Iterator
iter(): 接收的是可迭代对象，返回的是迭代器。
next(): 接收的是迭代器，调用的是迭代器对象中的next函数，返回数据元素。
由于生成器是一种特殊的迭代器，故而用next()而不是iter()。
class Classmate(object):
def __init__(self):
self.names = list()
def add(self, name):
self.names.append(name)
def __iter__(self):
# 返回迭代器对象
return ClassIterator(self)
class ClassIterator(object):
def __init__(self, obj):
self.obj = obj
self.cur = 0
# 包含__iter__的方法对象成可迭代iterable
def __iter__(self):
pass
# 包含__next__的方法对象成迭代器iterator
def __next__(self):
if self.cur < len(self.obj.names):
res = self.obj.names[self.cur]
self.cur += 1
return res
else:
raise StopIteration
优化：去除迭代器ClassIterator，将Classmate写成迭代器，返回自身self即可。
from collections import Iterable
import time
class Classmate(object):
def __init__(self):
self.names = list()
self.cur = 0
def add(self, name):
self.names.append(name)
def __iter__(self):
return self
def __next__(self):
if self.cur < len(self.names):
res = self.names[self.cur]
self.cur += 1
return res
else:
raise StopIteration
if __name__ == '__main__':
classmate = Classmate()
classmate.add('Jerry')
classmate.add('Annie')
classmate.add('Sophie')
print('Iterable: {}'.format(isinstance(classmate, Iterable)))
for temp in classmate:
print(temp)
time.sleep(1)
Fibonacci数列，迭代器定义生成数据的方法，在访问的时候产生数据，节省内存。
class Fibonacci(object):
def __init__(self, num):
self.num = num
self.cur = 0
self.a = 0
self.b = 1
def __iter__(self):
return self
def __next__(self):
if self.cur < self.num:
res = self.a
self.a, self.b = self.b, self.a + self.b
self.cur += 1
return res
else:
raise StopIteration
if __name__ == '__main__':
fibo = Fibonacci(10)
for num in fibo:
print(num)
Generator
生成器是特殊的迭代器。含有yield关键字的函数，不再是函数而是生成器。调用时不再是函数调用而是创建生成器对象。
yield关键字，将函数暂停，当下次访问时，接着yield后面继续执行。
生成器两种启动方式：next(generator)和generator.send()，后者可以传参。
生成器传参：generator.send(‘pass args’)
生成器return：在迭代结束抛出异常StopIterator时，返回return的内容。
def generator(n):
cur = 0
a, b = 0, 1
while cur < n:
ret = yield a
print('ret>>>', ret)
a, b = b, a + b
cur += 1
# 并非调用函数，而是创建生成器对象，使用next()函数执行生成器代码。
obj = generator(10)
# next()函数传递的是迭代器，而生成器是一种特殊的迭代器
ret = next(obj)
print(ret)
# 启动生成器时，参数传给yield右边ret
ret = obj.send('pass arg')
print(ret)
ret = next(obj)
print(ret)
结论：迭代器能节省内存空间，能实现循环；生成器能暂定类函数的运行，用send或者next继续执行。他们都是保存生成数据的代码。
生成器的另一个重要应用协程：实现多任务。
import time
def task1():
while True:
print('---1---')
time.sleep(0.1)
yield
def task2():
while True:
print('---2---')
time.sleep(0.1)
yield
def main():
t1 = task1()
t2 = task2()
while True:
next(t1)
next(t2)
if __name__ == '__main__':
main()
Coroutine
采用同步的方式编写异步代码，线程的切换是操作系统执行的。单线程内的协程是程序员自己调度切换的。不需要锁的机制，函数的切换资源消耗更少，并发性更高。
协程：可以暂停的函数（生成器），且可以向暂停处传参。python通过生成器实现协程。