1 迭代器与for
迭代器（iterator），在许多现代编程语言，如C++，Java等中均有出现。迭代器不是一种数据结构，而可以理解为是一种获取、访问数据的策略。在Python中，迭代器以object的形式存在，其自身并不存储数据，而是封装了获取数据的方法[即next方法（Python2）或__next__方法（Python3）]。这意味着：在Python中，所有的迭代器均可通过调用next方法，获取到迭代器的下一个数据。next方法应处理两种情况：1.迭代未结束时，根据规则返回当前位置的下一个数据；2.迭代结束时，抛出StopIteration异常，指示当前迭代器已耗尽，迭代终止。
Python中的for循环本质上即为针对迭代器使用的循环，任何数据结构在进行for循环时，均可以理解为for是在针对由此数据结构生成的一个迭代器进行循环，这包含两种情况：1.for循环的对象本身就是一个迭代器，那么此时就针对当前对象进行迭代；2.for循环的对象本身不是一个迭代器，那么for将自动对此对象调用iter函数（对于iter函数的讨论详见下文），返回当前对象的一个迭代器，然后对此迭代器进行迭代。同时，for循环将在每一次循环时，自动对迭代器调用next函数，得到下一个值，并将此值赋值给迭代变量，当迭代结束，迭代器抛出StopIteration时，for也将自动处理这个异常，结束当前的for循环。由此可见，Python的for循环，相较于C、Java、Perl等语言的“while变体形式”的三段式for循环更为高级与实用。但是，这样的for循环机制可能也是造成Python的for循环效率低下的原因之一。
此外，如果不通过for进行迭代，也可以手动多次调用next函数进行下一个值的获取，并手动处理异常。调用next函数对应于调用迭代器对象的next方法（Python2）或__next__方法（Python3）。这种用法本文不做详细讨论。
2 __iter__与委托迭代
上文中提到了iter函数，通过调用iter函数，可以得到某个对象的一个迭代器。而由于iter函数作为一种“多态性”函数（这里借用OOP术语来描述Python中的函数与特殊方法之间的关系），其可接受各种不同的数据对象，使用不同的算法返回迭代器。能够这样做的原因就在于iter函数背后所对应的__iter__方法。当对对象调用iter函数时，就相当于自动调用当前对象所对应的__iter__方法，即：
iter(xxx) 相当于 xxx.__iter__()
这样，即可通过面向对象的多态性，针对不同的对象，调用不同的__iter__方法了。
__iter__方法是迭代器协议的核心，但在很多的书籍和资料中，对__iter__方法的介绍很模糊，往往只是说明：__iter__方法应直接返回self，这是很不准确的。__iter__方法本质上对应着iter函数的调用，也就是说，这个方法将在for循环开始前被自动调用，其返回值应该为一个迭代器，这个返回的迭代器应实现__next__方法，以及在迭代结束时抛出StopIteration。这就意味着，__iter__方法的返回值有两类，一类就是self，即当前类自身就是迭代器，当返回self时，当前对象本身就还需要实现__next__方法，从而用于被for自动调用。另一种非常关键的情况是：__iter__方法也可以返回另一个可迭代对象，这样，当迭代当前对象时，实际上是迭代了__iter__方法返回的这另一个可迭代对象，这样的操作就称为委托迭代。以下通过两个例子说明自身迭代与委托迭代：
例1：自身迭代器：
class IterTest:
def __init__(self, topNum):
self.topNum = topNum
self.nowNum = -1
def __iter__(self):
return self
def __next__(self):
if self.nowNum < self.topNum:
self.nowNum += 1
return self.nowNum
else:
raise StopIteration
for i in IterTest(10):
print(i)
上述代码即定义了一个自定义的迭代器，IterTest类的实例自身就是一个迭代器，关键之处在于两点：1. __iter__方法直接返回self，也就是说，在当前类的实例被iter函数调用时，对象自身作为迭代器参与迭代，且对象自身将不停地被调用next函数，从而获取下一个值。2.next函数背后对应的就是__next__方法，此方法应实现两个功能，一是在迭代未结束时返回下一个值，二是在迭代结束时抛出StopIteration异常。实际使用中也可定义不会抛出StopIteration异常的迭代器，这样的迭代器就称为无限迭代器（infinite iterator），其在迭代中如果不加以限制，将永远不会结束。无限迭代器一般用于特殊用途，在itertools模块中有一些无限迭代器的接口定义。
以下是委托迭代的例子：
例2：委托迭代器：
class IterTest:
def __iter__(self):
return iter([1, 2, 3])
for i in IterTest():
print(i)
上述代码中，委托迭代器的__iter__方法返回的是另一个与当前对象并无关联的迭代器，在上例中，即为一个值为123的List的迭代器版本。for循环看上去迭代的是IterTest类实例，实际上迭代的却是一个与IterTest类毫不相关的list。但是，由于放在for循环当中的就是IterTest类实例，故不管迭代的是什么，IterTest类实例就是一个可迭代对象。
__iter__方法是Python迭代器协议的核心，任何一个类，只要其正确实现了此方法，返回了一个迭代器，那么这个类的实例就可以被迭代。而具体迭代什么，则由__iter__方法具体返回的内容决定。
3 __*item__与序列访问协议
__*item__包括__getitem__、__setitem__与__delitem__三个特殊方法。__delitem__是析构方法的一种，其应用场合较少，故本文不对其进行讨论，只讨论前两个特殊方法。
__getitem__方法在Python中有两个主要功能，首先，此方法是序列访问协议的核心，一个类只要实现了此方法，那么这个类的对象就可以通过类似于list的索引值语法，对当前类的一些数据进行访问。其次，__getitem__方法也是迭代器协议的备用方法，当一个类没有实现__iter__方法时，就会尝试通过__getitem__方法，按照索引值从0到溢出的顺序进行迭代访问，举例如下：
class IterTest:
numList = [1, 2, 3]
def __getitem__(self, sliceObj):
return IterTest.numList[sliceObj]
print(IterTest()[1:])
for i in IterTest():
print(i)
上例中定义了一个仅实现了__getitem__方法的类，此方法的第二参数为一个slice对象，slice是Python内部的一个特殊对象，其接受各种语法形式的切片（如[:], [1:2], [1:]等），此对象在索引访问时自动生成，且可直接放入一对方括号中进行值的访问。当一个类实现了__getitem__方法后，首先，这个类的实例可使用任何形式的切片语法，如上例中的IterTest()[1:]；其次，__getitem__方法作为迭代器协议的备选方法，只实现此方法的对象也可通过for进行索引值从0到溢出的迭代。
只实现__getitem__方法的类，其通过索引值访问到的值是只读的，不可通过赋值进行修改。而如果要对值进行修改，则还需要实现__setitem__方法。__setitem__方法在绝大多数情况下的实现均很简单，只需要进行赋值行为定义即可：
def __setitem__(self, sliceObj, setValue):
IterTest.numList[sliceObj] = setValue
IterTest()[1] = 1
定义此方法后，就可以对通过索引值取出的值进行赋值了。
4 yield
yield是另一种定义迭代器的方法。而实际上，yield（包括send与Python3.5的yield from）还用于实现协程，这部分本文不予讨论，只讨论yield在迭代器中的应用。
上文中，主要讨论了OOP下的迭代器定义，而yield就可以简单理解为POP下对迭代器的定义，通过yield实现的迭代器在Python中称为生成器（Generator）。需要强调的是，生成器只是迭代器的一种，其语法上与迭代器没有任何区别。
通过yield定义生成器非常简单：如果一个函数中至少出现了一处yield语句，那么此函数的返回值将自动转换成一个生成器，即可以使用for或next进行迭代。yield在行为上类似于return，将一个值返回给外部，但不同的是，return语句具有立即退出函数调用的功能，而yield语句不会这样做，而是将函数调用过程暂停到yield之后的位置，当下一次的next方法被调用（或调用了send方法），那么函数就会在暂停处继续执行，直到又遇到了一次yield，或函数在别处退出。下面即定义了一个简单的生成器：
def yieldTest(topNum):
nowNum = 0
while nowNum < topNum:
yield nowNum
nowNum += 1
for i in yieldTest(10):
print(i)
上例的yieldTest函数，由于出现了yield，则此函数的返回值就是一个生成器。此生成器在没有达到数字上限时，会不断返回递增的数字，然后暂停，等待下一次的返回，在while循环退出后，函数结束，生成器也就随之耗尽。
5 生成器推导式
上文中讨论了如何通过含有yield的函数定义一个生成器。而Python的推导式语法系列也包含生成器推导式，可以通过简洁的形式，直接生成一个生成器。生成器推导式以一对小括号包围，中间书写推导式语法即可：
for i in (i**2 for i in range(10)):
print(i)
6 慎用迭代器
迭代器具有一些很优良的性质，如节约内存，运算速度快等。但在使用迭代器时，一定要考虑迭代器的两个最重要的隐患：
1. 迭代器是一次性的。普通的迭代器（除了文件句柄这样的特殊迭代器），如果不做特殊处理，则其都是一次性使用的，无法回退。当迭代器耗尽后，后续的next函数调用只会不断的抛出StopIteration异常。如果还要重新使用当前的迭代器，则只能通过原始数据再生成一个新的迭代器。这在某些情况下可能会导致效率低下和难以察觉的bug。
2. 对迭代器进行索引值访问是非常低效，且消耗迭代器的。故涉及到索引值访问这样的操作时，一般不应使用迭代器，而是将迭代器通过转换为list再进行操作。
2018年6月于苏州
