0 总述
主要介绍可迭代对象（iterable）、迭代器（iterator）、生成器（generator）。
迭代是python最强大的功能之一，是访问集合元素的一种方法。
迭代的概念
迭代是重复反馈过程的活动，其目的通常是为了接近并到达所需的目标或结果。每一次对过程的重复被称为一次“迭代”，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。
1 可迭代对象（iterable）
1.1 定义介绍
- 在
python中， 某对象实现__iter__()方法或者实现__getitem__()方法而且其参数从0开始索引，那么该对象就是可迭代对象。定义可迭代对象时必须实现__iter__()方法或者__getitem__()方法。 - 使用
iter()方法将可迭代对象变成迭代器。 - 通俗的说就是可以用
for循环的对象都是可迭代对象。例如：list、dict、tuple、set、string。其实都是序列，所以说任何序列都是可迭代的对象， 其原因在于他们至少都会实现__getittem__()方法。（序列都可以通过索引获取元素） - 是一种通俗的叫法，并不是指某种具体的数据类型。
- 迭代器有一种具体的迭代器类型，比如
list_iterator，set_iterator。可迭代对象实现了__iter__方法，该方法返回一个迭代器对象。
1.2 对可迭代对象进行迭代操作的具体过程
- 调用可迭代对象的
__iter__()方法，返回一个迭代器对象 - 调用迭代器的
__next__()方法返回每一次迭代的内容，直到迭代完成后，抛出stopiteration异常。 可迭代对象之所以能迭代，是因为实现了__iter__()方法。当使用for循环时候，解释器会检查对象是否有__iter__ ()方法，有的话就是调用它来获取一个迭代器。所以没有__iter__ ()方法但实现了__getitem__ ()，解释器会创建一个迭代器，尝试从0开始按顺序遍历元素。如果尝试失败，Python便会抛出TypeError错误。
所以说虽然字符串、列表、元组、字典、集合等均不是迭代器，但是他们可以在for中进行循环的原因是他们是可迭代对象，在进行迭代操作中会有__iter__()返回对应的迭代器，本质上就是对调用__iter__()后得到的迭代器通过不断使用next()函数实现的，例如：下面举例说明：
list_data = [1,2,3]
list_iterator = iter(list_data)
str_data = "1,2,3"
str_iterator = iter(str_data)
tuple_data = (1,2,3)
tuple_iterator = iter(tuple_data)
dict_data = {"1":1,"2":2,"3":3}
dict_iterator = iter(dict_data)
print(type(list_iterator))
print(type(str_iterator))
print(type(tuple_iterator))
print(type(dict_iterator))
使用while循环模拟for...in的作用
list1 = [1, 2, 3, 4, 5]
iterator = iter(list1) # 使用iter()转换为迭代器
iterator = list1.__iter__() # 使用__iter__()转换为迭代器
while True:
try:
print(iterator.__next__(), end = " ") # 使用__next__()函数进行迭代
# print(next(iterator)) # 使用next()函数进行迭代
except StopIteration as e:
break
1.3 创建一个可迭代对象
class Vector(object):
def __init__(self,components):
self.components = list(components)
def __iter__(self):
return iter(self.components)
V1 = Vector([1,2,3])
for i in V1:
print(i)
上面的例子中实现了 __iter__()方法，解释器可以从类对象中重复地取出元素并打印。
1.4 判断是否是可迭代对象
如果要检查某一个对象是否为可迭代对象，其实可以使用isinstance()函数，该函数用于判断对象是否为某一类型。
# Python 3.9之前
from collections import Iterable
print(isinstance([1,2,3],Iterable))
# Python 3.9以后
from collections.abc import Iterable
print(isinstance([1,2,3],Iterable))
# 使用typing 库
from typing import Iterable
print(isinstance([1,2,3], Iterable))
举例说明：
class Vector(object):
def __init__(self,components):
self.components = list(components)
def __iter__(self):
return iter(self.components)
vector_data = Vector([1,2,3])
vector_iterator = iter(vector_data)
list_data = [1,2,3]
list_iterator = iter(list_data)
from typing import Iterable
from typing import Iterator
print("使用typing库Iterable和Iterator")
print("vector_data :是否为可迭代对象{},是否为迭代器{}".format(isinstance(vector_data, Iterable),isinstance(vector_data, Iterator)))
print("vector_iterator:是否为可迭代对象{},是否为迭代器{}".format(isinstance(vector_iterator, Iterable),isinstance(vector_iterator, Iterator)))
print("list_data :是否为可迭代对象{},是否为迭代器{}".format(isinstance(list_data, Iterable),isinstance(list_data, Iterator)))
print("list_iterator :是否为可迭代对象{},是否为迭代器{}".format(isinstance(list_iterator, Iterable),isinstance(list_iterator, Iterator)))
from collections.abc import Iterable
from collections.abc import Iterator
print("使用collections.abc库Iterable和Iterator")
print("vector_data :是否为可迭代对象{},是否为迭代器{}".format(isinstance(vector_data, Iterable),isinstance(vector_data, Iterator)))
print("vector_iterator:是否为可迭代对象{},是否为迭代器{}".format(isinstance(vector_iterator, Iterable),isinstance(vector_iterator, Iterator)))
print("list_data :是否为可迭代对象{},是否为迭代器{}".format(isinstance(list_data, Iterable),isinstance(list_data, Iterator)))
print("list_iterator :是否为可迭代对象{},是否为迭代器{}".format(isinstance(list_iterator, Iterable),isinstance(list_iterator, Iterator)))
注意点
如果可迭代对象只是实现了__getitem__() 的话，abc.Iterable是不考虑该方法的，这便导致了isinstance()判断不准确。更准确的方法应该是尝试调用iter()函数，如果该对象不可迭代，就会抛出TypeError的错误。
from collections.abc import Iterable
class Vector(object):
def __init__(self,components):
self.components = list(components)
def __getitem__(self,index):
return self.components[index]
V1 = Vector([1,2,3])
print(isinstance(V1,Iterable))
V1 = iter(V1)
print(isinstance(V1,Iterable))
2 迭代器（iterator）
迭代器可以记住遍历对象的位置。其内部有一个状态用于记录迭代所在的位置，以便下次迭代时候能取出正确的元素迭代器有两个基本方法iter()、next()。使用iter()方法将可迭代对象变成迭代器。使用next()方法返回下一个值。定义迭代器，必须实现__iter__()和__next__()方法。（Python 2里是需要类内有next()方法）- 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。 字符串，列表或元组对象都可用于创建迭代器。迭代器一定是可迭代对象，但是可迭代对象不一定是迭代器。例如：字符串、字典、元组、集合等。迭代器就像一个懒加载的工厂，等到有人需要的时候才给它生成值返回，没调用的时候就处于休眠状态等待下一次调用。
2.1 创建一个迭代器
next()方法调用到末尾的时候会跳出StopIteration，for循环等就是在此时终止循环的
list_data = [1,2,3]
interator_data = iter(list_data)
print(interator_data)
print(type(interator_data))
print(next(interator_data))
print(next(interator_data))
print(next(interator_data))
print(next(interator_data))
2.2 判断是否是迭代器
可以参考1.4
2.3 使用for进行迭代器的使用
list_data = [1,2,3]
interator_data = iter(list_data)
print(interator_data)
for i in interator_data:
print(i,end=" ")
2.4 使用next()进行迭代器的使用
import sys
interator_data = iter([1,2,3])
while True:
try:
print (next(interator_data), end=" ")
except StopIteration:
sys.exit()
2.5 可迭代对象与迭代器的区别
迭代器一定是可迭代对象，但是可迭代对象不一定是迭代器。例如：字符串、字典、元组、集合等。
迭代器可以使用next()方法，但是可迭代对象不一定可以使用next()方法。
一般可以使用iter()方法将可迭代对象变成迭代器。
list_data = [1,2,3]
interator_data = iter(list_data)
print(interator_data)
print(type(interator_data))
print(next(interator_data))
print(type(list_data))
print(next(list_data))
2.5 创建一个迭代器
定义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__() 。
类中成员函数__iter__() 在外部对类的示例化变量调用iter()方法的时候会被调用，主要功能是实现返回一个特殊的迭代器对象（一般就是自己），（一般也会再次或者在__init__()中设置迭代器的七点）。
类内成员函数__next__()在外部对类的示例化变量调用next()方法的时候会被调用，会返回迭代器中下一个需要被迭代出的值，一般中间应该有StopIteration异常，对迭代的完成进行标识控制。
创建一个返回数字的迭代器，初始值为 1，逐步递增 1：
class My_interator:
def __iter__(self):
self.start_number = 1
return self
def __next__(self):
if self.start_number <= 10:
x = self.start_number
self.start_number += 1
return x
else:
raise StopIteration
interator_class = My_interator() # 实例化对象
interator_data = iter(interator_class) # 对实例化对象使用iter() 返回迭代器
for x in interator_data:# 对迭代器进行迭代
print(x,end = " ")
3 生成器（generator）
3.1 定义介绍
- 在
Python中，使用了yield的函数被称为生成器函数generator function。调用一个生成器函数，返回的是一个实例化迭代器对象。 - 跟普通函数不同的是，
生成器函数是一个返回生成器的函数，只能用于迭代操作，更简单点理解生成器就是一种特殊的迭代器。生成器自动实现了“迭代器协议”（即__iter__()和__next__()方法），不需要再手动实现两方法。 生成器在迭代的过程中可以改变当前迭代值，而修改普通迭代器的当前迭代值往往会发生异常，影响程序的执行。（因为生成器有send()方法）- 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语句表达式的值, 并在下一次执行next()或send()方法时从当前位置继续运行。 - 列表对内存的开销比较大。如果列表元素可以按照某种算法推算出后面的元素，这样就不必创建完整的列表。在
python中我们把一边循环一边计算的机制，即为生成器generator。
3.2 创建生成器的例子
def myList(num): # 定义生成器
now = 0 # 当前迭代值，初始为0
while now < num:
val = (yield now) # 返回当前迭代值，并接受可能的send发送值；
now = now + 1 if val is None else val # val为None，迭代值自增1，否则重新设定当前迭代值为val
my_list = myList(5) # 得到一个生成器对象
print my_list.next() # 返回当前迭代值
print my_list.next()
my_list.send(3) # 重新设定当前的迭代值
print my_list.next()
3.3 判断是否是生成器函数或生成器
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b # 使用 yield
a, b = b, a + b
n = n + 1
from inspect import isgeneratorfunction
print(isgeneratorfunction(fab))
print(isgeneratorfunction(fab(5)))
import types
print(isinstance(fab, types.GeneratorType) )
print(isinstance(fab(5), types.GeneratorType))
3.5 关于更多举例说明
参考专门讲解生成器运行原理和yield关键字的文章。
3.6 生成器表达式（generator expression）
生成器表达式是列表推导式的生成器版本，看起来像列表推导式，但是它返回的是一个生成器对象而不是列表对象。
a = (x*x for x in range(10))
print(type(a))
print(next(a))
print(next(a))
print(sum(a)) # 注意因为运行了两次之后0，1已经不在生成器能访问的位置中了， sum求和出来为284而不是285
LAST 参考文献
python中可迭代对象、迭代器、生成器等都有什么区别 - 华为云
Python3.9中，使用from collections import Iterable报错_qq_39321623的博客-CSDN博客
python中可迭代对象、迭代器、生成器等都有什么区别 - 华为云
黄哥Python:如何判断一个对象是生成器还是迭代器？ - 知乎
理解Python可迭代对象、迭代器、生成器 - stardsd - 博客园
跟你深入剖析可迭代对象和迭代器的区别与联系 - SegmentFault 思否
python中yield的用法_呆呆象呆呆的博客-CSDN博客
理解Python可迭代对象、迭代器、生成器 - stardsd - 博客园