一文搞懂Python可迭代、迭代器和生成器的概念
2022-03-06由 一個有思想的程式猿 發表于 農業
生成器是什麼意思
關於我
一個有思想的程式猿，終身學習實踐者，目前在一個創業團隊任team lead，技術棧涉及Android、Python、Java和Go，這個也是我們團隊的主要技術棧。
Github：https：//github。com/hylinux1024
微信公眾號：終身開發者（angrycode）
在 Python中可迭代（ Iterable）、迭代器（ Iterator）和生成器（ Generator）這幾個概念是經常用到的，初學時對這幾個概念也是經常混淆，現在是時候把這幾個概念搞清楚了。
0x00 可迭代(Iterable)
簡單的說，一個物件（在Python裡面一切都是物件）只要實現了只要實現了 __iter__（）方法，那麼用 isinstance（）函式檢查就是 Iterable物件；
例如
class IterObj： def __iter__（self）： # 這裡簡單地返回自身 # 但實際情況可能不會這麼寫 # 而是透過內建的可迭代物件來實現 # 下文的列子中將會展示 return self
上面定義了一個類 IterObj並實現了 __iter__（）方法，這個就是一個
可迭代(Iterable)物件
it = IterObj（） print（isinstance（it， Iterable）） # true print（isinstance（it， Iterator）） # false print（isinstance（it， Generator）） # false
記住這個類，下文我們還會看到這個類的定義。
常見的可迭代物件
在 Python中有哪些常見的可迭代物件呢？
集合或序列型別（如 list、 tuple、 set、 dict、 str）
檔案物件
在類中定義了 __iter__（）方法的物件，可以被認為是 Iterable物件，但自定義的可迭代物件要能在 for迴圈中正確使用，就需要保證 __iter__（）實現必須是正確的（即可以透過內建 iter（）函式轉成 Iterator物件。關於 Iterator下文還會說明，這裡留下一個坑，只是記住 iter（）函式是能夠將一個可迭代物件轉成迭代器物件，然後在 for中使用）
在類中實現瞭如果只實現 __getitem__（）的物件可以透過 iter（）函式轉化成迭代器但其本身不是可迭代物件。所以當一個物件能夠在 for迴圈中執行，但不一定是 Iterable物件。
關於
第1、2點
我們可以透過以下來驗證
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 元組是可迭代的 print（isinstance（set（）， Iterable）） # true set是可迭代的 print（isinstance（‘’， Iterable）） # true 字串是可迭代的 currPath = os。path。dirname（os。path。abspath（__file__）） with open（currPath+‘/model。py’） as file： print（isinstance（file， Iterable）） # true
我們再來看
第3點
，
print（hasattr（［］， “__iter__”）） # true print（hasattr（{}， “__iter__”）） # true print（hasattr（（）， “__iter__”）） # true print（hasattr（‘’， “__iter__”）） # true
這些內建集合或序列物件都有 __iter__屬性，即他們都實現了同名方法。但這個可迭代物件要在 for迴圈中被使用，那麼它就應該能夠被內建的 iter（）函式呼叫並轉化成 Iterator物件。
例如，我們看內建的可迭代物件
print（iter（［］）） #
它們都相應的轉成了對應的迭代器（ Iterator）物件。
現在回過頭再看看一開始定義的那個 IterObj類
class IterObj： def __iter__（self）： return self it = IterObj（）print（iter（it））
我們使用了 iter（）函式，這時候將再控制檯上打印出以下資訊：
Traceback （most recent call last）： File “/Users/mac/PycharmProjects/iterable_iterator_generator。py”， line 71， in
出現了型別錯誤，意思是 iter（）函式不能將‘非迭代器’型別轉成迭代器。
那如何才能將一個可迭代（ Iterable）物件轉成迭代器（ Iterator）物件呢？
我們修改一下 IterObj類的定義
class IterObj： def __init__（self）： self。a = ［3， 5， 7， 11， 13， 17， 19］ def __iter__（self）： return iter（self。a）
我們在構造方法中定義了一個名為 a的列表，然後還實現了 __iter__（）方法。
修改後的類是可以被 iter（）函式呼叫的，即也可以在 for迴圈中使用
it = IterObj（） print（isinstance（it， Iterable）） # true print（isinstance（it， Iterator）） # false print（isinstance（it， Generator）） # false print（iter（it）） #
因此
在定義一個可迭代物件時，我們要非常注意 __iter__()方法的內部實現邏輯，一般情況下，是透過一些已知的可迭代物件（例如，上文提到的集合、序列、檔案等或其他正確定義的可迭代物件）來輔助我們來實現
關於
第4點
說明的意思是 iter（）函式可以將一個實現了 __getitem__（）方法的物件轉成迭代器物件，也可以在 for迴圈中使用，但是如果用 isinstance（）方法來檢測時，它不是一個可迭代物件。
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）） # falseprint（isinstance（it， Iterator）） # falseprint（isinstance（it， Generator）） falseprint（hasattr（it， “__iter__”）） # falseprint（iter（it）） #
這個例子說明了可以
在 for中使用的物件，不一定是可迭代物件。
現在我們做個小結：
一個可迭代的物件是實現了 __iter__（）方法的物件
它要在 for迴圈中使用，就必須滿足 iter（）的呼叫（即呼叫這個函式不會出錯，能夠正確轉成一個 Iterator物件）
可以透過已知的可迭代物件來輔助實現我們自定義的可迭代物件。
一個物件實現了 __getitem__（）方法可以透過 iter（）函式轉成 Iterator，即可以在 for迴圈中使用，但它不是一個可迭代物件（可用isinstance方法檢測（））
0x01 迭代器(Iterator)
上文很多地方都提到了 Iterator，現在我們把這個坑填上。
當我們對可迭代的概念瞭解後，對於迭代器就比較好理解了。
一個物件實現了 __iter__()和 __next__()方法，那麼它就是一個迭代器物件。
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（）
在 IterObj中，建構函式中定義了一個列表 a，列表長度 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
我們可以發現上文提到的
集合和序列物件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
而
檔案物件是迭代器
currPath = os。path。dirname（os。path。abspath（__file__）） with open（currPath+‘/model。py’） as file： print（isinstance（file， Iterator）） # true
一個迭代器( Iterator)物件不僅可以在 for迴圈中使用，還可以透過內建函式 next()函式進行呼叫。
例如
it = IterObj（）next（it） # 3next（it） # 5
0x02 生成器（Generator）
現在我們來看看什麼是生成器？
一個生成器既是可迭代的也是迭代器
定義生成器有兩種方式：
列表生成器
使用 yield定義生成器函式
先看第1種情況
g = （x * 2 for x in range（10）） # 0～18的偶數生成器 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
列表生成器可以不需要消耗大量的記憶體來生成一個巨大的列表，只有在需要資料的時候才會進行計算。
再看第2種情況
def gen（）： for i in range（10）： yield i
這裡 yield的作用就相當於 return，這個函式就是順序地返回 ［0，10）的之間的自然數，可以透過 next（）或使用 for迴圈來遍歷。
當程式遇到 yield關鍵字時，這個生成器函式就返回了，直到再次執行了 next（）函式，它就會從上次函式返回的執行點繼續執行，即 yield退出時儲存了函式執行的位置、變數等資訊，再次執行時，就從這個 yield退出的地方繼續往下執行。
在 Python中利用生成器的這些特點可以實現協程。協程可以理解為一個輕量級的執行緒，它相對於執行緒處理高併發場景有很多優勢。
看下面一個用協程實現的
生產者-消費者模型
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） # 啟動consumer producer（c）
這段程式碼執行效果如下
producer 1consumer 1 producer return okproducer 2consumer 2 producer return okproducer 3consumer 3 producer return ok
協程實現了 CPU在兩個函式之間進行切換從而實現併發的效果。
0x04 引用
https：//docs。python。org/3。7/