python_魔法方法(六)：迭代器和生成器

迭代器

自始至终，都有一个概念一直在用，但是我们却没来都没有人在的深入剖析它。这个概念就是迭代。

迭代的意思有点类似循环，每一次的重复的过程被称为迭代的过程，而每一次迭代得到的结果会被用来作为下一次迭代的初始值。提供迭代方法的容器称为迭代器，通常接触的迭代器有序列（列表、元组、字符串）还有字典也是迭代器，都支持迭代的操作。举个列子，通常使用for循环进行迭代。

>>> for i in "python":
    print(i)

打印结果
p
y
t
h
o
n

字符串就是一个容器，同时也是一个迭代器，for语句的作用就是触发这个迭代器的迭代功能，每次从容器里面依次拿出一个数据就，这就是迭代操作。

字典和文件也是支持迭代操作的：

>>> list1 = {"python":"python3.x",\
     "go":"go是一种语言语法",\
     "int":"python关键字",\
     }
>>> for i in list1:
    print("%s --> %s"%(i,list1[j]))

>>> for i in list1:
    print("%s --> %s"%(i,list1[i]))

打印结果；

python --> python3.x
go --> go是一种语言语法
int --> python关键字

关于迭代，python还提供了两个BIF：iter()  next()

对一个容器对象调用iter()就得到它的迭代器，调用next()迭代器就会返回下一个值，然后怎么结束了？如果迭代器没有值可以返回，python将抛出一个叫做Stoplteration的异常。

>>> string = "python"
>>> it = iter(string)
>>> next(it)
'p'
>>> next(it)
'y'
>>> next(it)
't'
>>> next(it)
'h'
>>> next(it)
'o'
>>> next(it)
'n'
>>> next(it)
Traceback (most recent call last):
  File "<pyshell#26>", line , in <module>
    next(it)
StopIteration

所以，利用这两个BIF，可以分析出for语句其实就是这么工作的：

>>> string = "python"
>>> it = iter(string)
>>> while True:
    try:
        each = next(it)
    except StopIteration:
        break
    print(each)

p
y
t
h
o
n

那么实现迭代器的魔法方法就有两个：__iter__()   __next__()

一个容器如果是迭代器，就必须实现__iter__()方法，这个方法实际上就是返回迭代器本身。接下来就是重点实现的是__next__()魔法方法，因为他决定了迭代器的规则，看一段例子:

>>> class Fibs():
    def __init__(self):
        self.a =
        self.b =
    def __iter__(self):
        return self
    def __next__(self):
        self.a,self.b = self.b,self.a+self.b
        return self.a

>>> fibs = Fibs()
>>> for i in fibs:
    if i < :
        print(i)
    else:
        break

这个迭代器的唯一亮点就是没有终点，所以如果没有跳出循环，它会不断迭代下去。那么就可以加一个参数，用于控制迭代的范围。

>>> class Fibs():
    def __init__(self,n = ):
        self.a =
        self.b =
        self.n = n
    def __iter__(self):
        return self
    def __next__(self):
        self.a,self.b = self.b,self.a+self.b
        if self.a > self.n:
            raise StopIteration
        return self.a

>>> fibs = Fibs()
>>> for i in fibs:
    print(i)

生成器

前面是迭代器，下面来说生成器

生成器其实就是迭代器的一种实现，那既然迭代器就可以实现，为何还要生成器了？生成器之所以存在就是为了是python更为简洁，因为迭代器需要我们自己去定义一个类和实现相关的方法，而生成器则需要在普通函数中加一个yield语句即可。

生成器的发明，使python模仿协同程序的概念得以实现，所谓协同程序，就是可以运行的独立函数调用，函数可以暂停或者挂起，并需要的时候从程序离开的地方继续或重新开始。

对于调用一个普通的python函数，一般是从函数的第一行代码开始执行，结束与return语句，异常或函数所有语句执行完毕，一但函数将控制权交给调用者，就意味着全部结束。函数中做的所有工作以及保存在局部变量中的数据将丢失。再次调用这个函数时一切都将从头创建。

python是通过生成器来实现类似于协同程序的概念：生成器可以暂时挂起函数，并保留函数的局部变量等数据，然后在再次调用他的时候，从上次暂停的位置继续执行下去。

举个例子：

>>> def myGen():
    print("生成器被执行！")
    yield
    yield 

>>> myG = myGen()
>>> next(myG)
生成器被执行！

>>> next(myG)

>>> next(myG)
Traceback (most recent call last):
  File "<pyshell#76>", line , in <module>
    next(myG)
StopIteration

通过例子，当函数结束的时候，一个StopIteration异常就会被抛出。由于Python的for循环会自动调用next()方法和处理StopIteration异常，所以for循环当然也是可以对生成器产生作用的：

>>> def myGen():
    print("生成器被执行！")
    yield
    yield 

>>> myG = myGen()
>>> for i in myG:
    print(i)

生成器被执行！

前面说的斐波那契数列例子，也可以用生成器实现：

>>> def fibs():
    a,b = ,
    while True:
        a,b = b,a+b
        yield a

>>> for i in fibs():
    if i>:
        break
    print(i)

写到现在，可以很好的用类别推导式了，哈哈，先来看下下面的什么意思吧

>>> a =  [i for i in range() if not (i%) and i%]
>>> print(a)
[, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ]

含义很简单的，打印100以内能被2整除，不能被3整除

>>> b = {i:i%== for i in range()}
>>> b
{: True, : False, : True, : False, : True, : False, : True, : False, : True, : False}

还有集合推导式：

>>> c = {i for i in [,,,,,,,,,,,,,]}
>>> c
{, , , , , , , }

那么有没有字符串推导式，来验证下

>>> d = "I love python!"
>>> d
'I love python!'

看吧，不对吧，打印的是整个包含在字符串中的，所以不存在字符串推导式的说法，那元组了？

>>> e = (i for i in range())
>>> e
<generator object <genexpr> at 0x0000000003031360>

看打印出来的信息是generator，这就是生成器，用小括号括起来的正是生成器，来看下效果

>>> next(e)

>>> next(e)

>>> next(e)

>>> next(e)

>>> next(e)

>>> next(e)
5
>>> next(e)
6
>>> next(e)
7

用for循环吧剩下的打印出来

>>> for i in e:
    print(i)

生成器推导式如果作为函数的参数，可以直接写推导式，而不用加小括号（这个很牛气吧）。

>>> sum(i for i in range() if i%)