其他关于Python的总结文章请访问：https://blog.csdn.net/qq_38962621/category_10299380.html

详解Python中的生成器和迭代器（generator和iterator）

生成器

生成器（generator）是一种边生成边计算的机制。比如我们使用 x = list(range(100)) 会生成一个长度为100的list，那么这个列表就要占用100个整型变量所占用的空间，是非常耗费空间的，如果我们不同时使用所有的100个元素，而是一个一个地使用，那就没有必要一下子把100个变量的整个list都生成出来，只要一个一个生成，生成后使用，使用完后删掉再生成下一个就可以了，这样其实只占用了一个整形变量所需要的空间，这就是生成器的基本思想，边生成边使用

生成器的创建方式一

生成器generator可以使用和列表生成式（有关列表生成式的内容可以看另一篇博客：https://blog.csdn.net/qq_38962621/article/details/108091426）相同的语法，但是使用 ( ) 代替 [ ] 就会创建一个生成器。

>>> [x * 2 for x in range(1, 11)]
[2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

>>> (x * 2 for x in range(1, 11))
<generator object <genexpr> at 0x0000012EB4D17BC8>

上边使用列表生成式创建了一个list，而下边使用小括号包裹就创建了一个generator

生成器的使用

生成器 generator 其实在一个时候只代表着一个值，可以使用 next() 函数来获得 generator 的下一个值，每一次使用 next() 函数，生成器就更新一下，变成下一个值，这样就可以循环整个生成器所代表的所有值了，如果已经到了最后一个，再调用 next() 函数的时候就会抛出 StopInteration 的错误

>>> g = (x for x in range(5))
>>> next(g)
0
>>> next(g)
1
>>> next(g)
2
>>> next(g)
3
>>> next(g)
4
>>> next(g)
Traceback (most recent call last):
    File "<input>", line 1, in <module>
StopIteration

更简单的方式是使用 for 循环，一个 generator 也是一个可以迭代的对象，所以照常使用 for 循环无误，而且不需要考虑最后迭代结束后抛出错误的问题：

g = (x for x in range(5))
for i in g:
    print(i, end=" ")

------

0 1 2 3 4 

生成器的创建方式二

如果对于生成器的表达方式过于复杂，不能用简单的一个 for 循环搭配一个 if（else）完成，则可以使用带有 yield 函数的方式创建生成器。

简单说，只要包含 yield 关键字的函数就是一个 generator ，yield 的作用是中断函数的运行并且返回后边的值，这也就完成了一次 generator 的迭代/更新，也就是说调用一次 next函数，就会使得 generator 继续执行，直到遇到下一个 yield 就再次中断，返回后边的值。

>>> def odd():
...     print('step 1')
...     yield 1
...     print('step 2')
...     yield 3
...     print('step 3')
...     yield 5
...     return 0

>>> g = odd()
>>> g
<generator object odd at 0x0000012EB4D17BC8>
>>> next(g)
step 1
1
>>> next(g)
step 2
3
>>> next(g)
step 3
5
>>> next(g)
Traceback (most recent call last):
    File "<input>", line 1, in <module>
StopIteration

可见，每一个 next 都使得 generator 的函数往下继续运行，并且 yield 返回的值就是新的 generator 的值，在超出范围后依然抛出 StopIteration 错误。

所以其实使用函数来定义 generator 给定义更复杂的生成器更新规则提供了可能，但是注意使用函数定义的 generator 必须要有可以结束的条件，否则生成器会一直更新下去。

函数定义的生成器同样可以使用 for 循环来迭代：

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield 3
    print('step 3')
    yield 5


g = odd()

for i in range(3):
    print(next(g))

------

step 1
1
step 2
3
step 3
5

但是有一个问题就是，如果最后一个 yield 后边还有其他代码，那就无法执行，但是可以通过异常处理来完成：

def odd(upper):
    n = 1
    while n < upper:
        if n % 2 != 0:
            yield n
        n += 1
    print("some others")
    return 'done'


g = odd(10)

while True:
    try:
        print(next(g))
    except StopIteration as e:
        print('returned value: ', e.value)
        break

------

1
3
5
7
9
some others
returned value:  done

迭代器

迭代器（Ietrator）是一个对象，凡是可以使用 next() 函数调用并不断返回下一个值的对象都是迭代器。

Python中，凡是可以使用 for 循环进行迭代的对象都称为可迭代对象（Ietrable），但是只有可以使用next函数调用更新值的才成为迭代器（Ietrator）。所有的可迭代对象都可以通过 iter() 函数变成迭代器：

>>> isinstance(iter([]), Iterator)
True

所以生成器是一类迭代器，但是迭代器还有更广范的内容，因为Python的 Iterator 对象表示的是一个数据流，Iterator 对象可以被 next() 函数调用并不断返回下一个数据，直到没有数据时抛出 StopIteration 错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过 next() 函数实现按需计算下一个数据，所以 Iterator 的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator 甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。