迭代器
自始至终，都有一个概念一直在用，但是我们却没来都没有人在的深入剖析它。这个概念就是迭代。
迭代的意思有点类似循环，每一次的重复的过程被称为迭代的过程，而每一次迭代得到的结果会被用来作为下一次迭代的初始值。提供迭代方法的容器称为迭代器，通常接触的迭代器有序列（列表、元组、字符串）还有字典也是迭代器，都支持迭代的操作。举个列子，通常使用for循环进行迭代。
>>> for i in "python": print(i) 打印结果 p y t h o n
字符串就是一个容器，同时也是一个迭代器，for语句的作用就是触发这个迭代器的迭代功能，每次从容器里面依次拿出一个数据就，这就是迭代操作。
字典和文件也是支持迭代操作的：
>>> list1 = {"python":"python3.x",
"go":"go是一种语言语法",
"int":"python关键字",
}
>>> for i in list1:
print("%s --> %s"%(i,list1[j]))
>>> for i in list1:
print("%s --> %s"%(i,list1[i]))
打印结果；
python --> python3.x
go --> go是一种语言语法
int --> python关键字
关于迭代，python还提供了两个BIF：iter() next()
对一个容器对象调用iter()就得到它的迭代器，调用next()迭代器就会返回下一个值，然后怎么结束了？如果迭代器没有值可以返回，python将抛出一个叫做Stoplteration的异常。
>>> string = "python" >>> it = iter(string) >>> next(it) 'p' >>> next(it) 'y' >>> next(it) 't' >>> next(it) 'h' >>> next(it) 'o' >>> next(it) 'n' >>> next(it) Traceback (most recent call last): File "<pyshell#26>", line 1, in <module> next(it) StopIteration
所以，利用这两个BIF，可以分析出for语句其实就是这么工作的：
>>> string = "python" >>> it = iter(string) >>> while True: try: each = next(it) except StopIteration: break print(each) p y t h o n
那么实现迭代器的魔法方法就有两个：__iter__() __next__()
一个容器如果是迭代器，就必须实现__iter__()方法，这个方法实际上就是返回迭代器本身。接下来就是重点实现的是__next__()魔法方法，因为他决定了迭代器的规则，看一段例子:
>>> class Fibs(): def __init__(self): self.a = 0 self.b = 1 def __iter__(self): return self def __next__(self): self.a,self.b = self.b,self.a+self.b return self.a >>> fibs = Fibs() >>> for i in fibs: if i < 20: print(i) else: break 1 1 2 3 5 8 13
这个迭代器的唯一亮点就是没有终点，所以如果没有跳出循环，它会不断迭代下去。那么就可以加一个参数，用于控制迭代的范围。
>>> class Fibs(): def __init__(self,n = 20): self.a = 0 self.b = 1 self.n = n def __iter__(self): return self def __next__(self): self.a,self.b = self.b,self.a+self.b if self.a > self.n: raise StopIteration return self.a >>> fibs = Fibs() >>> for i in fibs: print(i) 1 1 2 3 5 8 13
生成器
前面是迭代器，下面来说生成器
生成器其实就是迭代器的一种实现，那既然迭代器就可以实现，为何还要生成器了？生成器之所以存在就是为了是python更为简洁，因为迭代器需要我们自己去定义一个类和实现相关的方法，而生成器则需要在普通函数中加一个yield语句即可。
生成器的发明，使python模仿协同程序的概念得以实现，所谓协同程序，就是可以运行的独立函数调用，函数可以暂停或者挂起，并需要的时候从程序离开的地方继续或重新开始。
对于调用一个普通的python函数，一般是从函数的第一行代码开始执行，结束与return语句，异常或函数所有语句执行完毕，一但函数将控制权交给调用者，就意味着全部结束。函数中做的所有工作以及保存在局部变量中的数据将丢失。再次调用这个函数时一切都将从头创建。
python是通过生成器来实现类似于协同程序的概念：生成器可以暂时挂起函数，并保留函数的局部变量等数据，然后在再次调用他的时候，从上次暂停的位置继续执行下去。
举个例子：
>>> def myGen(): print("生成器被执行！") yield 1 yield 2 >>> myG = myGen() >>> next(myG) 生成器被执行！ 1 >>> next(myG) 2 >>> next(myG) Traceback (most recent call last): File "<pyshell#76>", line 1, in <module> next(myG) StopIteration
通过例子，当函数结束的时候，一个StopIteration异常就会被抛出。由于Python的for循环会自动调用next()方法和处理StopIteration异常，所以for循环当然也是可以对生成器产生作用的：
>>> def myGen(): print("生成器被执行！") yield 1 yield 2 >>> myG = myGen() >>> for i in myG: print(i) 生成器被执行！ 1 2
前面说的斐波那契数列例子，也可以用生成器实现：
>>> def fibs(): a,b = 0,1 while True: a,b = b,a+b yield a >>> for i in fibs(): if i>100: break print(i) 1 1 2 3 5 8 13 21 34 55 89
写到现在，可以很好的用类别推导式了，哈哈，先来看下下面的什么意思吧
>>> a = [i for i in range(100) if not (i%2) and i%3] >>> print(a) [2, 4, 8, 10, 14, 16, 20, 22, 26, 28, 32, 34, 38, 40, 44, 46, 50, 52, 56, 58, 62, 64, 68, 70, 74, 76, 80, 82, 86, 88, 92, 94, 98]
含义很简单的，打印100以内能被2整除，不能被3整除
>>> b = {i:i%2==0 for i in range(10)}
>>> b
{0: True, 1: False, 2: True, 3: False, 4: True, 5: False, 6: True, 7: False, 8: True, 9: False}
还有集合推导式：
>>> c = {i for i in [1,1,2,3,3,4,5,5,5,6,7,7,7,8]}
>>> c
{1, 2, 3, 4, 5, 6, 7, 8}
那么有没有字符串推导式，来验证下
>>> d = "I love python!" >>> d 'I love python!'
看吧，不对吧，打印的是整个包含在字符串中的，所以不存在字符串推导式的说法，那元组了？
>>> e = (i for i in range(10)) >>> e <generator object <genexpr> at 0x0000000003031360>
看打印出来的信息是generator，这就是生成器，用小括号括起来的正是生成器，来看下效果
>>> next(e) 0 >>> next(e) 1 >>> next(e) 2 >>> next(e) 3 >>> next(e) 4 >>> next(e) 5
>>> next(e)
6
>>> next(e)
7
用for循环吧剩下的打印出来
>>> for i in e: print(i) 8 9
生成器推导式如果作为函数的参数，可以直接写推导式，而不用加小括号（这个很牛气吧）。
>>> sum(i for i in range(100) if i%2) 2500