迭代器
学习过python的童鞋都应该知道python中有三大神器，即 迭代器、生成器和装饰器，所谓神器，必有其神奇之处，今天和大家一起学习一下迭代器和生成器。
迭代是python比较强大的功能之一，说起迭代，我们可能会想到，对于一个列表list，一个元组tuple，访问的时候都可以使用 for .. in .. ，没错，这就是迭代，它是访问集合元素的一种方式，在从头到尾遍历可迭代对象时，能够记住遍历的位置。
这里给大家区分两个概念 可迭代对象(iterable)和迭代器(iterator)， 我们往往说某个对象是不是可迭代的，而迭代器可以抽象为一个‘器’，就是在从头到尾遍历可迭代对象中的某一元素时，能够记住遍历的位置的那玩意儿，二者之间有本质区别，下面举例说明一下
from collections import Iterable
test = ['a', 'b']
for i in test:
print(i)
# 输出结果,说明列表是可迭代的
a
b
isinstance([], Iterable)
True
for i in 10:
print(i)
#输出结果,说明整型数字是不可迭代的
TypeError: 'int' object is not iterable
isinstance(10, Iterable)
False
上面我们看到的是可迭代对象的外在表现，那么可迭代对象的本质又是什么呢？答案就是一个具备iter方法的对象就是可迭代对象，话不多说，上代码看一下
from collections import Iterable
class MyIter():
def __init__(self):
pass
def __iter__(self):
pass
if __name__ == "__main__":
test = MyIter()
print(isinstance(test, Iterable))
# 输出结果
True
上面说过迭代器能够记住可迭代对象属性的位置，其本质是在可迭代对象中加了next()方法(python2中是next()方法),下面手动实现一个迭代器：
class MyIterator():
def __init__(self):
self.test_list = ['Hello', 'I', 'Love', 'python']
self.position = 0
def __iter__(self):
# 要返回一个迭代器，这里返回自身
return self
def __next__(self):
# 该方法的主要作用记录迭代输出位置
if self.position < len(self.test_list):
ret = self.test_list[self.position]
self.position += 1
return ret
# 当超出列表长度的时候，抛出停止迭代的异常
else:
raise StopIteration
if __name__ == "__main__":
test = MyIterator()
for i in test:
print(i, end=' ')
# 输出结果
Hello I Love python
总结一下，判断一个对象是不是可迭代的，就看该对象有没有实现iter()方法，要判断一个对象是不是迭代器，就看该对象有没有实现iter()方法和next()方法。我们平时用的比较多的for .. in ..循环，其执行过程的本质就是通过iter()获取一个可迭代对象，然后通过该调用对象的next()方法获取下一个值，知道满足停止迭代的条件之后，抛出停止迭代的异常，然后停止循环。
生成器
生成器(generator)是一种的特殊的迭代器，其特殊之处在于我们可以根据需要生成数据,生成器的创建方式有两种，第一种比较简单，将列表推导式的[]换成()就是生成器.
In [3]: a = [x**2 for x in range(5)]
In [4]: a
Out[4]: [0, 1, 4, 9, 16]
In [5]: b = (x**2 for x in range(5))
In [6]: b # b是一个生成器对象
Out[6]: <generator object <genexpr> at 0x000001E45FF01B88>
# 生成器具有__next__()方法
In [7]: b.__next__()
Out[7]: 0
In [8]: b.__next__()
Out[8]: 1
第二种方式就是通过使用yield创建生成器,一个函数，只要里面含有yield,那么它一定就是生成器，下面写个简单的代码说明一下通过yield创建的生成器。
def my_generator():
i = 0
print("1111111")
while i<5:
yield i
i += 1
print("22222")
print("33333")
if __name__ == "__main__":
gg = my_generator()
print(gg)
# 输出 <generator object my_generator at 0x0000023DECA9BA20>
print(gg.__next__())
# 1111111
# 0
print(gg.__next__())
# 22222
# 1
print(gg.__next__())
# 22222
# 2
简述一下上面代码执行的流程：函数执行到第一步(gg=my_generator())的时候，python编译器发现函数中有yield，将这个函数定义为一个生成器，于是实例化gg为一个生成器对象，上面说过，生成器是一个特殊的迭代器，通过第一次调用next()方法，函数从上往下执行，当执行到yield的时候，将yield 后的对象(0)返回，当第二次调用next()方法的时候，会接着yield i继续往下执行，所以先打印22222，执行到yield的时候，将yield 后的对象(1)返回，以此类推。
讲到yield，总避免不了一个话题，那就是yield与return的对比，二者都能结束函数的运行，他们的区别主要是return 之后，函数下次执行只能从头开始执行，而yield 能够接着继续执行，这就是二者主要区别。
