1 迭代器

迭代器是一种可以更新迭代的工具，迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。但是他不能像列表一样使用下标来获取数据，也就是说迭代器是不能返回的。迭代器只能往前不会后退。

专业解释是迭代器含有两个方法：

__next__：返回下一个可用元素，如果没有元素，抛出StopIteration异常；

__iter__：返回迭代器本身，以便在应该使用可迭代对象的地方使用迭代器，比如for循环中。

如下，实现一个斐波那契数列迭代器：

class Fib:
    def __init__(self, stop):
        self.stop = stop
        self.a, self.b = 0, 1

    def __iter__(self):
        return self

    def __next__(self):
        self.a, self.b = self.b, self.a + self.b
        if self.a > self.stop:
          raise StopIteration
          return self.a

f = Fib(5)
print(f.__next__())
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))

# 也可以使用for循环
# for i in f:
#     print(i)

使用迭代器的好处在于：

它是一种延迟操作，即当需要用到的时候才去产生结果。比如对于一个序列来说，如果我们要遍历它，并不需要再一开始就把所有元素都生成好，而是只需要知道每个元素的下一个元素是什么就可以了。这样可以节省很多空间，尤其对于数量很大的集合来说。

2 可迭代对象

如果一个对象定义了 __iter__ 方法，那它就是一个可迭代对象。可迭代对象通常可以通过iter(x)来返回一个迭代器，可以被 for 循环使用。当解释器需要迭代对象x时，会自动调用iter(x)。

内置的iter函数有以下作用：

• 检查对象是否实现了__iter__方法，如果实现了就调用它，获得一个迭代器。
• 如果没有实现__iter__方法，但是实现了__getitem__方法，python会创建一个迭代器，尝试按顺序（从索引0开始）获取元素。
• 如果尝试失败，python会抛出TypeError异常，通常会提示"C object is not iterable"，其中C是目标对象所属的类。

检查一个对象能否迭代，最准确的方法是调用iter(x)函数，如果不可迭代，再处理TypeError异常。或者可以用collections模块的Iterable类型判断。

迭代器（Iterator）和可迭代（Iterable）这两个的差别：

• 一个迭代器一定是可迭代对象，因为它一定有 __iter__ 方法。反过来则不成立。（事实上，Iterator 就是 Iterable 的子类）
• 迭代器的 __iter__ 方法返回的是自身，并不产生新实例。而可迭代对象的 __iter__ 方法通常会生成一个新的迭代器对象。

我们常见的可迭代对象有：

• 集合数据类型，如list、tuple、dict、set、str等；
• 生成器(generator)，包括生成器和带yield的生成器函数(generator function)。后面介绍。

可迭代对象的for循环实现过程：

• 首先 for 循环会调用可迭代对象的 __iter__ 方法，获取相应的迭代器
• 每次循环，将迭代器的 __next__ 方法的返回值赋值给循环变量
• 直到捕获迭代器抛出的 StopIteration 异常，循环结束

比如对一个列表进行迭代时，

x = [1,2,3]
for i in x:
    print(i)

实际执行情况如下图：

3 生成器

使用了 yield 的函数被称为生成器（generator）。生成器其实是一种特殊的迭代器，但是迭代器不一定是生成器。

跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。

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。

生成器来实现斐波那契数列：

def fib(stop):
    n, a, b = 1, 0, 1
    while n < stop:
        yield b
        a, b = b, a + b
        n += 1
    return "没有数据了"

f = fib(10)  # f 是一个迭代器，由生成器返回生成

while True:
    print(next(f), end=" ")
# 当迭代遇到没有元素可取，也会抛出StopIteration异常

生成器还有一个send方法，可以往生成器里的变量传值，如下代码：

def foo():
    n = 0
    while n < 5:
        count = yield n
        print(count)
        n += 1

f = foo()
r1 = f.send(None)
print(r1)
r2 = f.send(1)
print(r2)
r3 = f.send(2)
print(r3)
r4 = f.send(3)
print(r4)
r5 = f.send(4)
print(r5)

f = foo()返回一个生成器，f.send(None)进入函数执行代码，遇到count=yield n，冻结并跳出函数体，当下次遇到f.send(1)，再次进入函数体，并遇到ount=yield n停止，把send的值给了count，并且返回了n，冻结并跳出函数体，依次执行。

生成器表达式

生成器表达式是列表推导式的生成器版本，看起来像列表推导式，但是它返回的是一个生成器对象而不是列表对象。

a = (x for x in range(10))
print(a)  # <generator object <genexpr> at 0x7ff1d0094c80>

总结：

• 迭代器含有__iter__和__next__方法，其中__iter__发会自身，一般用于for循环，__next__获取下一个可用元素
• 可迭代对象定义了__iter__方法并返回一个迭代器，或实现了__getitem__方法
• 生成器使用了 yield 的函数
• 可迭代对象可以生成迭代器，生成器是一种特殊的迭代器
• 注意迭代器和生成器使用时，不能重复使用，取到到无可用元素就会抛出StopIteration异常

参考：
https://zhuanlan.zhihu.com/p/55098524
https://www.cnblogs.com/eastonliu/p/9156418.html

最后

以上就是含蓄项链为你收集整理的迭代器、可迭代对象、生成器的区别和联系1 迭代器2 可迭代对象3 生成器的全部内容，希望文章能够帮你解决迭代器、可迭代对象、生成器的区别和联系1 迭代器2 可迭代对象3 生成器所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。