先說迭代器，對于string、list、dict、tuple等這類容器對象，使用for循環(huán)遍歷是很方便的。在后臺for語句對容器對象調(diào)用iter()函數(shù)，iter()是python的內(nèi)置函數(shù)。iter()會返回一個定義了next()方法的迭代器對象，它在容器中逐個訪問容器內(nèi)元素，next()也是python的內(nèi)置函數(shù)。在沒有后續(xù)元素時，next()會拋出一個StopIteration異常，通知for語句循環(huán)結(jié)束。比如：

            
>>> s = 'abc'
>>> it = iter(s)
>>> it

            
              
>>> next(it)
'a'
>>> next(it)
'b'
>>> next(it)
'c'
>>> next(it)
Traceback (most recent call last):
 File "
              
                ", line 1, in 
                
                  
StopIteration

                
              
            
          

上面說的都是python自帶的容器對象，它們都實現(xiàn)了相應(yīng)的迭代器方法，那如果是自定義類需要遍歷怎么辦？方法很簡單，對這個類AClass，實現(xiàn)一個__iter__(self)方法，使其返回一個帶有__next__(self)方法的對象就可以了。如果你在AClass剛好也定義了__next__(self)方法（一般使用迭代器都會定義），那在__iter__里只要返回self就可以。廢話少說，先上代碼：

            
class Fib(object):
  def __init__(self, max):
    super(Fib, self).__init__()
    self.max = max

  def __iter__(self):
    self.a = 0
    self.b = 1
    return self

  def __next__(self):
    fib = self.a
    if fib > self.max:
      raise StopIteration
    self.a, self.b = self.b, self.a + self.b
    return fib

def main():
  fib = Fib(100)
  for i in fib:
    print(i)

if __name__ == '__main__':
  main()


          

簡單講下代碼會干什么，定義了一個Fib類，用于生成fibonacci序列。用for遍歷時會逐個打印生成的fibonacci數(shù)，max是生成的fibonacci序列中數(shù)字大小的上限。

在類的實現(xiàn)中，定義了一個__iter__(self)方法，這個方法是在遍歷時被iter()調(diào)用，返回一個迭代器。因為在遍歷的時候，是直接調(diào)用的python內(nèi)置函數(shù)iter()，由iter()通過調(diào)用__iter__(self)獲得對象的迭代器。有了迭代器，就可以逐個遍歷元素了。而逐個遍歷的時候，也是使用內(nèi)置的next(）函數(shù)通過調(diào)用對象的__next__(self)方法對迭代器對象進(jìn)行遍歷。所以要實現(xiàn)__iter__(self)和__next__(self)。而且因為實現(xiàn)了__next__(self)，所以在實現(xiàn)__iter__(self)的時候，直接返回self就可以。

為了更好理解，我再簡單重復(fù)下上面說的那一段：在循環(huán)遍歷自定義容器對象時,會使用python內(nèi)置函數(shù)iter()調(diào)用遍歷對象的__iter__(self)獲得一個迭代器,之后再循環(huán)對這個迭代器使用next()調(diào)用迭代器對象的__next__(self)。__iter__只會被調(diào)用一次,而__next__會被調(diào)用 n 次。

下面說生成器。

生成器（Generator）是創(chuàng)建迭代器的簡單而強(qiáng)大的工具。它們寫起來就像是正規(guī)的函數(shù)，只是在需要返回數(shù)據(jù)的時候使用yield語句。每次next()被調(diào)用時，生成器會返回它脫離的位置（它記憶語句最后一次執(zhí)行的位置和所有的數(shù)據(jù)值）。以下示例演示了生成器可以很簡單的創(chuàng)建出來:

            
>>> def reverse(data):
...   for index in range(len(data)-1, -1, -1):
...     yield data[index]
... 
>>> for char in reverse('hello'):
...   print(char)
... 
o
l
l
e
h

          

關(guān)于迭代器和生成器的區(qū)別，生成器能做到迭代器能做的所有事,而且因為自動創(chuàng)建了__iter__()和 next()方法,生成器顯得特別簡潔,而且生成器也是高效的。除了創(chuàng)建和保存程序狀態(tài)的自動方法,當(dāng)發(fā)生器終結(jié)時,還會自動拋出StopIteration異常。一個帶有yield的函數(shù)就是一個 生成器,它和普通函數(shù)不同,生成一個 generator 看起來像函數(shù)調(diào)用,但不會執(zhí)行任何函數(shù)代碼,直到對其調(diào)用next()(在 for 循環(huán)中會自動調(diào)用next())才開始執(zhí)行。雖然執(zhí)行流程仍按函數(shù)的流程執(zhí)行,但每執(zhí)行到一個yield語句就會中斷,并返回一個迭代值,下次執(zhí)行時從yield的下一個語句繼續(xù)執(zhí)行。看起來就好像一個函數(shù)在正常執(zhí)行的過程中被yield中斷了數(shù)次,每次中斷都會通過yield返回當(dāng)前的迭代值（yield暫停一個函數(shù)，next()從其暫停處恢復(fù)其運行）。

另外對于生成器，python還提供了一個生成器表達(dá)式：類似與一個yield值的匿名函數(shù)。表達(dá)式本身看起來像列表推到, 但不是用方括號而是用圓括號包圍起來：

            
>>> unique_characters = {'E', 'D', 'M', 'O', 'N', 'S', 'R', 'Y'}
>>> gen = (ord(c) for c in unique_characters)
>>> gen

            
              
                 at 0x7f2be4668678>
>>> for i in gen:
...   print(i)
... 
69
79
83
77
82
78
89
68
>>> 

              
            
          

如果需要，可以將生成器表達(dá)式傳給tuple、list或是set來迭代所有的值并且返回元組、列表或是集合。在這種情況下，不需要一對額外的括號 ―――― 直接將生成器表達(dá)式 ord(c) for c in unique_characters傳給tuple()等函數(shù)就可以了, Python 會推斷出它是一個生成器表達(dá)式。

最后，為什么要使用生成器？因為效率。使用生成器表達(dá)式取代列表解析可以同時節(jié)省 cpu 和 內(nèi)存(ram)。如果你構(gòu)造一個列表的目的僅僅是傳遞給別的函數(shù),(比如 傳遞給tuple()或者set()), 那就用生成器表達(dá)式替代吧!

以上所述就是本文的全部內(nèi)容了，希望大家能夠喜歡。