为什么实现 __iter__ 的对象不被识别为可迭代的？

Question

假设您使用包装对象：

class IterOrNotIter:
    def __init__(self):
        self.f = open('/tmp/toto.txt')
    def __getattr__(self, item):
        try:
            return self.__getattribute__(item)
        except AttributeError:
            return self.f.__getattribute__(item)

这个对象实现了__iter__，因为它将对它的任何调用传递给实现它的成员f。举个例子：

>>> x = IterOrNotIter()
>>> x.__iter__().__next__()
'Whatever was in /tmp/toto.txt\n'

根据文档 (https://docs.python.org/3/library/stdtypes.html#iterator-types)，IterOrNotIter 因此应该是可迭代的。

但是，Python 解释器无法将 IterOrNotIter 对象识别为实际上是可迭代的：

>>> x = IterOrNotIter()
>>> for l in x:
...    print(l)
...
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'IterOrNotIter' object is not iterable

虽然这有效：

>>> x = IterOrNotIter()
>>> for l in x.f:
...    print(l)
...
Whatever was in /tmp/toto.txt

我不明白为什么。

Answer 1

基本上是因为你的类没有真正的__iter__ 方法：

>>> hasattr(IterOrNotIter, '__iter__')
False

所以它不符合迭代器的条件，因为对__iter__ 的实际检查是检查是否存在而不是假设它已实现。因此，__getattr__ 或 __getattribute__（不幸的是）的解决方法不起作用。

这实际上在__getattribute__的文档中提到：

注意

在通过语言语法或内置函数隐式调用查找特殊方法时，仍可能绕过此方法。见Special method lookup。

后一部分还解释了为什么：

以这种方式绕过__getattribute__() 机制为解释器中的速度优化提供了很大的空间，但代价是处理特殊方法的一些灵活性（必须在类对象本身上设置特殊方法）为了被解释器一致地调用）。

强调我的。