一、迭代器

迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不能后退，不过这也没什么，因为人们很少在迭代途中后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如N个G的文件。

    特定：

（1）.访问者不需要关心迭代器内部的文件，仅需通过next()方法不断去取下一个内容；

　　（2）.不能随机访问集合中的某个值，只能从头到尾依次访问；

　　（3）.访问到一半时不能往回退；

　　（4）.便于循环比较大的数据集合，节省内存生成一个迭代器。

iter()用来声明迭代器，示例如下：

names = iter(["eric","aoi","alex"])
　　print(names)
　　print(names.__next__())
　　print(names.__next__())
　　print(names.__next__())

　　声明一个迭代器，在遍历文件的时候，for line in f:就是使用迭代的方式实现的。

>>> names = iter(["eric","alex","aoi"])
　　>>> names.__next__()
　　'eric'
　　>>> names.__next__()
　　'alex'
　　>>> names.__next__()
　　'aoi'
　　>>> names.__next__()
　　Traceback (most recent call last):
  　　File "<stdin>", line 1, in <module>
　　StopIteration
    迭代器只能一个一个读取，不能跳读，不能回退，读取完了之后会结束迭代，报错Stoplteration。

我们知道，我们打开读取文件的时候，可以使用f.read(),f.readline(),f.readlines()等方式，但是我们在读取的时候，Python是将文件加载到内存然后进行读取的，速度会很慢，我们可以采用下面的方式进行读取：

with open(filename,"r") as f:

　　　　for line in f:

　　　　　　print(line)

　　上面代码就是按照逐行读取的方式进行读取的。这样是一行一行读(next())读取一行加载一行，实现的方式就是迭代器，这样读取文件的速度会很快，因此我们在读取大文件的时候可以采用for line in f:这样的方式进行读取。

二、生成器generator

定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器。

def cash_money(amount):
　　　　　　while amount > 0:
　　　　　　amount -= 100
　　　　　　yield 100                       #yield  100中100是返回值，执行的时候返回值
　　　　　　print("又来取钱了")

　　atm = cash_money(500)                   #给函数生成器传递参数

上面代码，我们执行，但是没有返回值，为什么呢？我们执行调用了函数，按说应该打印又来取钱了，但是然并卵没有打印，下面我们来看看atm的类型。

　　print(type(atm))

　　运行结果如下：

　　<class 'generator'>

变量atm类型是一个generator,是一个生成器。函数是一个生成器函数，返回的是一个迭代器，迭代器要使用__next__()方法进行调用：

　　　　print("又来取钱了")

　　atm = cash_money(500)
　　print(type(atm))
　　print(atm.__next__())
　　print(atm.__next__())
　　print("叫个大保健")
　　print(atm.__next__())

　　运行结果如下：

<class 'generator'>
　　100
　　又来取钱了
　　100
　　叫个大保健
　　又来取钱了
　　100

　　假如我们编写一个程序去取钱，比如5万，银行要审核大额取款，审核时间三十分钟，如果通常的串行程序，就要等银行的反馈结果，程序才能继续执行，yield就是避免这种情况，让程序继续等待，程序本身执行下面程序。串行是同步，生成器就是异步的情况。

生成器可以从断点处继续执行代码。生成器可以保存函数的中断状态。

作用：

这个yield的主要效果呢，就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以再重新调用这个函数，从上次yield的下一句执行。

另外，还可以通过yield实现在单线程的情况下并发运算的效果。

下面来看一个实例：

import time
　　#导入时间函数，让程序执行等待

　　def consumer(name):
　　#消费者模型
　　　　print("%s 准备吃包子啦！"%name)
　　　　while True:
　　　　　　baozi = yield
　　　　　　print("包子[%s]来了，被[%s]吃了！" %(baozi,name))

　　def producer(name):
　　#来了两个消费者买包子
　　　　c = consumer("A")
　　　　c2 = consumer("B")
　　　　c.__next__()
　　　　c2.__next__()
　　　　print("老子开始准备做包子啦！")
　　　　for i in range(10):
　　　　　　time.sleep(1)
　　　　　　print("做了2个包子！")
　　　　　　c.send(i)
　　　　　　c2.send(i)

　　producer("alex")

导入时间模块，定义生产者多久可以生成包子，定义两个模块，一个是生成者模块，一个是消费这模块，消费者模块功能是告诉生产者有消费者来买包子了，并且接收生产者生产的包子；生产者的模型是接收两个消费者来的消息，并且开始生产包子，并且生产者生成包子是需要时间的，生产完包子之后把使用send把包子发给消费者。