前言

本文主要介绍Python中的迭代器和生成器，主要内容包括 迭代器概述、生成器简介。

一、迭代器简介

在 Python 中，迭代器(iterator)是一个实现了迭代器协议（Iterator Protocol）的对象。该协议包含两个方法：iter() 和 next() 方法。iter() 方法返回迭代器对象本身，next() 方法返回迭代器中的下一个元素，在迭代结束时需要抛出StopIteration 异常，如：

my_list = [1, 2, 3, 4, 5]
my_iterator = iter(my_list)

print(next(my_iterator)) 
print(next(my_iterator))
print(next(my_iterator)) 
print(next(my_iterator)) 
print(next(my_iterator)) 

# 再次调用 next() 方法将引发 StopIteration 异常
print(next(my_iterator))

输出结果：

1
2
3
4
5
Traceback (most recent call last):
  File "D:\pythonCode\hello.py", line 11, in <module>
    print(next(my_iterator))
          ^^^^^^^^^^^^^^^^^
StopIteration

iter() 方法还接受一个可选的参数，用于指定当迭代器对象中没有剩余的元素时，返回的默认值。如果不指定该参数，则默认会引发 StopIteration 异常。例如：

my_list = [1, 2, 3]
my_iterator = iter(my_list)

print(next(my_iterator, 0)) 
print(next(my_iterator, 0)) 
print(next(my_iterator, 0)) 

# 再次调用 next() 方法将返回指定的默认值 0
print(next(my_iterator, 0)) 

输出结果：

1
2
3
0

我们平时在使用 for 循环语句遍历可迭代对象时，好像并没有显性使用iter()方法，如：

my_list = [1, 2, 3]

for item in my_list:
    print(item) # 输出 1, 2, 3

实际上在遍历所有对象时，python内部的实现依旧是会自动调用 iter() 函数来获取其对应的迭代器对象，然后再不断调用迭代器对象的 next() 方法来获取其中的元素，直到抛出 StopIteration 异常。这个流程如下图:

注意：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。

二、生成器简介

在 Python 中，使用了 yield 的函数被称为生成器（generator）。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是一种特殊的迭代器，可以按需生成值而不是一次性生成所有值。这种特性使得生成器非常适合处理大量的数据，尤其是在处理一些无法完全载入内存的数据集的情况下，如使用 yield 实现斐波那契数列：

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

#输出斐波那契数列的前 10 个数字
f = fibonacci()
for i in range(10):
    print(next(f))  
    # 输出结果 0 1 1 2 3 5 8 13 21 34

上面的代码中，fibonacci() 函数的执行被设置成一个无限循环，这个循环在每次yield 语句之后暂停，生成器对象返回当前的值，并且在下一个循环迭代中继续执行，而不是一次性输出所有的斐波那契数值。这种按需生成数值的方法可以大大减少内存使用，特别是当在生成的数值上花费了很多计算时间时。