1. 疊代器
疊代器是通路集合元素的一種方式。疊代器對象從集合的第一個元素開始通路，知道所有的元素被通路完結束。疊代器隻能往前不會後退，不過這也沒什麼，因為人們很少在疊代途中往後退。
1.1 使用疊代器的優點
對于原生支援随機通路的資料結構（如tuple、list），疊代器和經典for循環的索引通路相比并無優勢，反而丢失了索引值（可以使用内建函數enumerate()找回這個索引值）。但對于無法随機通路的資料結構（比如set）而言，疊代器是唯一的通路元素的方式。
另外，疊代器的一大優點是不要求事先準備好整個疊代過程中所有的元素。疊代器僅僅在疊代到某個元素時才計算該元素，而在這之前或之後，元素可以不存在或者被銷毀。這個特點使得它特别适合用于周遊一些巨大的或是無限的集合，比如幾個G的檔案，或是斐波那契數列等等。
疊代器更大的功勞是提供了一個統一的通路集合的接口，隻要定義了__iter__()方法對象，就可以使用疊代器通路。
疊代器有兩個基本的方法
- next方法：傳回疊代器的下一個元素
- __iter__方法：傳回疊代器對象本身
下面用生成斐波那契數列為例子，說明為何用疊代器
代碼1
def fab(max):
n, a, b = 0, 0, 1
while n < max:
print b
a, b = b, a + b
n = n + 1 直接在函數fab(max)中用print列印會導緻函數的可複用性變差，因為fab傳回None。其他函數無法獲得fab函數傳回的數列。
代碼2
def fab(max):
L = []
n, a, b = 0, 0, 1
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1
return L 代碼2滿足了可複用性的需求，但是占用了記憶體空間，最好不要。
代碼3
對比
for i in range(1000): pass for i in xrange(1000): pass 前一個傳回1000個元素的清單，而後一個在每次疊代中傳回一個元素，是以可以使用疊代器來解決複用可占空間的問題
class Fab(object):
def __init__(self, max):
self.max = max
self.n, self.a, self.b = 0, 0, 1
def __iter__(self):
return self
def next(self):
if self.n < self.max:
r = self.b
self.a, self.b = self.b, self.a + self.b
self.n = self.n + 1
return r
raise StopIteration() 執行
>>> for key in Fabs(5):
print key
1
1
2
3
5
Fabs 類通過 next() 不斷傳回數列的下一個數，記憶體占用始終為常數
1.2 使用疊代器
使用内建的工廠函數iter(iterable)可以擷取疊代器對象：
>>> lst = range(5)
>>> it = iter(lst)
>>> it
<listiterator object at 0x01A63110>
使用next()方法可以通路下一個元素：
>>> it.next()
0
>>> it.next()
1
>>> it.next()
2
python處理疊代器越界是抛出StopIteration異常
>>> it.next()
3
>>> it.next
<method-wrapper 'next' of listiterator object at 0x01A63110>
>>> it.next()
4
>>> it.next()
Traceback (most recent call last):
File "<pyshell#27>", line 1, in <module>
it.next()
StopIteration
了解了StopIteration，可以使用疊代器進行周遊了
lst = range(5)
it = iter(lst)
try:
while True:
val = it.next()
print val
except StopIteration:
pass 結果
>>>
0
1
2
3
4
事實上，因為疊代器如此普遍，python專門為for關鍵字做了疊代器的文法糖。在for循環中，Python将自動調用工廠函數iter()獲得疊代器，自動調用next()擷取元素，還完成了檢查StopIteration異常的工作。如下
>>> a = (1, 2, 3, 4)
>>> for key in a:
print key
1
2
3
4 首先python對關鍵字in後的對象調用iter函數疊代器，然後調用疊代器的next方法獲得元素，直到抛出StopIteration異常。
1.3 定義疊代器
下面一個例子——斐波那契數列
# -*- coding: cp936 -*-
class Fabs(object):
def __init__(self,max):
self.max = max
self.n, self.a, self.b = 0, 0, 1 #特别指出：第0項是0，第1項是第一個1.整個數列從1開始
def __iter__(self):
return self
def next(self):
if self.n < self.max:
r = self.b
self.a, self.b = self.b, self.a + self.b
self.n = self.n + 1
return r
raise StopIteration()
print Fabs(5)
for key in Fabs(5):
print key
<__main__.Fabs object at 0x01A63090>
1
1
2
3
5
2. 生成器
帶有 yield 的函數在 Python 中被稱之為 generator（生成器），幾個例子說明下（還是用生成斐波那契數列說明）
可以看出代碼3遠沒有代碼1簡潔，生成器（yield）既可以保持代碼1的簡潔性，又可以保持代碼3的效果
代碼4
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1 >>> for n in fab(5):
print n
1
1
2
3
5
簡單地講，yield 的作用就是把一個函數變成一個 generator，帶有 yield 的函數不再是一個普通函數，Python 解釋器會将其視為一個 generator，調用 fab(5) 不會執行 fab 函數，而是傳回一個 iterable 對象！在 for 循環執行時，每次循環都會執行 fab 函數内部的代碼，執行到 yield b 時，fab 函數就傳回一個疊代值，下次疊代時，代碼從 yield b 的下一條語句繼續執行，而函數的本地變量看起來和上次中斷執行前是完全一樣的，于是函數繼續執行，直到再次遇到 yield。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 傳回目前的疊代值。
也可以手動調用 fab(5) 的 next() 方法（因為 fab(5) 是一個 generator 對象，該對象具有 next() 方法），這樣我們就可以更清楚地看到 fab 的執行流程：
>>> f = fab(3)
>>> f.next()
1
>>> f.next()
1
>>> f.next()
2
>>> f.next()
Traceback (most recent call last):
File "<pyshell#62>", line 1, in <module>
f.next()
StopIteration
return作用
在一個生成器中，如果沒有return，則預設執行到函數完畢；如果遇到return,如果在執行過程中 return，則直接抛出 StopIteration 終止疊代。例如
>>> s = fab(5)
>>> s.next()
1
>>> s.next()
Traceback (most recent call last):
File "<pyshell#66>", line 1, in <module>
s.next()
StopIteration
代碼5 檔案讀取
def read_file(fpath):
BLOCK_SIZE = 1024
with open(fpath, 'rb') as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return 如果直接對檔案對象調用 read() 方法，會導緻不可預測的記憶體占用。好的方法是利用固定長度的緩沖區來不斷讀取檔案内容。通過 yield，我們不再需要編寫讀檔案的疊代類，就可以輕松實作檔案讀取。