用一种方法，最好是只有一种方法来做一件事
迭代器的用途:
- for ... in 循环
- 遍历文件等
- 列表推导，字典推导，集合推导
- 元组拆包
- 调用函数时，使用* 拆包实参
可迭代对象
首先我们来分析一下序列可迭代的原因：iter函数
解释器需要迭代对象x时，会自动调用iter(x),内置的iter有如下作用
- 检查对象是否实现了
__iter__方法，如果实现了就调用他，获取一个迭代器
def __iter__(self):
return iter(self._components)
- 如果没有实现，但是实现了
__getitem__,Python会创建一个迭代器，尝试依次获取元素
def __getitem__(self, index):
cls = type(self)
if isinstance(index, slice):
return cls(self._components[index])
elif isinstance(index, numbers.Integral):
return self._components[index]
else:
msg = '{.__name__} indices must be integers'
raise TypeError(msg.format(cls))
- 如果失败了，就会抛出TypeError异常
从 Python 3.4 开始，检查对象 x 能否可迭代，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。这比使用 isinstance(x, abc.Iterable) 更准确，因为 iter(x) 函数会考虑到遗留的 getitem 方法， 而 abc.Iterable 类则不考虑。
只要实现了上述任意一个方法，我们就可以说该对象是可迭代对象
迭代器
若一个类想成为迭代器需实现
- 方法
__next__ __iter__
使用：
it = iter(obj)
while True:
try:
print(next(it))
except StopIteration:
del it
break
检 查对象 x 是否为迭代器最好的方式是调用 isinstance(x, abc.Iterator)。得益 于 Iterator.subclasshook 方法，即使对象 x 所属的类不是 Iterator 类的 真实子类或虚拟子类，也能这样检查。
有同学看到这里就不禁疑问，迭代器和可迭代对象，到底有啥区别 ???
可迭代的对 象有个 iter 方法，每次都实例化一个新的迭代器；而迭代器要实现 next 方 法，返回单个元素，此外还要实现 iter 方法，返回迭代器本身。 因此，迭代器可以迭代，但是可迭代的对象不是迭代器。
那我能不能将一个类实现为即是可迭代对象又是迭代器呢？ 可能我们都不会意识到 这叫反模式
迭代器模式的适用性总结：
- 访问一个聚合对象的内容而无需暴露它的内部表示
- 支持对聚合对象的多种遍历
- 为遍历不同的聚合结构提供一个统一的接口（即支持多态迭代）
为了“支持多种遍历”，必须能从同一个可迭代的实例中获取多个独立的迭代器，而且各个 迭代器要能维护自身的内部状态，因此这一模式正确的实现方式是，每次调用 iter(my_iterable) 都新建一个独立的迭代器。这就是为什么需要定义 迭代器类。
import re
import reprlib
RE_WORD = re.compile('\w+')
class Sentence:
def __init__(self, text):
self.text = text
self.words = RE_WORD.findall(text)
def __repr__(self):
return 'Sentence(%s)' % reprlib.repr(self.text)
def __iter__(self):
return SentenceIterator(self.words)
class SentenceIterator:
def __init__(self, words):
self.words = words
self.index = 0
def __next__(self):
try:
word = self.words[self.index]
except IndexError:
raise StopIteration()
self.index += 1
return word
def __iter__(self):
return self
在很多情况下，迭代器的遍历实现可以使用生成器来实现
生成器
生成器函数的工作原理
由一个生成器函数返回一个生成器对象，该函数使用yield关键字产出数据元素，一般情况下，一个生成器函数包含一个不断yield的循环，每次迭代都会访问下一个yield的产出数据
def __iter__(self):
for match in RE_WORD.finditer(self.text): # <2>
yield match.group()
def geb_AB():
print("start")
yield "A"
print("continue")
yield "B"
print("end")
列表推导
[x*3 for x in gen_AB()]
生成器表达式
res = (x*3 for x in gen_AB()) # 仅仅返回一个生成器
只有在for 循环迭代的时候，才会真正执行gen_AB的函数体，每次执行一个yield
yield from
如果生成器函数需要产出另外一个生成器的值，一般会使用嵌套的for循环解决
def chain(*iterable):
for it in iterable:
for v in it:
yield v
s = "abcde"
t = tuple(2,4,5,6,6,7,)
list(chain(s,t))
如果是使用yield from
def chain(*iterable):
for it in iterable:
yield from it
iter 函数
iter函数有个极少使用的方式：接收两个入参，第一个是可调用对象或者函数，第二个为哨兵符，遇到到哨兵符就会抛出StopIteration.
def random_s():
return randint(1,6)
d_it = iter(random_s, 1) # 当遇到1时停止
for roll in d_it:
print(roll)
with open('mydata.txt') as fp:
for line in iter(fp.reandline, "\n"):
process_line(line)
下面贴几张标准库生成器函数
