1、什么叫迭代
现在，我们已经获得了一个新线索，有一个叫做“可迭代的”概念。
首先，我们从报错来分析，好像之所以1234不可以for循环，是因为它不可迭代。那么如果“可迭代”，就应该可以被for循环了。
这个我们知道呀，字符串、列表、元组、字典、集合都可以被for循环，说明他们都是可迭代的。
我们怎么来证明这一点呢？
1 from collections import Iterable
2
3 l = [1,2,3,4]
4 t = (1,2,3,4)
5 d = {1:2,3:4}
6 s = {1,2,3,4}
7
8 print(isinstance(l,Iterable))
9 print(isinstance(t,Iterable))
10 print(isinstance(d,Iterable))
11 print(isinstance(s,Iterable))
结合我们使用for循环取值的现象，再从字面上理解一下，其实迭代就是我们刚刚说的，可以将某个数据集内的数据“一个挨着一个的取出来”，就叫做迭代。
2、迭代器和协议
既什么叫“可迭代”之后，又一个历史新难题，什么叫“迭代器”？
虽然我们不知道什么叫迭代器，但是我们现在已经有一个迭代器了，这个迭代器是一个列表的迭代器。
我们来看看这个列表的迭代器比起列表来说实现了哪些新方法，这样就能揭开迭代器的神秘面纱了吧？
1 ‘‘‘
2 dir([1,2].__iter__())是列表迭代器中实现的所有方法，dir([1,2])是列表中实现的所有方法,都是以列表的形式返回给我们的，为了看的更清楚，我们分别把他们转换成集合，
3 然后取差集。
4 ‘‘‘
5 #print(dir([1,2].__iter__()))
6 #print(dir([1,2]))
7 print(set(dir([1,2].__iter__()))-set(dir([1,2])))
8
9 结果：
10 {‘__length_hint__‘, ‘__next__‘, ‘__setstate__‘}
11
12
13 iter_l = [1,2,3,4,5,6].__iter__()
14 #获取迭代器中元素的长度
15 print(iter_l.__length_hint__())
16 #根据索引值指定从哪里开始迭代
17 print(‘*‘,iter_l.__setstate__(4))
18 #一个一个的取值
19 print(‘**‘,iter_l.__next__())
20 print(‘***‘,iter_l.__next__())
这三个方法中，能让我们一个一个取值的神奇方法是谁？
没错！就是__next__
在for循环中，就是在内部调用了__next__方法才能取到一个一个的值。
那接下来我们就用迭代器的next方法来写一个不依赖for的遍历。
1 l = [1,2,3,4] 2 l_iter = l.__iter__() 3 item = l_iter.__next__() 4 print(item) 5 item = l_iter.__next__() 6 print(item) 7 item = l_iter.__next__() 8 print(item) 9 item = l_iter.__next__() 10 print(item) 11 item = l_iter.__next__() 12 print(item)
这是一段会报错的代码，如果我们一直取next取到迭代器里已经没有元素了，就会抛出一个异常StopIteration，告诉我们，列表中已经没有有效的元素了。
这个时候，我们就要使用异常处理机制来把这个异常处理掉。
1 l = [1,2,3,4] 2 l_iter = l.__iter__() 3 while True: 4 try: 5 item = l_iter.__next__() 6 print(item) 7 except StopIteration: 8 break
3、可迭代对象
我们现在是从结果分析原因，能被for循环的就是“可迭代的”，但是如果正着想，for怎么知道谁是可迭代的呢？
假如我们自己写了一个数据类型，希望这个数据类型里的东西也可以使用for被一个一个的取出来，那我们就必须满足for的要求。这个要求就叫做“协议”。
可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单，就是内部实现了__iter__方法。
迭代器生成的对象就是可迭代对象
4、生成器
Python中提供的生成器：
1.生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行
2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表
生成器Generator：
本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)
特点：惰性运算,开发者自定义
1 import time 2 def genrator_fun1(): 3 a = 1 4 print(‘现在定义了a变量‘) 5 yield a 6 b = 2 7 print(‘现在又定义了b变量‘) 8 yield b 9 10 g1 = genrator_fun1() 11 print(‘g1 : ‘,g1) #打印g1可以发现g1就是一个生成器 12 print(‘-‘*20) #我是华丽的分割线 13 print(next(g1)) 14 time.sleep(1) #sleep一秒看清执行过程 15 print(next(g1))
1 def generator(): 2 print(123) 3 content = yield 1 4 print(‘=======‘,content) 5 print(456) 6 yield2 7 8 g = generator() 9 ret = g.__next__() 10 print(‘***‘,ret) 11 ret = g.send(‘hello‘) #send的效果和next一样 12 print(‘***‘,ret) 13 14 #send 获取下一个值的效果和next基本一致 15 #只是在获取下一个值的时候，给上一yield的位置传递一个数据 16 #使用send的注意事项 17 # 第一次使用生成器的时候 是用next获取下一个值 18 # 最后一个yield不能接受外部的值
1 #yield from 2 3 def gen1(): 4 for c in ‘AB‘: 5 yield c 6 for i in range(3): 7 yield i 8 9 print(list(gen1())) 10 11 def gen2(): 12 yield from ‘AB‘ 13 yield from range(3) 14 15 print(list(gen2())) 16 17 yield from
原文地址：https://www.cnblogs.com/xuechaojun/p/10167275.html