Python 迭代器+生成器+装饰器

本文主要是介绍Python 迭代器+生成器+装饰器，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一、迭代器

1、迭代器协议

• 迭代器协议是指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引起一个stoplteration异常，以终止迭代（只能 往后走，不能往前退）
• 协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如for循环，sum，min，max函数等）使用迭代器协议访问对象

2、可迭代对象

可迭代对象泛指一类对象，不是指的每一种对象，确切的说满足以下的条件的对象可以成为可迭代对象:

• 对象实现了__iter__方法
• __iter__方法返回了一个迭代器对象

我们比较容易理解的可迭代对象，比如说可以用for语句去遍历，实际for语句的内部实现应该就是首先调用对象的__iter__方法，获取一个迭代器对象，接着不停的调用迭代器对象的__next__方法，循环遍历取值。

3、迭代器对象（迭代器）

迭代器协议包括这些条件:

• 对象实现了__next__方法
• __next__方法返回了某个数值（当然一般情况下，我们需要的是返回这个对象的特定的数字，并且按照一定的顺序进行依次返回）
• __next__方法需要在值取完的时候，抛出StopIteration的错误信息。

能够迭代的类型：list tuple string set dict bytes迭代器有两个基本的方法：iter() 和 next()

• iter返回迭代器对象本身。这用于for 和in语句。
• next方法返回迭代器中的下一个值。如果没有更多的项目要返回，那么它应该引发StopIteration异常。

创建一个返回数字的迭代器，初始值为 1，逐步递增 1：

class MyNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    x = self.a
    self.a += 1
    return x
 
myclass = MyNumbers()
myiter = iter(myclass)
 
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))

输出：

1
2
3
4
5

二、生成器

可以理解为一种数据类型，这种数据类型自动实现了迭代器协议（其他的数据类型需要调用自己的内置的__iter__方法），所以生成器就是可迭代对象

1、生成器函数

常规函数的定义，但是，使用yield语句而不是return语句返回结果。yield语句语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次从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

3、生成器的特点

生成器最大的特点是：边迭代 边输出

Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生产层器的主要好处。

这里举一个例子来说明生成器的优点

输出斐波那契数列前 N 个数

def fab(max): 
    n, a, b = 0, 0, 1 
    L = [] 
    while n < max: 
        L.append(b) 
        a, b = b, a + b 
        n = n + 1 
    return L
 
for n in fab(5): 
    print n

该函数在运行中占用的内存会随着参数 max 的增大而增大，如果要控制内存占用，最好不要用 List来保存中间结果，而是通过 iterable 对象来迭代。

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 < self.max: 
            r = self.b 
            self.a, self.b = self.b, self.a + self.b 
            self.n = self.n + 1 
            return r 
        raise StopIteration()
 
for n in Fab(5): 
    print n

Fab 类通过 next() 不断返回数列的下一个数，内存占用始终为常数。

然而，使用 class 改写的这个版本，代码远远没有第一版的 fab 函数来得简洁。如果我们想要保持第一版 fab 函数的简洁性，同时又要获得 iterable 的效果，yield 就派上用场了：

def fab(max): 
    n, a, b = 0, 0, 1 
    while n < max: 
        yield b      # 使用 yield
        # print b 
        a, b = b, a + b 
        n = n + 1
 
for n in fab(5): 
    print n

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(i) 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。

一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

yield 的好处是显而易见的，把一个函数改写为一个 generator 就获得了迭代能力，比起用类的实例保存状态来计算下一个 next() 的值，不仅代码简洁，而且执行流程异常清晰。

这里记录一个引出本篇博客的问题：

Scrapy中yield的理解

https://www.oschina.net/question/2254016_238539

三、装饰器

这篇关于Python 迭代器+生成器+装饰器的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！