迭代器跟生成器，与上篇文章讲的装饰器一样，都是属于我的一个老大难问题。
通常就是遇到的时候就去搜一下，结果在一大坨各种介绍博客中看了看，回头又忘记了。
你是不是也是这样呢？

俗话说：好记性不如烂笔头，虽然现在基本不咋用笔写字了，但是还是要好好整理下，起码以后我就不用搜了。

如果现在给你一个列表list_a = [1, 2, 3, 4]，让你去迭代它，相信大家都很熟悉，直接用for循环就完事儿，

list_a = [1, 2, 3, 4]

for i in list_a:
    print(i)

运行

1
2
3
4
[Finished in 0.1s]

可以看到，for循环迭代了列表中的每一个元素，打印了出来。
那么for循环背后都做了什么事情呢？

一、 容器、可迭代对象、迭代器

听起来陌生，但是你绝对熟悉的词儿。

在python中，一切都是对象，对象的抽象是类，而对象的集合就是容器。

使用python中常见的容器有很多，比如：列表list:[0, 1, 2]，集合set:([0, 1, 2])，字典dict:{0:0, 1:1, 2:2}以及元组tuple(0, 1, 2)。
这些都是多个元素集中在一起的单元，区别的是内部数据结构的实现方法。

所有的容器都是可以迭代的，你可以用for循环去迭代上述的容器试试。

那把一个个元素找出来，用到的就是迭代器。用iter()可以创建一个迭代器。

迭代器提供一个next()方法，这个方法你每次调用的时候会给你返回下一个对象，或者StopIteration，也就是没有对象可以给你了。

list_a = [1, 2, 3, 4]

it = iter(list_a) # 创建迭代器

print(next(it)) #调用next()
print(next(it))
print(next(it))
print(next(it))
print(next(it))

运行结果，前4个print可以正常返回，第5个时候就出现StopIteration错误了，因为列表中4个元素已经返回完了。

1
2
3
4
Traceback (most recent call last):
  File "D:\练习\demo_iterator.py", line 9, inprint(next(it))
StopIteration
[Finished in 0.1s with exit code 1]

二、生成器

什么是生成器？简单粗暴一点：生成器就是懒人版的迭代器。

在上述的创建迭代器操作中，我们显然是做了一次性生成的操作，list_a = [1, 2, 3, 4]，这4个元素一次性生成好，以供next()调用。

但是生成出的这些元素都是会保存到内存中去，这只是4个元素，如果有上千万、上亿元素呢？
我并不是第一时间要用到所有的元素，我只要在我调用next()的时候产生一个返回给我就好，那么这样一次性生成就会白白占用了大量的内存。

生成器应运而生，当调用next()的时候，才会生成下一个变量。
生成器的写法很简单，用小括号，比如把一个列表生成式括起来：(i for i in range(10000)),这样就初始化了一个生成器。

print([i for i in range(10)])

print(i for i in range(10))

上面的时列表，下面的就是一个生成器了，区别就是[]和()。
运行结果：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]<generator object at 0x033383A8>
[Finished in 0.1s]

yield关键字

此外，函数也可以成为生成器，秘密就是yield关键字，比如：

def gen():
    a = 0
    while a < 100:
        yield a
        a += 1

test = gen()
print(next(test))
print(next(test))
print(next(test))
print(next(test))

运行结果：

0
1
2
3
[Finished in 0.1s]

yield关键字，可以这样理解：当函数运行到这一行的时候，程序会从这里暂停，yield相当于return会返回，
当下次迭代时候，则会从yield的下一行代码开始执行。

所以，我调用了4次print，可以从0开始依次输出。