Python中的iterator——yield和__iter__

本文代码较多，建议阅读时间5分钟，并且注重理论与实践相结合

原文选自菜鸟教程可以点击阅读原文

举个栗子：斐波那契数列

斐波那契数列是一个简单的递归数列，除了第一个第二个外，其他都可由任意两个数组成。

Eg1.简单输出前N个数：

def fab(max):
	n,a,b = 0,0,1
	while n < max:
		print(b)
		a ,b = b ,a+b
		n = n+1

		
fab(5)

Eg2.使用列表（提高函数的复用性）：

def fab(max):
	n , a , b = 0,0,1
	L = []
	while n

Eg3.支持iterator的class类：

class Fab(object):
	def __init__(self,max):
		self.max = max
		self.n,self.a,self.b = 0,0,1
	def __iter__(self):
		return self
	def __next__(self):
		if self.n

Eg4.主角yield：

def fab(max):
	n,a,b = 0,0,1
	while n	print(i)

打印输出：

1
1
2
3
5

简单地讲，yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 fab(5) 不会执行 fab 函数，而是返回一个 iterable 对象！在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。

fab的工作流程：

>>> f = fab(5)
>>> f.next()#Python2的写法
Traceback (most recent call last):
  File "", line 1, in 
    f.next()
AttributeError: 'generator' object has no attribute 'next'
>>> f.__next__()#Python3的写法
1
>>> f.__next__()
1
>>> f.__next__()
2
>>> f.__next__()
3
>>> f.__next__()
5
>>> f.__next__()
Traceback (most recent call last):
  File "", line 1, in 
    f.__next__()
StopIteration

Eg5.判断fab是否是一个特殊的generator函数？

>>> from inspect import isgeneratorfunction as isg
>>> isg(fab)
True

Eg6.类的定义与实例

>>> import types
>>> isinstance(fab,types.GeneratorType)
False
>>> isinstance(fab(5),types.GeneratorType)
True

证明了fab是无法迭代的，fab（5）可以

>>> from collections import Iterable
>>> isinstance(fab,Iterable)
False
>>> isinstance(fab(5),Iterable)
True

Eg7.每次调用fab函数都会生成一个新的generator，各实例互不影响：

>>> f1 = fab(3)
>>> f2 = fab(5)
>>> print('f1:',f1.__next__())
f1: 1
>>> print('f2:',f2.__next__())
f2: 1
>>> print('f1:',f1.__next__())
f1: 1
>>> print('f2:',f2.__next__())
f2: 1
>>> print('f1:',f1.__next__())
f1: 2
>>> print('f2:',f2.__next__())
f2: 2
>>> print('f2:',f2.__next__())
f2: 3
>>> print('f2:',f2.__next__())
f2: 5

http://www.runoob.com/w3cnote/python-yield-used-analysis.html