本文目录一览：
- 1、python迭代器和生成器的区别
- 2、python迭代器是什么意思
- 3、Python中的迭代器与可迭代:iter()和next()
- 4、python中的迭代器的理解？
- 5、Python中的“迭代”详解
python迭代器和生成器的区别
迭代器
迭代是Python最强大的功能之一，是访问集合元素的一种方式。
迭代器是一个可以记住遍历的位置的对象。
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。
迭代器有两个基本的方法：iter()和next()。
生成器
在Python中，使用了yield的函数被称为生成器。
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
在调用生成器运行的过程中，每次遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值，并在下一次执行next()方法时从当前位置继续运行。
调用一个生成器函数，返回的是一个迭代器对象。
迭代器与生成器之间的区别：
迭代器是一个更抽象的概念，任何对象，如果它的类有NEXTiter方法返回自己本身，对于string、list、dict、tuple等这类容器对象，使用for循环遍历是很方便的。在后台For语言对容器对象条用iter()函数，iter()是Python的内置函数。iter()会返回一个定义了next()方法迭代器对象，在容器中逐个访问容器的元素，next()也是Python的内置函数，next()会抛出StopIteration异常。
生成器是创新迭代器的简单而强大的工具，它们写起来就好像正则函数，只是在需要返回数据的时候使用yield 语句。
迭代器协议，对象需要提供next()方法，它要么返回迭代中的下一项，要么就引起一个StopIteration异常，终止迭代。
可迭代对象，实现了迭代器协议对象。list、tuple、dict都是Iterable可迭代的对象，但不是Iterator迭代器对象。
python迭代器是什么意思
迭代器（Iterator）：迭代器可以看作是一个特殊的对象，每次调用该对象时会返回自身的下一个元素，从实现上来看，一个迭代器对象
必须是定义了__iter__()方法和next()方法的对象。
Python的Iterator对象表示的是一个数据流，可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，所以Iterator
的计算是惰性的，只有在需要返回下一个数据时它才会计算；Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据
时抛出StopIteration错误；所有的Iterable可迭代对象均可以通过内置函数iter()来转变为迭代器Iterator。__iter__( )方法是让对象可以用
for … in循环遍历时找到数据对象的位置，next( )方法是让对象可以通过next(实例名)访问下一个元素。除了通过内置函数next调用可以
判断是否为迭代器外，还可以通过collection中的Iterator类型判断。如： isinstance(’’, Iterator)可以判断字符串类型是否迭代器。注
意： list、dict、str虽然是Iterable，却不是Iterator。迭代器优点：节约内存（循环过程中，数据不用一次读入，在处理文件对象时特别
有用，因为文件也是迭代器对象）、不依赖索引取值、实现惰性计算(需要时再取值计算)。
python学习网，免费的python学习网站，欢迎在线学习！
Python中的迭代器与可迭代:iter()和next()
一种自动迭代的更优雅的实现是使用 for循环
在Python中，迭代器（Iterator）和可迭代(iterable)的区别是，迭代器支持 iter ()和 next ()方法；可迭代支持 iter ()方法。可迭代只能在for循环中获得元素，迭代器还可以用next()方法获取元素。
list/truple/map/dict都是可迭代，但不是迭代器；这些数据的大小是确定的；迭代器不是，迭代器不知道要执行多少次，所以可以理解为不知道有多少个元素，每调用一次next()，就会往下走一步。
凡是可以for循环的，都是Iterable
凡是可以next()的，都是Iterator
python中的迭代器的理解？
9.9. 迭代器
现在你可能注意到大多数容器对象都可以用 for 遍历:
for element in [1, 2, 3]:
print(element)
for element in (1, 2, 3):
print(element)
for key in {'one':1, 'two':2}:
print(key)
for char in "123":
print(char)
for line in open("myfile.txt"):
print(line, end='')
这种形式的访问清晰、简洁、方便。迭代器的用法在 Python 中普遍而且统一。在后台， for 语句在容器对象中调用 iter() 。该函数返回一个定义了 __next__() 方法的迭代器对象，它在容器中逐一访问元素。没有后续的元素时， __next__() 抛出一个 StopIteration 异常通知 for 语句循环结束。你可以是用内建的 next() 函数调用 __next__() 方法；以下是其工作原理的示例:
s = 'abc'
it = iter(s)
it
next(it)
'a'
next(it)
'b'
next(it)
'c'
next(it)
Traceback (most recent call last):
File "
", line 1, in ?
next(it)
StopIteration
了解了迭代器协议的后台机制，就可以很容易的给自己的类添加迭代器行为。定义一个 __iter__() 方法，使其返回一个带有 __next__() 方法的对象。如果这个类已经定义了 __next__() ，那么 __iter__() 只需要返回 self:
Python中的“迭代”详解
迭代器模式：一种惰性获取数据项的方式，即按需一次获取一个数据项。
所有序列都是可以迭代的。我们接下来要实现一个 Sentence（句子）类，我们向这个类的构造方法传入包含一些文本的字符串，然后可以逐个单词迭代。
接下来测试 Sentence 实例能否迭代
序列可以迭代的原因：
iter()
解释器需要迭代对象 x 时，会自动调用iter(x)。
内置的 iter 函数有以下作用：
由于序列都实现了 __getitem__ 方法，所以都可以迭代。
可迭代对象：使用内置函数 iter() 可以获取迭代器的对象。
与迭代器的关系：Python 从可迭代对象中获取迭代器。
下面用for循环迭代一个字符串，这里字符串 'abc' 是可迭代的对象，用 for 循环迭代时是有生成器，只是 Python 隐藏了。
如果没有 for 语句，使用 while 循环模拟，要写成下面这样：
Python 内部会处理 for 循环和其他迭代上下文（如列表推导，元组拆包等等）中的 StopIteration 异常。
标准的迭代器接口有两个方法：
__next__ ：返回下一个可用的元素，如果没有元素了，抛出 StopIteration 异常。
__iter__ ：返回 self，以便在需要使用可迭代对象的地方使用迭代器，如 for 循环中。
迭代器：实现了无参数的 __next__ 方法，返回序列中的下一个元素；如果没有元素了，那么抛出 StopIteration 异常。Python 中的迭代器还实现了 __iter__ 方法，因此迭代器也可以迭代。
接下来使用迭代器模式实现 Sentence 类：
注意， 不要 在 Sentence 类中实现 __next__ 方法，让 Sentence 实例既是可迭代对象，也是自身的迭代器。
为了“支持多种遍历”，必须能从同一个可迭代的实例中获取多个独立的迭代器，而且各个迭代器要能维护自身的内部状态，因此这一模式正确的实现方式是，每次调用 iter(my_iterable) 都新建一个独立的迭代器。
所以总结下来就是：
实现相同功能，但却符合 Python 习惯的方式是，用生成器函数代替 SentenceIteror 类。
只要 Python 函数的定义体中有 yield 关键字，该函数就是生成器函数。调用生成器函数，就会返回一个生成器对象。
生成器函数会创建一个生成器对象，包装生成器函数的定义体，把生成器传给 next(...) 函数时，生成器函数会向前，执行函数定义体中的下一个 yield 语句，返回产出的值，并在函数定义体的当前位置暂停，。最终，函数的定义体返回时，外层的生成器对象会抛出 StopIteration 异常，这一点与迭代器协议一致。
如今这一版 Sentence 类相较之前简短多了，但是还不够慵懒。 惰性 ，是如今人们认为最好的特质。惰性实现是指尽可能延后生成值，这样做能节省内存，或许还能避免做无用的处理。
目前实现的几版 Sentence 类都不具有惰性，因为 __init__ 方法急迫的构建好了文本中的单词列表，然后将其绑定到 self.words 属性上。这样就得处理整个文本，列表使用的内存量可能与文本本身一样多（或许更多，取决于文本中有多少非单词字符）。
re.finditer 函数是 re.findall 函数的惰性版本，返回的是一个生成器，按需生成 re.MatchObject 实例。我们可以使用这个函数来让 Sentence 类变得懒惰，即只在需要时才生成下一个单词。
标准库提供了很多生成器函数，有用于逐行迭代纯文本文件的对象，还有出色的 os.walk 函数等等。本节专注于通用的函数：参数为任意的可迭代对象，返回值是生成器，用于生成选中的、计算出的和重新排列的元素。
第一组是用于 过滤 的生成器函数：从输入的可迭代对象中产出元素的子集，而且不修改元素本身。这种函数大多数都接受一个断言参数(predicate)，这个参数是个 布尔函数 ，有一个参数，会应用到输入中的每个元素上，用于判断元素是否包含在输出中。
以下为这些函数的演示：
第二组是用于映射的生成器函数：在输入的单个/多个可迭代对象中的各个元素上做计算，然后返回结果。
以下为这些函数的用法：
第三组是用于合并的生成器函数，这些函数都可以从输入的多个可迭代对象中产出元素。
以下为演示：
第四组是从一个元素中产出多个值，扩展输入的可迭代对象。
以下为演示：
第五组生成器函数用于产出输入的可迭代对象中的全部元素，不过会以某种方式重新排列。
下面的函数都接受一个可迭代的对象，然后返回单个结果，这种函数叫“归约函数”，“合拢函数”或“累加函数”，其实，这些内置函数都可以用 functools.reduce 函数实现，但内置更加方便，而且还有一些优点。
参考教程：
《流畅的python》 P330 - 363
