关注的本节内容：
- 实现一个可迭代对象和迭代器
- 可迭代对象和迭代器的区分
- 实现一个标准的迭代器
- 生成器迭代器
- (进阶)惰性定义一个
Sentence类 - 生成器表达式（语法糖）
实现一个可迭代对象和迭代器
可迭代对象如何实现迭代？
调用iter(x) , x为可迭代对象。按照三个顺序：
1. 是否实现了__item__方法，如果实现了，调用他并获取一个迭代器。
2. 是否实现了__getitem__方法，基于鸭子类型，这是为了向后兼容。
3. 抛出异常TypeError
显然，从鸭子类型duck type来说，标准的可迭代对象有__getitem__和__item__方法，所以实现一个可迭代对象也应该实现这两个抽象方法。
从白鹅类型goose type来说，考虑继承，实现__item__抽象方法即可。
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 __getitem__(self, index):
return self.words[index]
def __len__(self): # 实现__len__不是迭代必须的
return len(self.words)
def __repr__(self):
return 'Sentence(%s))' % reprlib.repr(self.text)怎么看一个对象是否是迭代器
Python 3.4 开始,检查对象 x 能否迭代,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。
迭代器
定义
迭代器是这样的对象:实现了无参数的 __next__ 方法,返回序列中的下一个元素;如果没有元素了,那么抛出StopIteration 异常。Python 中的迭代器还实现了 __iter__ 方法,因此迭代器也可以迭代。
迭代器协议
迭代器实现两个接口：
__next____iter__方法实例化，并返回一个迭代器
迭代器的抽象基类是 collectons.abc.Iterator，和 collections.abc.Iterable
__next__抽象方法定义在Iterator中，__iter__方法定义在Iterable中，Iterable继承了Iterator。
实现一个标准的迭代器
class Sentence:
def __init__(self, text):
self.text = text
self.words = RE_WORD.findall(text)
def __iter__(self):
return SentenceIterator(self.text)
def __repr__(self):
return 'Sentence(%s))' % reprlib.repr(self.text)
class SentenceIterator:
def __init__(self, words):
self.words = words
self.index = 0
def __next__(self):
try:
word = self.words[index]
except IndexError:
raise StopIteration()
self.index += 1
return word
def __iter__(self):
return self首先，需要确定这个典型的迭代器实现了哪些内容，符合了哪些标准？
__iter__方法返回了一个实例化的迭代器。后面讲到为什么要建一个新的SentenceIteratorSentenceIterator同时实现了__iter__和__next__。代码中也可以看出来，实现__iter__其实是不必要的，但他可以帮助通过迭代器的测试，包括isinstance(SentenceIterator,collectons.abc.IIterator)。
为什么不直接在Sentence中实现__next__
这里可以回答上文中的为什么要有SentenceIterator的问题。
设计模式中(没看过)谈到迭代器模式：
- 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)
其中，对聚合对象的多种遍历的含义就是，每次遍历都是相互独立，不受干扰的，结合 1，那么建一个新的SentenceIterator是最好的办法。
生成器迭代器
关键字yield 。函数内只要有yield，那么这个函数就是生成器函数。这个在讲生成器的技巧随处可见。
一般函数内会带个gen表明是生成器。
def gen_123():
for i in range(5):
yield 2*i函数即对象
gen_123 是一个function
gen_123()是一个generator
改进代码,代替 SentenceIterator类：
class Sentence:
def __init__(self, text):
self.text = text
self.words = RE_WORD.findall(text)
def __iter__(self):
for word in self.words:
yield word
return
def __repr__(self):
return 'Sentence(%s))' % reprlib.repr(self.text)
进阶优化，惰性定义Sentence类（利用现有迭代器）
惰性即lazy，他的反义词是急迫 eager
分为惰性求值 lazy evaluation和及早求值eager evaluation。
所谓惰性求值，就是让__next__一次只生成一个，这才符合我们想要利用迭代器的根本目的——节约内存，而前面的版本在__init__的时候实际上已经生成全部数据。
书上指出
def __init__(self, text):
self.text = text
def __iter__(self):
for match in RE_WORD.finditer(self.text):
yield match.group()利用re库中的迭代器，
实际上暗示了要利用其他现有的迭代器来优化。
生成器表达式
实际上是一种语法糖，下面就是本节Sentence的最终版本：
class Sentence:
def __init__(self, text):
self.text = text
def __iter__(self):
return (match.group() for match in RE_WORD.finditer(self.text))
def __repr__(self):
return 'Sentence(%s))' % reprlib.repr(self.text)总结
要分清可迭代对象和迭代器，迭代器是超集。标准迭代器必须要实现__iter__和__next__，__iter__返回的是一个迭代器的实例。学会使用yield和生成器表达式来更像Python。
测试的时候发现一个有趣的地方:
gen=(x*3 for x in range(5))
>>> gen
<generator object <genexpr> at 0x7ff495a3d830>
>>> next(gen)
0
>>> next(gen)
3
>>> next(gen)
6
>>> list(gen)
[9, 12]
>>> next(gen)
Traceback (most recent call last):
File "<pyshell#14>", line 1, in <module>
next(gen)
StopIteration实际上list的构造方法就是调用了迭代器，gen在构造的时候已经用的最后了。如果想要重复用，首先就应该
gen=(x*3 for x in range(5))
n=gen
开始调用next(n)，gen作`原始数据`