python - __next__ 在生成器和迭代器中，什么是方法包装器？

Question

我正在阅读有关生成器和迭代器以及 __next__() 的作用的文章.
'__next__' in dir(mygen) .是真的
'__next__' in dir(mylist) ，是假的

当我深入研究它时，
'__next__' in dir (mylist.__iter__())是真的

为什么是 __next__仅可列出但仅适用于 __iter__()和 mygen但不是 mylist .怎么样__iter__()调用 __next__当我们使用列表理解遍历列表时

尝试手动步进 (+1) 生成器时，我调用 mygen.__next__() .它不存在。它仅作为 mygen.__next__ 存在这称为方法包装器。

什么是方法包装器，它有什么作用？它是如何在这里应用的:在 mygen() and __iter__() ?

如果 __next__生成器和迭代器都提供了什么(以及它们唯一的属性)那么生成器和迭代器之间有什么区别？*

对 3 的回答:已解决，如 mod/editor 所述:

Difference between Python's Generators and Iterators

更新:生成器和迭代器都有 __next__() .我的错。查看日志，不知何故 mygen.__next__()测试给了我停止迭代异常错误。但是我无法再次复制该错误。

谢谢大家的回答!

Answer 1

特殊方法__iter__和 __next__是创建 iterator types 的迭代器协议(protocol)的一部分.为此，您必须区分两个不同的事物:迭代 和 迭代器 .

Iterables 是可以迭代的东西，通常，这些是某种包含项目的容器元素。常见的例子是列表、元组或字典。

为了迭代一个可迭代对象，您可以使用迭代器。迭代器是帮助您遍历容器的对象。例如，在迭代列表时，迭代器本质上会跟踪您当前所在的索引。

要获得迭代器，__iter__在可迭代对象上调用方法。这就像一个工厂方法，它为这个特定的可迭代对象返回一个新的迭代器。具有 __iter__ 的类型方法定义，把它变成一个可迭代的。

迭代器通常需要一个方法，__next__ ，它返回迭代的下一项。此外，为了使协议(protocol)更易于使用，每个迭代器也应该是可迭代的，在 __iter__ 中返回自身。方法。

举个简单的例子，这可能是一个列表的迭代器实现:

class ListIterator:
    def __init__ (self, lst):
        self.lst = lst
        self.idx = 0

    def __iter__ (self):
        return self

    def __next__ (self):
        try:
            item = self.lst[self.idx]
        except IndexError:
            raise StopIteration()
        self.idx += 1
        return item

然后列表实现可以简单地返回 ListIterator(self)来自 __iter__方法。当然，列表的实际实现是用 C 完成的，所以这看起来有点不同。但想法是一样的。

迭代器在 Python 中的各个地方都隐形使用。例如 for环形:

for item in lst:
    print(item)

这与以下内容相同:

lst_iterator = iter(lst) # this just calls `lst.__iter__()`
while True:
    try:
        item = next(lst_iterator) # lst_iterator.__next__()
    except StopIteration:
        break
    else:
        print(item)

所以for循环从iterable对象请求一个迭代器，然后调用 __next__在那个可迭代对象上，直到它遇到 StopIteration异常(exception)。这发生在表面之下也是您希望迭代器实现 __iter__ 的原因。同样:否则你永远无法遍历迭代器。

至于生成器，人们通常所指的其实是生成器函数，即某个函数定义中带有 yield声明。一旦你调用那个生成器函数，你就会得到一个生成器。生成器本质上只是一个迭代器，尽管它很花哨(因为它不仅仅是在容器中移动)。作为迭代器，它有一个 __next__ “生成”下一个元素的方法，以及 __iter__方法来返回自身。

一个示例生成器函数如下:

def exampleGenerator():
    yield 1
    print('After 1')
    yield 2
    print('After 2')

包含 yield 的函数体语句将其转换为生成器函数。这意味着当您拨打 exampleGenerator() 时你会得到一个生成器对象。生成器对象实现了迭代器协议(protocol)，所以我们可以调用 __next__在它上面(或使用上面的 next() 函数):

>>> x = exampleGenerator()
>>> next(x)
1
>>> next(x)
After 1
2
>>> next(x)
After 2
Traceback (most recent call last):
  File "<pyshell#10>", line 1, in <module>
    next(x)
StopIteration

注意第一个 next() call 还没有打印任何东西。这是生成器的特殊之处:它们是惰性的，并且只根据需要进行评估以从可迭代对象中获取下一项。只有第二个 next()调用，我们从函数体中得到第一个打印的行。我们需要另一个 next()调用以耗尽可迭代对象(因为没有产生另一个值)。

但除了这种懒惰之外，生成器的行为就像可迭代对象。你甚至会得到一个 StopIteration最后的异常，它允许生成器(和生成器函数)用作 for循环源和任何可以使用“正常”迭代的地方。

生成器及其懒惰的最大好处是能够按需生成内容。一个很好的类比是在网站上无限滚动:您可以在之后向下滚动项目(在生成器上调用 next())，并且每隔一段时间，网站将不得不查询后端以检索更多项目供您使用滚动浏览。理想情况下，这会在您没有注意到的情况下发生。而这正是生成器所做的。它甚至允许这样的事情:

def counter():
    x = 0
    while True:
        x += 1
        yield x

非懒惰，这是不可能计算的，因为这是一个无限循环。但是懒惰地，作为一个生成器，可以在一个项目之后一个项目消耗这个迭代。我原本想免除您将这个生成器实现为完全自定义的迭代器类型，但在这种情况下，这实际上并不太难，所以它是这样的:

class CounterGenerator:
    def __init__ (self):
        self.x = 0

    def __iter__ (self):
        return self

    def __next__ (self):
        self.x += 1
        return self.x