__next__ 在生成器和迭代器中以及什么是方法包装器？
__next__ in generators and iterators and what is a method-wrapper?
我正在阅读有关生成器和迭代器以及 __next__() 的作用的信息。
'__next__' in dir(mygen)。是真的
'__next__' in dir(mylist),为假
当我深入研究时，
'__next__' in dir (mylist.__iter__()) 为真
为什么 __next__ 只能用于列表，而只能用于 __iter__() 和 mygen 而不能用于 mylist。当我们使用 list-comprehension
遍历列表时，__iter__() 如何调用 __next__
试图手动步进 (+1) 发电机，我打电话给 mygen.__next__()。它不存在。它仅作为 mygen.__next__ 存在，称为方法包装器。
什么是方法包装器，它有什么作用？它在这里是如何应用的：在mygen() and __iter__() ?
如果 __next__ 是生成器和迭代器都提供的（以及它们的唯一属性）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。但我无法再次复制该错误。
谢谢大家的回答！
特殊方法 __iter__ 和 __next__ 是创建 iterator types 的迭代器协议的一部分。为此，您必须区分两个不同的事物：Iterables 和 iterators.
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。
为了迭代可迭代对象，您使用迭代器。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。
为了得到一个迭代器，__iter__ 方法在可迭代对象上被调用。这就像一个工厂方法，return 是这个特定可迭代对象的新迭代器。定义了 __iter__ 方法的类型，将其转换为可迭代对象。
迭代器通常需要一个方法，__next__，return是迭代的下一个项目。此外，为了使协议更易于使用，每个迭代器也应该是可迭代的，return在__iter__方法中自身。
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
列表实现可以简单地从 __iter__ 方法 return ListIterator(self)。当然，列表的实际实现是用 C 语言完成的，所以这看起来有点不同。但是思路是一样的。
迭代器在Python的各个地方都被无形地使用了。例如 for 循环：
for item in lst:
print(item)
这与以下内容有点相同：
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)
因此 for 循环从可迭代对象请求一个迭代器，然后对该可迭代对象调用 __next__ 直到它遇到 StopIteration 异常。这在表面下发生也是您希望迭代器也实现 __iter__ 的原因：否则您永远无法遍历迭代器。
关于生成器，人们通常所说的生成器实际上是一个生成器函数，即一些具有yield语句的函数定义。一旦你调用那个生成器函数，你就会得到一个 generator。生成器本质上只是一个迭代器，尽管是一个奇特的迭代器（因为它不仅仅是在容器中移动）。作为一个迭代器，它有一个 __next__ 方法来“生成”下一个元素，还有一个 __iter__ 方法来 return 本身。
生成器函数示例如下：
def exampleGenerator():
yield 1
print('After 1')
yield 2
print('After 2')
包含 yield 语句的函数体将其转换为生成器函数。这意味着当您调用 exampleGenerator() 时，您会得到一个 generator 对象。生成器对象实现迭代器协议，因此我们可以在其上调用 __next__（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
请注意，第一个 next() 调用尚未打印任何内容。这是生成器的特殊之处：它们是惰性的，只计算必要的次数以从 iterable 中获取下一个项目。只有在第二次 next() 调用时，我们才能从函数体中获得第一行打印。我们需要另一个 next() 调用来耗尽 iterable（因为没有产生另一个值）。
但是除了懒惰之外，生成器就像可迭代对象一样。你甚至在最后得到一个 StopIteration 异常，它允许生成器（和生成器函数）用作 for 循环源以及任何可以使用“正常”迭代的地方。
生成器及其惰性的最大好处是能够按需生成东西。一个很好的类比是在网站上无休止地滚动：你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你滚动浏览。理想情况下，这种情况会在您不注意的情况下发生。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，可以一个接一个地消费这个迭代的项目。我本来不想让你把这个生成器实现为一个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，所以就这样吧：
class CounterGenerator:
def __init__ (self):
self.x = 0
def __iter__ (self):
return self
def __next__ (self):
self.x += 1
return self.x
__next__ 和 __iter__ 是当您执行 next(some_gen) 或 iter(some_sequence) 时的方法包装器。 next(some_gen) 等同于 some_gen.__next__()
所以如果我做 mygen = iter(mylist) 那么 mygen 是 mylist 作为生成器对象实现的并且有一个 __next__ 方法描述符。列表本身没有这个方法，因为它们不是生成器。
生成器是迭代器。查看 difference between generators and iterators
Why is __next__ only available to list but only to __iter__() and mygen but not mylist. How does __iter__() call __next__ when we are stepping through the list using list-comprehension.
因为列表有一个从 iter 返回的单独对象来处理迭代，所以这个对象 __iter__ 被连续调用。
因此，对于列表：
iter(l) is l # False, returns <list-iterator object at..>
同时，对于发电机：
iter(g) is g # True, its the same object
在循环构造中，iter 首先会在要循环的目标对象上被调用。 iter 调用 __iter__ 并期望返回一个迭代器；它的 __next__ 被调用，直到没有更多的元素可用。
What is a method-wrapper and what does it do? How is it applied here: in mygen() and __iter__()?
如果我没记错的话，方法包装器是 C 中实现的方法。这就是 iter(list).__iter__（list 是在 C 中实现的对象）和 gen.__iter__（这里不确定，但生成器可能也是）。
If __next__ is what both generator and iterator provide (and their sole properties) then what is the difference between generator and iterator?
生成器是迭代器，iter(l) 提供的迭代器也是如此。它是一个迭代器，因为它提供了一个 __next__ 方法（通常，当在 for 循环中使用时，它能够提供值直到耗尽）。
我正在阅读有关生成器和迭代器以及 __next__() 的作用的信息。
'__next__' in dir(mygen)。是真的
'__next__' in dir(mylist),为假
当我深入研究时，
'__next__' in dir (mylist.__iter__()) 为真
为什么
遍历列表时，__next__只能用于列表，而只能用于__iter__()和mygen而不能用于mylist。当我们使用 list-comprehension__iter__()如何调用__next__试图手动步进 (+1) 发电机，我打电话给
mygen.__next__()。它不存在。它仅作为mygen.__next__存在，称为方法包装器。什么是方法包装器，它有什么作用？它在这里是如何应用的：在
mygen() and __iter__() ?如果
__next__是生成器和迭代器都提供的（以及它们的唯一属性）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。但我无法再次复制该错误。
谢谢大家的回答！
特殊方法 __iter__ 和 __next__ 是创建 iterator types 的迭代器协议的一部分。为此，您必须区分两个不同的事物：Iterables 和 iterators.
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。
为了迭代可迭代对象，您使用迭代器。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。
为了得到一个迭代器，__iter__ 方法在可迭代对象上被调用。这就像一个工厂方法，return 是这个特定可迭代对象的新迭代器。定义了 __iter__ 方法的类型，将其转换为可迭代对象。
迭代器通常需要一个方法，__next__，return是迭代的下一个项目。此外，为了使协议更易于使用，每个迭代器也应该是可迭代的，return在__iter__方法中自身。
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
列表实现可以简单地从 __iter__ 方法 return ListIterator(self)。当然，列表的实际实现是用 C 语言完成的，所以这看起来有点不同。但是思路是一样的。
迭代器在Python的各个地方都被无形地使用了。例如 for 循环：
for item in lst:
print(item)
这与以下内容有点相同：
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)
因此 for 循环从可迭代对象请求一个迭代器，然后对该可迭代对象调用 __next__ 直到它遇到 StopIteration 异常。这在表面下发生也是您希望迭代器也实现 __iter__ 的原因：否则您永远无法遍历迭代器。
关于生成器，人们通常所说的生成器实际上是一个生成器函数，即一些具有yield语句的函数定义。一旦你调用那个生成器函数，你就会得到一个 generator。生成器本质上只是一个迭代器，尽管是一个奇特的迭代器（因为它不仅仅是在容器中移动）。作为一个迭代器，它有一个 __next__ 方法来“生成”下一个元素，还有一个 __iter__ 方法来 return 本身。
生成器函数示例如下：
def exampleGenerator():
yield 1
print('After 1')
yield 2
print('After 2')
包含 yield 语句的函数体将其转换为生成器函数。这意味着当您调用 exampleGenerator() 时，您会得到一个 generator 对象。生成器对象实现迭代器协议，因此我们可以在其上调用 __next__（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
请注意，第一个 next() 调用尚未打印任何内容。这是生成器的特殊之处：它们是惰性的，只计算必要的次数以从 iterable 中获取下一个项目。只有在第二次 next() 调用时，我们才能从函数体中获得第一行打印。我们需要另一个 next() 调用来耗尽 iterable（因为没有产生另一个值）。
但是除了懒惰之外，生成器就像可迭代对象一样。你甚至在最后得到一个 StopIteration 异常，它允许生成器（和生成器函数）用作 for 循环源以及任何可以使用“正常”迭代的地方。
生成器及其惰性的最大好处是能够按需生成东西。一个很好的类比是在网站上无休止地滚动：你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你滚动浏览。理想情况下，这种情况会在您不注意的情况下发生。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，可以一个接一个地消费这个迭代的项目。我本来不想让你把这个生成器实现为一个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，所以就这样吧：
class CounterGenerator:
def __init__ (self):
self.x = 0
def __iter__ (self):
return self
def __next__ (self):
self.x += 1
return self.x
__next__ 和 __iter__ 是当您执行 next(some_gen) 或 iter(some_sequence) 时的方法包装器。 next(some_gen) 等同于 some_gen.__next__()
所以如果我做 mygen = iter(mylist) 那么 mygen 是 mylist 作为生成器对象实现的并且有一个 __next__ 方法描述符。列表本身没有这个方法，因为它们不是生成器。
生成器是迭代器。查看 difference between generators and iterators
Why is
__next__only available to list but only to__iter__()andmygenbut notmylist. How does__iter__()call__next__when we are stepping through the list using list-comprehension.
因为列表有一个从 iter 返回的单独对象来处理迭代，所以这个对象 __iter__ 被连续调用。
因此，对于列表：
iter(l) is l # False, returns <list-iterator object at..>
同时，对于发电机：
iter(g) is g # True, its the same object
在循环构造中，iter 首先会在要循环的目标对象上被调用。 iter 调用 __iter__ 并期望返回一个迭代器；它的 __next__ 被调用，直到没有更多的元素可用。
What is a method-wrapper and what does it do? How is it applied here: in
mygen()and__iter__()?
如果我没记错的话，方法包装器是 C 中实现的方法。这就是 iter(list).__iter__（list 是在 C 中实现的对象）和 gen.__iter__（这里不确定，但生成器可能也是）。
If
__next__is what both generator and iterator provide (and their sole properties) then what is the difference between generator and iterator?
生成器是迭代器，iter(l) 提供的迭代器也是如此。它是一个迭代器，因为它提供了一个 __next__ 方法（通常，当在 for 循环中使用时，它能够提供值直到耗尽）。