迭代器协议（Iterator Protocol）是Python中用于遍历数据集合的核心机制， 它定义了如何通过 __iter__ 和 __next__ 方法实现惰性访问元素的能力。 理解迭代器协议是掌握Python循环、生成器及高效数据处理的关键。

迭代器协议的方法组成

其实对于大部分Python程序员而言，迭代器的概念可能并不熟悉。但这很正常，与C++等语言不同， Python的迭代器集成在语言之中，与语言完美地无缝集成，不像C++中那 样需要专门去理解这一个概念。 比如，要遍历一个容器，Python代码如下：

而C++代码如下：

using namespace std;
vector<int> myIntVector;
//往容器mylntVector中添加元素的操作，略
for(vector<int>::iterator - myIntVector.begin();
myIntVectorlterator != myIntVector.end();
myIntVectorIterator++)
    { cout<<*myIntVectorIterator<<"";}

两相对比，可以看到C++的代码中，多了一个 vector<int>:: iterator 类型， 它是什么、有什么用、什么时候用、怎么用，都是C++程序员需要理解和掌握的内容， 所以可以说，在“实现遍历容器”这一事情比使用C++要付出更多的精力去学习更多的内容， 这就是 Python把迭代器内建在语言之中的好处。

但是，并非所有的时候都能够隐藏细节，特别是在写一本书向读者讲述其中的机理的时候。 所以在这里，首先需要向大家介绍一下 iter() 函数 iter() 可以输入两个实参， 但为了简化起见，在这里忽略第二个可选参数，只介绍一个参数的形式。 iter() 函数返冋一个迭代器 对象，接受的参数是一个实现了 __iter__() 方法的容器或迭代器 （精确来说，还支持仅有 __getitem__() 方法的容器）。 对于容器而言，__iter__()方法返回一个迭代器对象，而对迭代器而言， 它的 __iter__() 方法返回其自身，所以如果用一个迭代器对象 it ， 则当以它为参数调用 iter(it) 时，返回的是自身。

到时此，就可以跟大家讲一下迭代器协议了。前文已经说过，所谓协议t是一种松散的约定， 并没有相应的接口定义，所以把协议简单归纳如下：

1)实现__iter__()方法，返回一个迭代器。

2)实现 next() 方法，返回当前的元素，并指向下一个元素的位置， 如果当前位置已无元素，则抛出 StopItcration 异常。

可以通过以下代码验证这个协议：

与上例使用 iter() 内置函数不同，这次的代码是it=alist,__iter__()， 可见 list 这一容器确实是实现了迭代器协议中容器的部分。后续连续3次的 next() 方法调用也印证了协议的 第2条。

遍历所有的容器

熟悉了迭代器协议，那么就可以使用它来遍历所有的容器，仍然以 list 对象为例。

可以看到输出跟最初使用 for 循环是一样的， 其实 for 语句 就是对获取容器的迭代器、 调用迭代器的 next() 方法以及对 Stoplteration 进行处理等流程进行封装的语法糖 （类似的语法糖还有 in/not it 语句)。

迭代器最大的好处是定义了统一的访问容器（或集合）的统一接口， 所以程序员可以随 时定义自己的迭代器，只要实现了迭代器协议就可以。 除此之外，迭代器还有惰性求值的特 性，它仅可以在迭代至当前元素时才计算（或读取）该元素的值， 在此之前可以不存在，在此之后可以销毁，也就是说不需要在遍历之前事先准备好整个迭代过程中的所有元素， 所以非常适合遍历无穷个元素的集合（如斐波那契数列）或巨大的事物（如文件)。

class Fib(object):
    def __init__(self):
        self._a = 0
        self._b = 1
    def __iter__(self):
        return self
    def next(self):
        self._a,self._b = self._b ,self._a + self._b
        return self._a
for i,f in enumerate(Fib()):
    print(f)
    if i >10:
        break

这段代码能够打印斐波那契数列的前10项。 再来看一下传统的使用容器存储整个数列的方案。

与直接使用容器的代码相比，它仅使用两个成员变量，显而易见更省内存， 并在一些应用场景更省CPU计算资源，所以在编写代码中应当多多使用迭代器协议，避免劣化代码。 对于这一观点，不必怀疑，从Python 2.3版本开始，itertools 成为了标准库的一员已经充分印证这个观点。

迭代器与内置函数

itertools 的目标是提供一系列计算快速、内存高效的函数，这些函数可以单独使用， 也可以进行组合，这个模块受到了 Haskell 等函数式编程语言的启发， 所以大量使用 itertools 模块中的函数的代码，看起来有点像函数式编程语言写推荐， 比如 sum(knap(opcrator.mul， vector1，veetor2) ，能够用来运行两个向量的对应元素乘积之和。

itertools 最为人所熟知的版本，应该算是 zip 、 map 、 filter 、 slice 的替代， izip(izip_longest) 、 imap(startmap) 、 ifilter(iftlterfalse) 、 islice ， 它们与原来的那几个内置函数有一样的功能，只是返回的是迭代器（在Python3中，新的E0数撤底替换掉了旧函数)。

除了对标准函数的替代， itertods 还提供以下几个有用的函数：chain() 用以同时连续地迭代多个序列； compress() 、 dropwhile() 和 takewhile() 能用以遴选序列元素； tee() 就像同名的UNIX应用程序，对序列作n次迭代； 而 groupby 的效果类似SQL中相同拼写的关键字所 带的效果。

[k for k, g in groupby ( ' AAAR.BBBCCDAABBB' ) ] —> A B C D A B 
[list(q) for k, g in groupby('AAAABBBCCD')] --> AAAA BBB CC D

除了这些针对有限元素的迭代帮助函数之外，还有 count() 、 cycle() 、 repeat() 等函数产生无穷序列， 这3个函数就分别可以产生算术递增数列、无限重复实参序列的序列和重复产 生同一个值的序列。

如果以上这些函数就会感到吃惊，那么接下来的4个组合数学的函数就会更加感到惊讶了，如表6-3所示。

下面通过例子来熟悉一下，第一行是代码，第二行是结果。