本文以實例詳解了python的迭代器與生成器，具體如下所示：

1. 迭代器概述：
?
迭代器是訪問集合元素的一種方式。迭代器對象從集合的第一個元素開始訪問，直到所有的元素被訪問完結束。迭代器只能往前不會后退，不過這也沒什么，因為人們很少在迭代途中往后退。
?
1.1 使用迭代器的優點
?
對于原生支持隨機訪問的數據結構（如tuple、list），迭代器和經典for循環的索引訪問相比并無優勢，反而丟失了索引值（可以使用內建函數enumerate()找回這個索引值）。但對于無法隨機訪問的數據結構（比如set）而言，迭代器是唯一的訪問元素的方式。

另外，迭代器的一大優點是不要求事先準備好整個迭代過程中所有的元素。迭代器僅僅在迭代到某個元素時才計算該元素，而在這之前或之后，元素可以不存在或者被銷毀。這個特點使得它特別適合用于遍歷一些巨大的或是無限的集合，比如幾個G的文件，或是斐波那契數列等等。

迭代器更大的功勞是提供了一個統一的訪問集合的接口，只要定義了__iter__()方法對象，就可以使用迭代器訪問。
?
迭代器有兩個基本的方法
?
next方法：返回迭代器的下一個元素
__iter__方法：返回迭代器對象本身
下面用生成斐波那契數列為例子，說明為何用迭代器
?
示例代碼1

            
 def fab(max): 
  n, a, b = 0, 0, 1 
  while n < max: 
    print b 
    a, b = b, a + b 
    n = n + 1


          

直接在函數fab(max)中用print打印會導致函數的可復用性變差，因為fab返回None。其他函數無法獲得fab函數返回的數列。
?
示例代碼2

            
 def fab(max): 
  L = []
  n, a, b = 0, 0, 1 
  while n < max: 
    L.append(b) 
    a, b = b, a + b 
    n = n + 1
  return L


          

代碼2滿足了可復用性的需求，但是占用了內存空間，最好不要。
?
示例代碼3
?
對比：
?

            
for i in range(1000): pass
for i in xrange(1000): pass

          

前一個返回1000個元素的列表，而后一個在每次迭代中返回一個元素，因此可以使用迭代器來解決復用可占空間的問題
?

            
 class Fab(object): 
  def __init__(self, max): 
    self.max = max 
    self.n, self.a, self.b = 0, 0, 1 
 
  def __iter__(self): 
    return self 
 
  def next(self): 
    if self.n < self.max: 
      r = self.b 
      self.a, self.b = self.b, self.a + self.b 
      self.n = self.n + 1 
      return r 
    raise StopIteration()

          

執行

            
>>> for key in Fabs(5):
  print key


          

Fabs 類通過 next() 不斷返回數列的下一個數，內存占用始終為常數　　

1.2 使用迭代器

使用內建的工廠函數iter(iterable)可以獲取迭代器對象：

            
>>> lst = range(5)
>>> it = iter(lst)
>>> it

            
            
          

使用next()方法可以訪問下一個元素：

            
>>> it.next()
 
>>> it.next()
 
>>> it.next()

          

python處理迭代器越界是拋出StopIteration異常

            
>>> it.next()
 
>>> it.next

            
              
>>> it.next()
 
>>> it.next()
 
Traceback (most recent call last):
 File "
              
                ", line 1, in 
                
                  
  it.next()
StopIteration

                
              
            
          

了解了StopIteration，可以使用迭代器進行遍歷了

            
lst = range(5)
it = iter(lst)
try:
  while True:
    val = it.next()
    print val
except StopIteration:
  pass


          

事實上，因為迭代器如此普遍，python專門為for關鍵字做了迭代器的語法糖。在for循環中，Python將自動調用工廠函數iter()獲得迭代器，自動調用next()獲取元素，還完成了檢查StopIteration異常的工作。如下

            
>>> a = (1, 2, 3, 4)
>>> for key in a:
  print key


          

首先python對關鍵字in后的對象調用iter函數迭代器，然后調用迭代器的next方法獲得元素，直到拋出StopIteration異常。

1.3 定義迭代器
?
下面一個例子――斐波那契數列
?

            
# -*- coding: cp936 -*-
class Fabs(object):
  def __init__(self,max):
    self.max = max
    self.n, self.a, self.b = 0, 0, 1 #特別指出：第0項是0，第1項是第一個1.整個數列從1開始
  def __iter__(self):
    return self
  def next(self):
    if self.n < self.max:
      r = self.b
      self.a, self.b = self.b, self.a + self.b
      self.n = self.n + 1
      return r
    raise StopIteration()
 
print Fabs(5)
for key in Fabs(5):
  print key


          

結果

            
<__main__.Fabs object at 0x01A63090>


          

2. 迭代器

帶有 yield 的函數在 Python 中被稱之為 generator（生成器），幾個例子說明下（還是用生成斐波那契數列說明）
?
可以看出代碼3遠沒有代碼1簡潔，生成器（yield）既可以保持代碼1的簡潔性，又可以保持代碼3的效果
?
示例代碼4　
?

            
def fab(max):
  n, a, b = 0, 0, 1
  while n < max:
    yield b
    a, b = b, a + b
    n = n = 1

          

執行

            
>>> for n in fab(5):
  print n

          

簡單地講，yield 的作用就是把一個函數變成一個 generator，帶有 yield 的函數不再是一個普通函數，Python 解釋器會將其視為一個 generator，調用 fab(5) 不會執行 fab 函數，而是返回一個 iterable 對象！在 for 循環執行時，每次循環都會執行 fab 函數內部的代碼，執行到 yield b 時，fab 函數就返回一個迭代值，下次迭代時，代碼從 yield b 的下一條語句繼續執行，而函數的本地變量看起來和上次中斷執行前是完全一樣的，于是函數繼續執行，直到再次遇到 yield。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 返回當前的迭代值。
?
也可以手動調用 fab(5) 的 next() 方法（因為 fab(5) 是一個 generator 對象，該對象具有 next() 方法），這樣我們就可以更清楚地看到 fab 的執行流程：

            
>>> f = fab(3)
>>> f.next()
1
>>> f.next()
1
>>> f.next()
2
>>> f.next()
 
Traceback (most recent call last):
 File "
            
              ", line 1, in 
              
                
  f.next()
StopIteration

              
            
          

return作用

在一個生成器中，如果沒有return，則默認執行到函數完畢；如果遇到return,如果在執行過程中 return，則直接拋出 StopIteration 終止迭代。例如
?

            
>>> s = fab(5)
>>> s.next()
1
>>> s.next()
 
Traceback (most recent call last):
 File "
            
              ", line 1, in 
              
                
  s.next()
StopIteration

              
            
          

示例代碼5? 文件讀取

            
 def read_file(fpath): 
  BLOCK_SIZE = 1024 
  with open(fpath, 'rb') as f: 
    while True: 
      block = f.read(BLOCK_SIZE) 
      if block: 
        yield block 
      else: 
        return


          

如果直接對文件對象調用 read() 方法，會導致不可預測的內存占用。好的方法是利用固定長度的緩沖區來不斷讀取文件內容。通過 yield，我們不再需要編寫讀文件的迭代類，就可以輕松實現文件讀取。