内置有__iter__方法的都叫可迭代的对象。
Python内置str、list、tuple、dict、set、file都是可迭代对象。
x = 1.__iter__ # SyntaxError: invalid syntax # 以下都是可迭代的对象 name = 'nick'.__iter__ print(type(name)) # 'method-wrapper'>
执行可迭代对象的__iter__方法，拿到的返回值就是迭代器对象。
只有字符串和列表都是依赖索引取值的，而其他的可迭代对象都是无法依赖索引取值的，只能使用迭代器对象。
内置有__iter__方法，执行该方法会拿到迭代器本身。
内置__next__方法，执行该方法会拿到迭代器对象中的一个值。
s = 'hello'
iter_s = s.__iter__()
print(type(iter_s)) # 'str_iterator'> iter_s为迭代器对象
while True:
try:
print(iter_s.__next__())
except StopIteration:
break
#hellos = 'hello'
iter_s = iter(s) # 创建迭代器对象
print(type(iter_s)) # iter_s为迭代器对象
while True:
try:
print(next(iter_s)) # 输出迭代器的下一个元素
except StopIteration:
break
# hello可迭代对象可以直接使用常规for语句进行遍历
for循环称为迭代器循环，in后必须是可迭代的对象。
#str
name = 'nick'
for x in name:
print(x)
#list
for x in [None, 3, 4.5, "foo", lambda: "moo", object, object()]:
print("{0} ({1})".format(x, type(x)))
#dict
d = {
'1': 'tasty',
'2': 'the best',
'3 sprouts': 'evil',
'4': 'pretty good'
}
for sKey in d:
print("{0} are {1}".format(sKey, d[sKey]))
#file
f = open('32.txt', 'r', encoding='utf-8')
for x in f:
print(x)
f.close()在类中实现 __iter__() 和 __next__() 两个方法后，即可使其作为迭代器来使用。
__iter__() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。
__next__() 方法会返回下一个迭代器对象。
StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 __next__() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。
创建一个返回数字的迭代器，初始值为 1，逐步递增 1，在 20 次迭代后停止执行：
class MyNumbers:
def __iter__(self):
self.a = 1
return self
def __next__(self):
if self.a <= 20:
x = self.a
self.a += 1
return x
else:
raise StopIteration
myclass = MyNumbers()
myiter = iter(myclass)
for x in myiter:
print(x)class Range:
def __init__(self, n, stop, step):
self.n = n
self.stop = stop
self.step = step
def __next__(self):
if self.n >= self.stop:
raise StopIteration
x = self.n
self.n += self.step
return x
def __iter__(self):
return self
for i in Range(1, 7, 3):
print(i)
#1
#4class Fib:
def __init__(self):
self._a = 0
self._b = 1
def __iter__(self):
return self
def __next__(self):
self._a, self._b = self._b, self._a + self._b
return self._a
f1 = Fib()
for i in f1:
if i > 100:
break
print('%s ' % i, end='')
# 1 1 2 3 5 8 13 21 34 55 89在 Python 中，使用了 yield 的函数被称为生成器（generator）。
生成器是一种特殊的函数，它返回一个迭代器，仅可用于迭代操作。换言之，生成器就是一种迭代器。
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 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
调用一个生成器函数，返回的是一个迭代器对象。
yield后面可以加多个数值（可以是任意类型），但返回的值是元组类型的。
提供一种自定义迭代器的方式
yield可以暂停住函数，并提供当前的返回值
import sys
def fibonacci(n): # 函数 - 斐波那契
a, b, counter = 0, 1, 0
while True:
if counter > n:
return
yield a
a, b = b, a + b
counter += 1
f = fibonacci(10) #f 是一个生成器
print(type(f)) # 'generator'>
while True:
try:
print(next(f), end=" ")
except StopIteration:
sys.exit()yield和return:
相同点：两者都是在函数内部使用，都可以返回值，并且返回值没有类型和个数的限制
不同点：return只能返回一次值；yield可以返回多次值
def my_range(start, stop, step=1):
while start < stop:
yield start
start += 1
g = my_range(0, 3)
print(f"list(g): {list(g)}")复杂版本：
def range(*args, **kwargs):
if not kwargs:
if len(args) == 1:
count = 0
while count < args[0]:
yield count
count += 1
if len(args) == 2:
start, stop = args
while start < stop:
yield start
start += 1
if len(args) == 3:
start, stop, step = args
while start < stop:
yield start
start += step
else:
step = 1
if len(args) == 1:
start = args[0]
if len(args) == 2:
start, stop = args
for k, v in kwargs.items():
if k not in ['start', 'step', 'stop']:
raise ('参数名错误')
if k == 'start':
start = v
elif k == 'stop':
stop = v
elif k == 'step':
step = v
while start < stop:
yield start
start += step
for i in range(3):
print(i) # 0,1,2
for i in range(99, 101):
print(i) # 99,100
for i in range(1, 10, 3):
print(i) # 1,4,7
for i in range(1, step=2, stop=5):
print(i) # 1,3
for i in range(1, 10, step=2):
print(i) # 1,3,5,7,9把列表推导式的[]换成()就是生成器表达式 。
优点：比起列表推导式，可以省内存，一次只产生一个值在内存中
t = (i for i in range(10)) print(t) # <generator object at 0x00000000026907B0> print(next(t)) # 0 print(next(t)) # 1
举例：
with open('32.txt', 'r', encoding='utf8') as f:
nums = [len(line) for line in f] # 列表推导式相当于直接给你一筐蛋
print(max(nums)) # 2
with open('32.txt', 'r', encoding='utf8') as f:
nums = (len(line) for line in f) # 生成器表达式相当于给你一只老母鸡。
print(max(nums)) # ValueError: I/O operation on closed file.以上是Python中迭代器与生成器怎么使用的详细内容。更多信息请关注PHP中文网其他相关文章！
