【Python之路】特别篇--生成器(constructor)、迭代器(iterator)、可迭代对象(iterable)

生成器(constructor)

　　生成器函数在Python中与迭代器协议的概念联系在一起。包含yield语句的函数会被特地编译成生成器 !!!

　　当函数被调用时，他们返回一个生成器对象，这个对象支持迭代器接口。

　　不像一般的函数会生成值后退出，生成器函数在生成值后会自动挂起并暂停他们的执行和状态，他的本地变量将保存状态信息，这些信息在函数恢复时将再度有效

创建生成器方式有两种：

方法一：

s = ( x for x in range(5) )

方法二：

def foo():
    print('OK')
    yield 1

例子：

def g(n):
    for i in range(n):
        yield i **2

for i in g(5):
    print(i)

要了解他的运行原理，我们来用next方法看看：

t = g(5)
print(t.__next__())      # 0
print(t.__next__())      # 1
print(t.__next__())      # 4
print(t.__next__())      # 9
print(t.__next__())      # 16
print(t.__next__())

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

在运行完5次next之后，生成器抛出了一个StopIteration异常，迭代终止。

send(msg) 与 next()

了解了next()如何让包含yield的函数执行后，我们再来看另外一个非常重要的函数send(msg)。

其实next()和send()在一定意义上作用是相似的，区别是send()可以传递yield表达式的值进去，而next()不能传递特定的值，只能传递None进去。因此，我们可以看做

c.next() 和 c.send(None) 作用是一样的。

def g(n):
    for i in range(n):
        ret = yield i **2
        print(ret)

t = g(5)
print(t.__next__())
print(t.send('Hello'))

# 0 Hello 1

需要注意的是，第一次调用时，请使用next()语句或是send(None)，不能使用send发送一个非None的值，否则会出错的，因为没有yield语句来接收这个值。

send(msg) 和 next()是有返回值的，它们的返回值很特殊，返回的是yield表达式的参数 !

执行顺序是：遇到yield 先返回值，等下次再进入时再用 msg 进行赋值！！！

再来看一个yield的例子，用生成器生成一个Fibonacci数列：

def fab(max):
    a, b = 0, 1
    while a < max:
        yield a
        a, b = b, a + b

for i in fab(20):
    print(i)

# 0 1 1 2 3 5 8 13

另一个 yield 的例子来源于文件读取。

 def read_file(fpath):
    BLOCK_SIZE = 1024
    with open(fpath, 'rb') as f:
        while True:
            block = f.read(BLOCK_SIZE)
            if block:
                yield block
            else:
                return

　　

迭代器(iterator)

　　for循环可以用于Python中的任何类型，包括列表、元组等等，实际上，for循环可用于任何“可迭代对象”！

　　迭代器是一个实现了迭代器协议的对象，Python中的迭代器协议就是有next方法的对象会前进到下一结果，而在一系列结果的末尾是，则会引发StopIteration。

　　任何这类的对象在Python中都可以用for循环或其他遍历工具迭代，迭代工具内部会在每次迭代时调用next方法，并且捕捉StopIteration异常来确定何时离开。

　　使用迭代器一个显而易见的好处就是：每次只从对象中读取一条数据，不会造成内存的过大开销。

注意：

　　判断迭代器的条件是：

1. 有__iter__ 方法

2. 有__next__ 方法

　　所有的生成器都是迭代器！

迭代器例子：

比如要逐行读取一个文件的内容，利用readlines()方法，我们可以这么写：

for line in open("test.txt").readlines():
    print (line)

这样虽然可以工作，但不是最好的方法。因为他实际上是把文件一次加载到内存中，然后逐行打印。当文件很大时，这个方法的内存开销就很大了。

利用file的迭代器，我们可以这样写：

for line in open("test.txt"):
    print (line)

这是最简单也是运行速度最快的写法，他并没显式的读取文件，而是利用迭代器每次读取下一行。

for 循环实质：

1. 调用 __iter__ 方法将可迭代对象转换成迭代器

2. 对迭代器对象不断调用 __next__ 方法

3. 处理StopIteration 异常

class Fab(object):
    def __init__(self, max):
        self.max = max
        self.n, self.a, self.b = 0, 0, 1 

    def __iter__(self):
        return self 

    def __next__(self):
        if self.n < self.max:
            r = self.b
            self.a, self.b = self.b, self.a + self.b
            self.n = self.n + 1
            return r
        raise StopIteration()

'''
>>> for key in Fabs(5):
    print key

1
1
2
3
5
'''

可迭代对象(iterable)

　　判断条件：内部具有 __iter__ 方法

from collections import Iterable,Iterator
print(isinstance(range(1),Iterable))
print(isinstance(range(1),Iterator))

print(isinstance(list(),Iterable))
print(isinstance(list(),Iterator))