其他关于Python的总结文章请访问：https://www.jianshu.com/nb/47435944
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://www.jianshu.com/p/f5ae86990e21）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。
