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。迭代器只能往前不会后退，不过这也没什么，因为人们很少在迭代途中往后退。

　　使用迭代器的优点

　　对于原生支持随机访问的数据结构(如tuple、list)，迭代器和经典for循环的索引访问相比并无优势，反而丢失了索引值(可以使用内建函数enumerate()找回这个索引值)。但对于无法随机访问的数据结构(比如set)而言，迭代器是唯一的访问元素的方式。

　　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，元素可以不存在或者被销毁。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，比如几个G的文件，或是斐波那契数列等等。

　　迭代器更大的功劳是提供了一个统一的访问集合的接口，只要定义了__iter__()方法对象，就可以使用迭代器访问。

　　迭代器有两个基本的方法

　　next方法：返回迭代器的下一个元素

　　__iter__方法：返回迭代器对象本身

　　一、迭代器Iterators

　　迭代器仅是一容器对象，它实现了迭代器协议。它有两个基本方法：

　　1)next方法

　　返回容器的下一个元素

　　2)__iter__方法

　　返回迭代器自身

　　迭代器可使用内建的iter方法创建，见例子：

　　>>> i = iter('abc')

　　>>> i.next()

　　'a'

　　>>> i.next()

　　'b'

　　>>> i.next()

　　'c'

　　>>> i.next()

　　Traceback (most recent call last):

　　File "", line 1, in

　　StopIteration:

　　class MyIterator(object):

　　def __init__(self, step):

　　self.step = step

　　def next(self):

　　"""Returns the next element."""

　　if self.step==0:

　　raise StopIteration

　　self.step-=1

　　return self.step

　　def __iter__(self):

　　"""Returns the iterator itself."""

　　return self

　　for el in MyIterator(4):

　　print el

　　--------------------

　　结果：

　　3

　　2

　　1

　　0

　　二、生成器Generators

　　从Python2.2起，生成器提供了一种简洁的方式帮助返回列表元素的函数来完成简单和有效的代码。

　　它基于yield指令，允许停止函数并立即返回结果。

　　此函数保存其执行上下文，如果需要，可立即继续执行。

　　例如Fibonacci函数：

　　def fibonacci():

　　a,b=0,1

　　while True:

　　yield b

　　a,b = b, a+b

　　fib=fibonacci()

　　print fib.next()

　　print fib.next()

　　print fib.next()

　　print [fib.next() for i in range(10)]

　　--------------------

　　结果：

　　1

　　1

　　2

　　[3, 5, 8, 13, 21, 34, 55, 89, 144, 233]

　　PEP Python Enhancement Proposal Python增强建议

　　tokenize模块

　　>>> import tokenize

　　>>> reader = open('c:/temp/py1.py').next

　　>>> tokens=tokenize.generate_tokens(reader)

　　>>> tokens.next()

　　(1, 'class', (1, 0), (1, 5), 'class MyIterator(object):/n')

　　>>> tokens.next()

　　(1, 'MyIterator', (1, 6), (1, 16), 'class MyIterator(object):/n')

　　>>> tokens.next()

　　(51, '(', (1, 16), (1, 17), 'class MyIterator(object):/n')

　　例子：

　　def power(values):

　　for value in values:

　　print 'powering %s' %value

　　yield value

　　def adder(values):

　　for value in values:

　　print 'adding to %s' %value

　　if value%2==0:

　　yield value+3

　　else:

　　yield value+2

　　elements = [1,4,7,9,12,19]

　　res = adder(power(elements))

　　print res.next()

　　print res.next()

　　--------------------

　　结果：

　　powering 1

　　adding to 1

　　3

　　powering 4

　　adding to 4

　　7

　　保持代码简单，而不是数据。

　　注意：宁可有大量简单的可迭代函数，也不要一个复杂的一次只计算出一个值的函数。

　　例子：

　　def psychologist():

　　print 'Please tell me your problems'

　　while True:

　　answer = (yield)

　　if answer is not None:

　　if answer.endswith('?'):

　　print ("Don't ask yourself too much questions")

　　elif 'good' in answer:

　　print "A that's good, go on"

　　elif 'bad' in answer:

　　print "Don't be so negative"

　　free = psychologist()

　　print free.next()

　　print free.send('I feel bad')

　　print free.send("Why I shouldn't ?")

　　print free.send("ok then i should find what is good for me")

　　--------------------

　　结果：

　　Please tell me your problems

　　None

　　Don't be so negative

　　None

　　Don't ask yourself too much questions

　　None

　　A that's good, go on

　　None

　　虽然很早之前就接触yield这个词了，却一直是一知半解。趁现在有时间，把它研究一通再说。

　　含有yield的函数说明它是一个生成器，而不是普通的函数。当程序运行到yield这一行时，该函数会返回值，并保存当前域的所有变量状态;等到该函数下一次被调用时，会从上一次中断的地方开始执行，一直遇到下一个yield, 程序返回值, 并在此保存当前状态; 如此反复，直到函数正常执行完成。

　　我一开始还想不明白调用者与生成器之间的函数堆栈是怎么做到的，后来才大悟原来是用到了'协程'这个原理。协程可视为微线程，下面会结合例子来说明一下yield及协程的运行过程。假设定义了test方法:

　　[python]

　　def test(len):

　　i = 0

　　while i < len :

　　yield i

　　i += 1

　　我们来调用它看看输出:

　　>>> for i in test(5):

　　print i

　　输出:

　　0

　　1

　　2

　　3

　　4

　　这场景是不是很类似 for i in xrange(len); 是的, xrange就是这么干的。 for .. in 的操作实际上是调用了生成器的next()方法，以上的调用过程可以等价为:

　　[python]

　　f = test(5)

　　print f.next()

　　print f.next()

　　print f.next()

　　print f.next()

　　print f.next()

　　输出结果与上次输出一致。

　　另外，在这次调用过程中，协程被创建了一次， 被唤醒了5次(通过next)，被挂起了5次(通过yield), 最后协程退出并销毁。 大概就这些点了，有更深的理解再做补充。

　　生成器(Generator)

　　如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器(Generator)。

　　要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

　　>>> L = [x * x for x in range(10)]

　　>>> L

　　[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

　　>>> g = (x * x for x in range(10))

　　>>> g

　　at 0x104feab40>

　　创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

　　我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢?

　　如果要一个一个打印出来，可以通过generator的next()方法：

　　>>> g.next()

　　0

　　>>> g.next()

　　1

　　>>> g.next()

　　4

　　>>> g.next()

　　9

　　>>> g.next()

　　16

　　>>> g.next()

　　25

　　>>> g.next()

　　36

　　>>> g.next()

　　49

　　>>> g.next()

　　64

　　>>> g.n