本页上的所有答案对于复杂对象来说都非常棒。但是对于那些包含内置可迭代类型作为属性的，如str, list, set或dict，或任何集合的实现。Iterable，你可以省略类中的某些东西。

class Test(object):
    def __init__(self, string):
        self.string = string

    def __iter__(self):
        # since your string is already iterable
        return (ch for ch in self.string)
        # or simply
        return self.string.__iter__()
        # also
        return iter(self.string)

它可以这样使用:

for x in Test("abcde"):
    print(x)

# prints
# a
# b
# c
# d
# e

本页上的所有答案对于复杂对象来说都非常棒。但是对于那些包含内置可迭代类型作为属性的，如str, list, set或dict，或任何集合的实现。Iterable，你可以省略类中的某些东西。

class Test(object):
    def __init__(self, string):
        self.string = string

    def __iter__(self):
        # since your string is already iterable
        return (ch for ch in self.string)
        # or simply
        return self.string.__iter__()
        # also
        return iter(self.string)

它可以这样使用:

for x in Test("abcde"):
    print(x)

# prints
# a
# b
# c
# d
# e

如果你正在寻找一些简短而简单的东西，也许它对你来说已经足够了:

class A(object):
    def __init__(self, l):
        self.data = l

    def __iter__(self):
        return iter(self.data)

用法示例:

In [3]: a = A([2,3,4])

In [4]: [i for i in a]
Out[4]: [2, 3, 4]

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。

这是一个没有yield的可迭代函数。它使用了iter函数和一个闭包，该闭包将它的状态保存在python 2的封闭作用域中的一个可变(列表)中。

def count(low, high):
    counter = [0]
    def tmp():
        val = low + counter[0]
        if val < high:
            counter[0] += 1
            return val
        return None
    return iter(tmp, None)

对于Python 3，闭包状态在封闭作用域中保持为不可变，而在局部作用域中使用nonlocal来更新状态变量。

def count(low, high):
    counter = 0
    def tmp():
        nonlocal counter
        val = low + counter
        if val < high:
            counter += 1
            return val
        return None
    return iter(tmp, None)  

测试;

for i in count(1,10):
    print(i)
1
2
3
4
5
6
7
8
9

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。