在类代码中包含以下代码。

 def __iter__(self):
        for x in self.iterable:
            yield x

确保你替换了self。Iterablewith迭代所遍历的迭代对象。

下面是一个示例代码

class someClass:
    def __init__(self,list):
        self.list = list
    def __iter__(self):
        for x in self.list:
            yield x


var = someClass([1,2,3,4,5])
for num in var: 
    print(num) 

输出

1
2
3
4
5

注意:由于字符串也是可迭代的，它们也可以用作类的参数

foo = someClass("Python")
for x in foo:
    print(x)

输出

P
y
t
h
o
n

首先，itertools模块在迭代器有用的各种情况下都非常有用，但在python中创建迭代器所需的全部内容如下:

收益率

这不是很酷吗?Yield可以用来代替函数中的正常回报。它返回相同的对象，但不是销毁状态并退出，而是保存状态以供您想要执行下一次迭代时使用。下面是一个直接从itertools函数列表中取出的实例:

def count(n=0):
    while True:
        yield n
        n += 1

正如函数描述中所述(它是itertools模块中的count()函数…)，它生成一个迭代器，返回以n开头的连续整数。

生成器表达式是另一罐蠕虫(很棒的蠕虫!)。它们可以用来代替列表推导式来节省内存(列表推导式在内存中创建一个列表，如果不分配给变量，该列表在使用后将被销毁，但是生成器表达式可以创建一个生成器对象…这是Iterator的一种奇特说法)。下面是一个生成器表达式定义的例子:

gen = (n for n in xrange(0,11))

这与上面的迭代器定义非常相似，只是整个范围预定在0到10之间。

我刚刚找到xrange()(很惊讶我以前没有见过它…)，并将其添加到上面的示例中。Xrange()是range()的可迭代版本，它的优点是不预先构建列表。如果你有一个巨大的数据语料库要迭代，但只有这么多内存，这将是非常有用的。

python中的迭代器对象遵循迭代器协议，这基本上意味着它们提供了两个方法:__iter__()和__next__()。

__iter__返回迭代器对象，并被隐式调用 在循环开始的时候。 __next__()方法返回下一个值，并在每次循环递增时隐式调用。当没有更多值要返回时，此方法会引发StopIteration异常，该异常由循环构造隐式捕获以停止迭代。

下面是一个计数器的简单例子:

class Counter:
    def __init__(self, low, high):
        self.current = low - 1
        self.high = high

    def __iter__(self):
        return self

    def __next__(self): # Python 2: def next(self)
        self.current += 1
        if self.current < self.high:
            return self.current
        raise StopIteration


for c in Counter(3, 9):
    print(c)

这将打印:

3
4
5
6
7
8

这更容易使用生成器编写，如前面的回答所述:

def counter(low, high):
    current = low
    while current < high:
        yield current
        current += 1

for c in counter(3, 9):
    print(c)

打印输出将是相同的。在底层，生成器对象支持迭代器协议，并做一些与类Counter大致相似的事情。

David Mertz的文章《迭代器和简单生成器》是一个很好的介绍。

构建迭代函数有四种方法:

创建一个生成器(使用yield关键字) 使用生成器表达式(genexp) 创建迭代器(定义__iter__和__next__(或Python 2.x中的next)) 创建一个Python可以自己迭代的类(定义__getitem__)

例子:

# generator
def uc_gen(text):
    for char in text.upper():
        yield char

# generator expression
def uc_genexp(text):
    return (char for char in text.upper())

# iterator protocol
class uc_iter():
    def __init__(self, text):
        self.text = text.upper()
        self.index = 0
    def __iter__(self):
        return self
    def __next__(self):
        try:
            result = self.text[self.index]
        except IndexError:
            raise StopIteration
        self.index += 1
        return result

# getitem method
class uc_getitem():
    def __init__(self, text):
        self.text = text.upper()
    def __getitem__(self, index):
        return self.text[index]

要查看所有四种方法的运行情况:

for iterator in uc_gen, uc_genexp, uc_iter, uc_getitem:
    for ch in iterator('abcde'):
        print(ch, end=' ')
    print()

结果是:

A B C D E
A B C D E
A B C D E
A B C D E

注意:

两个生成器类型(uc_gen和uc_genexp)不能被反转();普通迭代器(uc_iter)将需要__reversed__魔术方法(根据文档，它必须返回一个新的迭代器，但返回self也可以(至少在CPython中));而可迭代对象getitem (uc_getitem)必须具有__len__ magic方法:

    # for uc_iter we add __reversed__ and update __next__
    def __reversed__(self):
        self.index = -1
        return self
    def __next__(self):
        try:
            result = self.text[self.index]
        except IndexError:
            raise StopIteration
        self.index += -1 if self.index < 0 else +1
        return result

    # for uc_getitem
    def __len__(self)
        return len(self.text)

为了回答Colonel Panic关于无限惰性求值迭代器的第二个问题，下面是使用上述四种方法中的每一种的示例:

# generator
def even_gen():
    result = 0
    while True:
        yield result
        result += 2


# generator expression
def even_genexp():
    return (num for num in even_gen())  # or even_iter or even_getitem
                                        # not much value under these circumstances

# iterator protocol
class even_iter():
    def __init__(self):
        self.value = 0
    def __iter__(self):
        return self
    def __next__(self):
        next_value = self.value
        self.value += 2
        return next_value

# getitem method
class even_getitem():
    def __getitem__(self, index):
        return index * 2

import random
for iterator in even_gen, even_genexp, even_iter, even_getitem:
    limit = random.randint(15, 30)
    count = 0
    for even in iterator():
        print even,
        count += 1
        if count >= limit:
            break
    print

结果是(至少在我的示例运行中):

0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32

如何选择使用哪一个?这主要是一个品味问题。我最常看到的两个方法是生成器和迭代器协议，以及混合方法(__iter__返回生成器)。

生成器表达式对于替换列表推导式非常有用(它们是惰性的，因此可以节省资源)。

如果需要兼容早期的Python 2。X版本使用__getitem__。

在类代码中包含以下代码。

 def __iter__(self):
        for x in self.iterable:
            yield x

确保你替换了self。Iterablewith迭代所遍历的迭代对象。

下面是一个示例代码

class someClass:
    def __init__(self,list):
        self.list = list
    def __iter__(self):
        for x in self.list:
            yield x


var = someClass([1,2,3,4,5])
for num in var: 
    print(num) 

输出

1
2
3
4
5

注意:由于字符串也是可迭代的，它们也可以用作类的参数

foo = someClass("Python")
for x in foo:
    print(x)

输出

P
y
t
h
o
n

类uc_iter (): def __init__(自我): 自我。值= 0 def __iter__(自我): 回归自我 def __next__(自我): Next_value = self.value 自我。值+= 2 返回next_value

改进之前的回答，使用class的优点之一是你可以添加__call__来返回self。Value或next_value。

class uc_iter():
    def __init__(self):
        self.value = 0
    def __iter__(self):
        return self
    def __next__(self):
        next_value = self.value
        self.value += 2
        return next_value
    def __call__(self):
        next_value = self.value
        self.value += 2
        return next_value

c = uc_iter()
print([c() for _ in range(10)])
print([next(c) for _ in range(5)])
# [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
# [20, 22, 24, 26, 28]

其他基于Python Random的类的例子可以在我的实现中看到，它既可以被调用，也可以被迭代