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，
|
1
2
3
4
|
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。
|
1
2
3
4
5
6
7
8
9
|
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, in <module>
print(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。
|
1
2
3
|
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 <genexpr> 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：
|
1
2
3
4
5
6
7
8
9
10
11
|
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。
从我工作中的使用场景出发的话，我在做一些自动化测试的时候，有些变量参数是不可以重复的，用迭代器来定义变量的生成规则，每次
调用都会产生一个新的，就不会重复了。
以上就是彻底搞懂python 迭代器和生成器的详细内容，更多关于python 迭代器和生成器的资料请关注服务器之家其它相关文章！
原文链接：https://www.tuicool.com/articles/f67rauJ