在 Python 中，很多对象都是可以通过 for 语句来直接遍历的，例如 list、string、dict 等等，这些对象都可以被称为可迭代对象。至于说哪些对象是可以被迭代访问的，就要了解一下迭代器相关的知识了。

迭代器

迭代器对象要求支持迭代器协议的对象，在 Python 中，支持迭代器协议就是实现对象的 __iter__()和 next() 方法。其中 __iter__()方法返回迭代器对象本身；next() 方法返回容器的下一个元素，在结尾时引发 StopIteration 异常。

__iter__()和 next() 方法

这两个方法是迭代器最基本的方法，一个用来获得迭代器对象，一个用来获取容器中的下一个元素。

对于可迭代对象，可以使用内建函数 iter() 来获取它的迭代器对象：

例子中，通过 iter()方法获得了 list 的迭代器对象，然后就可以通过 next() 方法来访问 list 中的元素了。当容器中没有可访问的元素后，next() 方法将会抛出一个 StopIteration 异常终止迭代器。

其实，当我们使用 for 语句的时候，for 语句就会自动的通过 __iter__()方法来获得迭代器对象，并且通过 next() 方法来获取下一个元素。

自定义迭代器

了解了迭代器协议之后，就可以自定义迭代器了。

下面例子中实现了一个 MyRange 的类型，这个类型中实现了 __iter__()方法，通过这个方法返回对象本身作为迭代器对象；同时，实现了 next() 方法用来获取容器中的下一个元素，当没有可访问元素后，就抛出 StopIteration 异常。

class MyRange(object):
    def __init__(self, n):
        self.idx = 0
        self.n = n
</span><span style="color: rgba(0, 0, 255, 1)">def</span> <span style="color: rgba(128, 0, 128, 1)">__iter__</span><span style="color: rgba(0, 0, 0, 1)">(self):
    </span><span style="color: rgba(0, 0, 255, 1)">return</span><span style="color: rgba(0, 0, 0, 1)"> self
    
</span><span style="color: rgba(0, 0, 255, 1)">def</span><span style="color: rgba(0, 0, 0, 1)"> next(self):
    </span><span style="color: rgba(0, 0, 255, 1)">if</span> self.idx &lt;<span style="color: rgba(0, 0, 0, 1)"> self.n:
        val </span>=<span style="color: rgba(0, 0, 0, 1)"> self.idx
        self.idx </span>+= 1
        <span style="color: rgba(0, 0, 255, 1)">return</span><span style="color: rgba(0, 0, 0, 1)"> val
    </span><span style="color: rgba(0, 0, 255, 1)">else</span><span style="color: rgba(0, 0, 0, 1)">:
        </span><span style="color: rgba(0, 0, 255, 1)">raise</span> StopIteration()</pre>

这个自定义类型跟内建函数 xrange 很类似，看一下运行结果：

myRange = MyRange(3)
for i in myRange:
    print i   

迭代器和可迭代对象

在上面的例子中，myRange 这个对象就是一个可迭代对象，同时它本身也是一个迭代器对象。

看下面的代码，对于一个可迭代对象，如果它本身又是一个迭代器对象，就会有下面的 问题，就没有办法支持多次迭代。

为了解决上面的问题，可以分别定义可迭代类型对象和迭代器类型对象；然后可迭代类型对象的 __iter__() 方法可以获得一个迭代器类型的对象。看下面的实现：

class Zrange:
    def __init__(self, n):
        self.n = n
</span><span style="color: rgba(0, 0, 255, 1)">def</span> <span style="color: rgba(128, 0, 128, 1)">__iter__</span><span style="color: rgba(0, 0, 0, 1)">(self):
    </span><span style="color: rgba(0, 0, 255, 1)">return</span><span style="color: rgba(0, 0, 0, 1)"> ZrangeIterator(self.n)

class ZrangeIterator:
def init(self, n):
self.i = 0
self.n = n
</span><span style="color: rgba(0, 0, 255, 1)">def</span> <span style="color: rgba(128, 0, 128, 1)">__iter__</span><span style="color: rgba(0, 0, 0, 1)">(self):
    </span><span style="color: rgba(0, 0, 255, 1)">return</span><span style="color: rgba(0, 0, 0, 1)"> self

</span><span style="color: rgba(0, 0, 255, 1)">def</span><span style="color: rgba(0, 0, 0, 1)"> next(self):
    </span><span style="color: rgba(0, 0, 255, 1)">if</span> self.i &lt;<span style="color: rgba(0, 0, 0, 1)"> self.n:
        i </span>=<span style="color: rgba(0, 0, 0, 1)"> self.i
        self.i </span>+= 1
        <span style="color: rgba(0, 0, 255, 1)">return</span><span style="color: rgba(0, 0, 0, 1)"> i
    </span><span style="color: rgba(0, 0, 255, 1)">else</span><span style="color: rgba(0, 0, 0, 1)">:
        </span><span style="color: rgba(0, 0, 255, 1)">raise</span><span style="color: rgba(0, 0, 0, 1)"> StopIteration()    

zrange = Zrange(3)
print zrange is iter(zrange)
print [i for i in zrange]
print [i for i in zrange]

代码的运行结果为：

其实，通过下面代码可以看出，list 类型也是按照上面的方式，list 本身是一个可迭代对象，通过 iter() 方法可以获得 list 的迭代器对象：

生成器

在 Python 中，使用生成器可以很方便的支持迭代器协议。生成器通过生成器函数产生，生成器函数可以通过常规的 def 语句来定义，但是不用 return 返回，而是用 yield 一次返回一个结果，在每个结果之间挂起和继续它们的状态，来自动实现迭代协议。

也就是说，yield 是一个语法糖，内部实现支持了迭代器协议，同时 yield 内部是一个状态机，维护着挂起和继续的状态。

下面看看生成器的使用：

在这个例子中，定义了一个生成器函数，函数返回一个生成器对象，然后就可以通过 for 语句进行迭代访问了。

其实，生成器函数返回生成器的迭代器。 "生成器的迭代器" 这个术语通常被称作 "生成器"。要注意的是生成器就是一类特殊的迭代器。作为一个迭代器，生成器必须要定义一些方法，其中一个就是 next()。如同迭代器一样，我们可以使用 next() 函数来获取下一个值。

生成器执行流程

下面就仔细看看生成器是怎么工作的。

从上面的例子也可以看到，生成器函数跟普通的函数是有很大差别的。

结合上面的例子我们加入一些打印信息，进一步看看生成器的执行流程：

通过结果可以看到：

• 当调用生成器函数的时候，函数只是返回了一个生成器对象，并没有 执行。
• 当 next() 方法第一次被调用的时候，生成器函数才开始执行，执行到 yield 语句处停止
  • next() 方法的返回值就是 yield 语句处的参数（yielded value）
• 当继续调用 next() 方法的时候，函数将接着上一次停止的 yield 语句处继续执行，并到下一个 yield 处停止；如果后面没有 yield 就抛出 StopIteration 异常

生成器表达式

在开始介绍生成器表达式之前，先看看我们比较熟悉的列表解析 (List comprehensions)，列表解析一般都是下面的形式。

[expr for iter_var in iterable if cond_expr]

迭代 iterable 里所有内容，每一次迭代后，把 iterable 里满足 cond_expr 条件的内容放到 iter_var 中，再在表达式 expr 中应该 iter_var 的内容，最后用表达式的计算值生成一个列表。

例如，生成一个 list 来保护 50 以内的所以奇数：

[i for i in range(50) if i%2]

生成器表达式是在 python2.4 中引入的，当序列过长， 而每次只需要获取一个元素时，应当考虑使用生成器表达式而不是列表解析。生成器表达式的语法和列表解析一样，只不过生成器表达式是被 ()括起来的，而不是[]，如下：

(expr for iter_var in iterable if cond_expr)

看一个例子：

生成器表达式并不是创建一个列表， 而是返回一个生成器，这个生成器在每次计算出一个条目后，把这个条目 "产生"（yield）出来。 生成器表达式使用了 "惰性计算"（lazy evaluation），只有在检索时才被赋值（evaluated），所以在列表比较长的情况下使用内存上更有效。

继续看一个例子：

从这个例子中可以看到，生成器表达式产生的生成器，它自身是一个可迭代对象，同时也是迭代器本身。

递归生成器

生成器可以向函数一样进行递归使用的，下面看一个简单的例子，对一个序列进行全排列：

def permutations(li):
    if len(li) == 0:
        yield li
    else:
        for i in range(len(li)):
            li[0], li[i] = li[i], li[0]
            for item in permutations(li[1:]):
                yield [li[0]] + item
for item in permutations(range(3)):
print item

代码的结果为：

生成器的 send()和 close() 方法

生成器中还有两个很重要的方法：send()和 close()。

• send(value):

  从前面了解到，next()方法可以恢复生成器状态并继续执行，其实 send() 是除 next() 外另一个恢复生成器的方法。

  Python 2.5 中，yield 语句变成了 yield 表达式，也就是说 yield 可以有一个值，而这个值就是 send()方法的参数，所以 send(None) 和 next()是等效的。同样，next() 和 send() 的返回值都是 yield 语句处的参数（yielded value）

  关于 send() 方法需要注意的是：调用 send 传入非 None 值前，生成器必须处于挂起状态，否则将抛出异常。也就是说，第一次调用时，要使用next()语句或send(None)，因为没有yield语句来接收这个值。

• close():

  这个方法用于关闭生成器，对关闭的生成器后再次调用 next 或 send 将抛出 StopIteration 异常。

下面看看这两个方法的使用：

总结

本文介绍了 Python 迭代器和生成器的相关内容。

• 通过实现迭代器协议对应的 __iter__()和 next() 方法，可以自定义迭代器类型。对于可迭代对象，for 语句可以通过 iter()方法获取迭代器，并且通过 next() 方法获得容器的下一个元素。
• 像列表这种序列类型的对象，可迭代对象和迭代器对象是相互独立存在的，在迭代的过程中各个迭代器相互独立；但是，有的可迭代对象本身又是迭代器对象，那么迭代器就没法独立使用。
• itertools 模块提供了一系列迭代器，能够帮助用户轻松地使用排列、组合、笛卡尔积或其他组合结构。

• 生成器是一种特殊的迭代器，内部支持了生成器协议，不需要明确定义 __iter__()和 next() 方法。
• 生成器通过生成器函数产生，生成器函数可以通过常规的 def 语句来定义，但是不用 return 返回，而是用 yield 一次返回一个结果。