在 python 中我们可以通过
for
循环来遍历列表，元组，这种遍历我们称为迭代(Iteration)。在 python 中凡是可以通过
for ... in
进行迭代的对象，它就是可迭代对象。
from collections.abs import Iterable
isinstance('abc', Iterable)
python 中对象要提供迭代支持，必须定义一个
__iter__
方法，这个方法返回一个迭代器对象。
前面我们讲过可以通过
for
循环迭代的对象称为可迭代对象：
Iteralbe
。
在底层
for
循环是先通过内置函数
iter()
将可迭代对象转换成一个迭代器，然后将其传入
next()
函数调用并返回下一个值，直到最后抛出
StopIteration
错误表示无法继续返回下一个值了。
如果你想学习自动化测试，我这边给你推荐一套视频，这个视频可以说是B站播放全网第一的自动化测试教程，同时在线人数到达1000人，并且还有笔记可以领取及各路大神技术交流：798478386
https://www.bilibili.com/video/BV17p4y1B77x/?spm_id_from=333.337.search-card.all.click
In [8]: ls = [1,2,3]
In [9]: ls = iter(ls)
In [10]: ls
Out[10]: <list_iterator at 0x225a33d8bb0>
In [11]: next(ls)
Out[11]: 1
In [12]: next(ls)
Out[12]: 2
In [13]: next(ls)
Out[13]: 3
In [14]: next(ls)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-14-2a26c7e4d7fa> in <module>
----> 1 next(ls)
StopIteration:
所以可以被
next()
函数调用并不断返回下一个值的对象称为迭代器：
Interator
。
from collections.abc import Iterator
ls = [1,2,3]
ls = iter(ls)
isinstance(ls, Iterator)迭代器对象自身需要支持以下两个方法，它们共同组成了迭代器协议：
iterator.__inter__()
返回迭代器对象本身。
iterator.__next__()
从对象中返回下一个值。如果没有可返回值，则引发
StopIteration
异常。
python 中迭代器对象表示的是一个数据流，迭代器对象可以被
next()
函数不断调用返回下一个数据，直到没有数据抛出
StopIteration
异常。
这个数据流像一个列表，但我们却不能提前知道它的长度，只能不断通过
next()
函数实现按需计算下一个数据，迭代器的计算是惰性的，只有在需要返回下一个数据时，它才会计算。
迭代器可以表示一个无限大的数据流，例如全体自然数，而使用 list 是永远不可能存储全体自然数的。
在 python 中创建元素数量巨大的列表不仅占用很大的内存，如果仅仅只需要访问某几个元素，那其他绝大多数元素占用的空间就白白浪费了。
所以，如果列表中的元素可以按照某种算法推算出来，那如果可以在循环的过程中不断推算出后续的元素，就可以不用创建完整的列表，从而节省大量的空间。
在 python 中，这种一边循环一边计算的机制，称为生成器(generator)
要创建一个
generator
，很多种方法。
最简单的方式是把列表生成式的
[]
改成
()
，就创建了一个
generator
In [16]: g = (i**2 for i in range(10))
In [17]: g
Out[17]: <generator object <genexpr> at 0x00000225A239A510>
In [18]: next(g)
Out[18]: 0
In [19]: next(g)
Out[19]: 1
生成器也是迭代器，当然也可以通过
for
循环进行迭代。
In [20]: for item in (g):
...: print(item)
...:
4
9
16
25
36
49
64
81如果推算的算法比较复杂，用生成器表达式无法实现的时候，还可以通过函数来 实现。
比如，斐波拉契数列，除第一个和第二数外，任意一个数都等于前两个数的和：
0,1,1,2,3,5,8,...
def fib(n):
a, b = 0, 1
for _ in range(n):
print(a)
a,b = b, a+b
fib(10)
0
1
1
2
3
5
8
13
21
34
但是函数
fib
虽然包含了推算斐波拉契数列的算法规则，但是却是一次性算出了所有的值，和
generator
的逻辑很像。要将
fib
函数变成
generator
，只需要将
print(a)
改成
yield a
就可以了：
In [24]: def fib(n):
...: a, b = 0, 1
...: for _ in range(n):
...: yield a
...: a,b = b, a+b
...: g = fib(10)
...: g
Out[24]: <generator object fib at 0x00000225A3D4E9E0>
In [25]: next(g)
Out[25]: 0
In [26]: next(g)
Out[26]: 1
In [27]: for item in g:
...: print(item)
...:
1
2
3
5
8
13
21
34
这就是定义
generator
的另一种方法。如果一个函数的定义中使用了
yield
关键字，那么这个函数就不再是一个普通的函数，而是一个生成器这时候调用函数返回的就是一个生成器对象