3 面向对象

　　__iter__() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。

　　__next__() 方法（Python 2 里是 next()）会返回下一个迭代器对象。

　　创建一个返回数字的迭代器，初始值为 1，逐步递增 1：

class MyNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    x = self.a
    self.a += 1
    return x
 
myclass = MyNumbers()
myiter = iter(myclass)
 
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
执行输出结果为：

1
2
3
4
5

1.2 StopIteration

　　StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 __next__() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

　　在 20 次迭代后停止执行：

class MyNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    if self.a <= 20:
      x = self.a
      self.a += 1
      return x
    else:
      raise StopIteration
 
myclass = MyNumbers()
myiter = iter(myclass)
 
for x in myiter:
  print(x)

执行输出结果为：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

1.3 总结

　　以上的学习记录来自菜鸟教程，如果觉得以上篇幅晦涩难懂，这里有一个简单的，迭代器做到了解关注这个总结即可。

　　迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退，不过这也没什么，因为人们很少在迭代途中往后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件

　　特点：

1.访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容

2.不能随机访问集合中的某个值 ，只能从头到尾依次访问

3.访问到一半时不能往回退

4.便于循环比较大的数据集合，节省内存

　　生成一个迭代器：

　　

2.生成器

　　在 Python 中，使用了 yield 的函数被称为生成器（generator）。

　　跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。

　　在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。

　　调用一个生成器函数，返回的是一个迭代器对象。

　　以下实例使用 yield 实现斐波那契数列：

#!/usr/bin/python3
 
import sys
 
def fibonacci(n): # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if (counter > n): 
            return
        yield a
        a, b = b, a + b
        counter += 1
f = fibonacci(10) # f 是一个迭代器，由生成器返回生成
 
while True:
    try:
        print (next(f), end=" ")
    except StopIteration:
        sys.exit()
执行以上程序，输出结果如下：

0 1 1 2 3 5 8 13 21 34 55

2.1 生成器的简单实例使用

　　如果上述内容晦涩难懂，那么以下两个例子可以清晰理解生成器以及yield的作用

　　生成器generator

　　定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器 

　　

　　那么怎么使用这个生成器？因为里面是yield，那么就用next方法。

　　

　　作用：

　　这个yield的主要效果呢，就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以再重新调用这个函数，从上次yield的下一句开始执行。

　　另外，还可通过yield实现在单线程的情况下实现并发运算的效果

 

2.2 使用yield实现单线程中的异步并发效果

　　这里使用生产者和消费者模型的方式来讲解。以一个包子的例子。

　　

　　以上就是异步的一个简单demo，其实也是串行执行的，实现了可以同时做其它事情的效果。