本篇文章簡單談談可迭代物件，迭代器和生成器之間的關係。

三者簡要關係圖

可迭代物件與迭代器

剛開始我認為這兩者是等同的，但後來發現並不是這樣；下面直接丟擲結論：

1）可迭代物件包含迭代器。
2）如果一個物件擁有__iter__方法，其是可迭代物件；如果一個物件擁有next方法，其是迭代器。
3）定義可迭代物件，必須實現__iter__方法；定義迭代器，必須實現__iter__和next方法。

你也許會問，結論3與結論2是不是有一點矛盾？既然一個物件擁有了next方法就是迭代器，那為什麼迭代器必須同時實現兩方法呢？

因為結論1，迭代器也是可迭代物件，因此迭代器必須也實現__iter__方法。

介紹一下上面涉及到的兩個方法：

1）__iter__()

該方法返回的是當前物件的迭代器類的例項。因為可迭代物件與迭代器都要實現這個方法，因此有以下兩種寫法。

寫法一：用於可迭代物件類的寫法，返回該可迭代物件的迭代器類的例項。

寫法二：用於迭代器類的寫法，直接返回self（即自己本身），表示自身即是自己的迭代器。

也許有點暈，沒關係，下面會給出兩寫法的例子，我們結合具體例子看。

2）next()

返回迭代的每一步，實現該方法時注意要最後超出邊界要丟擲StopIteration異常。

下面舉個可迭代物件與迭代器的例子：

1. #!/usr/bin/env python
2. # coding=utf-8
3. class MyList(object):            
   # 定義可迭代物件類
4.     def __init__(self, num):  
5.         self.data = num          # 上邊界
6.     def __iter__(self):  
7.         return MyListIterator(self.data)  # 返回該可迭代物件的迭代器類的例項
8. class MyListIterator(object):    # 定義迭代器類，其是MyList可迭代物件的迭代器類
9.     def __init__(self, data):  
10.         self.data = data         # 上邊界
11.         self
    .now = 0# 當前迭代值，初始為0
12.     def __iter__(self):  
13.         returnself# 返回該物件的迭代器類的例項；因為自己就是迭代器，所以返回self
14.     def next(self):              # 迭代器類必須實現的方法
15.         whileself.now < self.data:  
16.             self.now += 1
17.             returnself.now - 1# 返回當前迭代值
18.         raise StopIteration      # 超出上邊界，丟擲異常
19. my_list = MyList(5)              # 得到一個可迭代物件
20. print type(my_list)              # 返回該物件的型別
21. my_list_iter = iter(my_list)     # 得到該物件的迭代器例項，iter函式在下面會詳細解釋
22. print type(my_list_iter)  
23. for i in my_list:                # 迭代
24.     print i  

執行結果：

問題：上面的例子中出現了iter函式，這是什麼東西？和__iter__方法有關係嗎？
其實該函式與迭代是息息相關的，通過在Python命令列中列印“help(iter)”得知其有以下兩種用法。

用法一：iter(callable, sentinel)
不停的呼叫callable，直至其的返回值等於sentinel。其中的callable可以是函式，方法或實現了__call__方法的例項。

用法二：iter(collection)
1）用於返回collection物件的迭代器例項，這裡的collection我認為表示的是可迭代物件，即該物件必須實現__iter__方法；事實上iter函式與__iter__方法聯絡非常緊密，iter()是直接呼叫該物件的__iter__()，並把__iter__()的返回結果作為自己的返回值，故該用法常被稱為“建立迭代器”。
2）iter函式可以顯示呼叫，或當執行“for i in obj:”，Python直譯器會在第一次迭代時自動呼叫iter(obj)，之後的迭代會呼叫迭代器的next方法，for語句會自動處理最後丟擲的StopIteration異常。

通過上面的例子，相信對可迭代物件與迭代器有了更具體的認識，那麼生成器與它們有什麼關係呢？下面簡單談一談

生成器

生成器是一種特殊的迭代器，生成器自動實現了“迭代器協議”（即__iter__和next方法），不需要再手動實現兩方法。

生成器在迭代的過程中可以改變當前迭代值，而修改普通迭代器的當前迭代值往往會發生異常，影響程式的執行。

看一個生成器的例子：

1. #!/usr/bin/env python
2. # coding=utf-8
3. def myList(num):      # 定義生成器
4.     now = 0# 當前迭代值，初始為0
5.     while now < num:  
6.         val = (yield now)                      # 返回當前迭代值，並接受可能的send傳送值；yield在下面會解釋
7.         now = now + 1if val isNoneelse val  # val為None，迭代值自增1，否則重新設定當前迭代值為val
8. my_list = myList(5)   # 得到一個生成器物件
9. print my_list.next()  # 返回當前迭代值
10. print my_list.next()  
11. my_list.send(3)       # 重新設定當前的迭代值
12. print my_list.next()  
13. print dir(my_list)    # 返回該物件所擁有的方法名，可以看到__iter__與next在其中

執行結果：

具有yield關鍵字的函式都是生成器，yield可以理解為return，返回後面的值給呼叫者。不同的是return返回後，函式會釋放，而生成器則不會。在直接呼叫next方法或用for語句進行下一次迭代時，生成器會從yield下一句開始執行，直至遇到下一個yield。

#生成器函式，函式裡只要有yield關鍵字

def gen_func():
    yield 1
    yield 2
    yield 3


def fib(index):
    if index <= 2:
        return 1
    else:
        return fib(index-1) + fib(index-2)


def fib2(index):
    re_list = []
    n,a,b = 0,0,1
    while n<index:
        re_list.append(b)
        a,b = b, a+b
        n += 1
    return re_list


def gen_fib(index):
    n,a,b = 0,0,1
    while n<index:
        yield b
        a,b = b, a+b
        n += 1


for data in gen_fib(10):
    print (data)
# print (gen_fib(10))
# 斐波拉契 0 1 1 2 3 5 8
#惰性求值， 延遲求值提供了可能


def func():
    return 1


if __name__ == "__main__":
    #生成器物件， python編譯位元組碼的時候就產生了，
    gen = gen_func()
    for value in gen:
        print (value)
    # re = func()
    # pass