关于list、string、tuple、dict等这些容器对象,运用for轮回遍历是很轻易的。在背景for语句对容器对象挪用iter()函数。iter()是python内置函数。 iter()函数会返回一个定义了next()要领的迭代器对象，它在容器中逐一接见容器内的元素。next()也是python内置函数。在没有后续元素时，next()会抛出一个StopIteration非常，关照for语句轮回完毕。
迭代器
迭代器是用来协助我们纪录每次迭代接见到的位置，当我们对迭代器运用next()函数的时刻，迭代器会向我们返回它所纪录位置的下一个位置的数据。实际上，在运用next()函数的时刻，挪用的就是迭代器对象的_next_要领（Python3中是对象的_next_要领，Python2中是对象的next()要领）。所以，我们要想组织一个迭代器，就要完成它的_next_要领。但这还不够，python请求迭代器本身也是可迭代的，所以我们还要为迭代器完成_iter_要领，而_iter_要领要返回一个迭代器，迭代器本身恰是一个迭代器，所以迭代器的_iter_要领返回本身self即可。
一些术语的诠释：
1，迭代器协定：对象须要供应next()要领，它要么返回迭代中的下一项，要么就引发一个StopIteration非常，以停止迭代。
2，可迭代对象：完成了迭代器协定对象。list、tuple、dict都是Iterable（可迭代对象），但不是Iterator（迭代器对象）。但能够运用内建函数iter() ，把这些都变成Iterable（可迭代器对象）。
3，for item in Iterable 轮回的实质就是先经由过程iter()函数猎取可迭代对象Iterable的迭代器，然后对猎取到的迭代器不停挪用next()要领来猎取下一个值并将其赋值给item，当碰到StopIteration的非常后轮回完毕。
相干引荐：《Python视频教程》
Python自带容器对象案例：
# 随意定义一个list listArray=[1,2,3] # 运用iter()函数 iterName=iter(listArray) print(iterName) # 效果以下：是一个列表list的迭代器 # <list_iterator object at 0x0000017B0D984278> print(next(iterName)) print(next(iterName)) print(next(iterName)) print(next(iterName))#没有迭代到下一个元素，直接抛出非常 # 1 # 2 # 3 # Traceback (most recent call last): # File "Test07.py", line 32, in <module> # StopIteration
Python中一个完成了_iter_要领和_next_要领的类对象，就是迭代器，以下案例是盘算菲波那切数列的案例
class Fib(object): def __init__(self, max): super(Fib, self).__init__() self.max = max def __iter__(self): self.a = 0 self.b = 1 return self def __next__(self): fib = self.a if fib > self.max: raise StopIteration self.a, self.b = self.b, self.a + self.b return fib # 定义一个main函数，轮回遍历每一个菲波那切数 def main(): # 20之内的数 fib = Fib(20) for i in fib: print(i) # 测试 if __name__ == '__main__': main()
诠释申明：
在本类的完成中，定义了一个_iter_(self)要领，这个要领是在for轮回遍用时被iter()挪用，返回一个迭代器。由于在遍历的时刻，是直接挪用的python内置函数iter() ，由iter()经由过程挪用_iter_(self)取得对象的迭代器。有了迭代器，就能够逐一遍历元素了。而逐一遍历的时刻，也是运用内置的next(）函数经由过程挪用对象的_next_(self)要领对迭代器对象举行遍历。所以要完成_iter_(self)和_next_(self)这两个要领。
而且由于完成了_next_(self)要领，所以在完成_iter_(self)的时刻，直接返回self就能够。
总结一句话就是：
在轮回遍历自定义容器对象时,会运用python内置函数iter()挪用遍历对象的_iter_(self)取得一个迭代器,以后再轮回对这个迭代器运用next()挪用迭代器对象的_next_(self) 。
注重点： _iter_(self)只会被挪用一次,而_next_(self)会被挪用 n 次，直到涌现StopIteration非常。
生成器
作用：
耽误操纵。也就是在须要的时刻才发生效果，不是马上发生效果。
注重事项：
生成器是只能遍历一次的。
生成器是一类迥殊的迭代器。
分类：
第一类：生成器函数：照样运用 def 定义函数，然则，运用yield而不是return语句返回效果。yield语句一次返回一个效果，在每一个效果中心，挂起函数的状况，以便下次从它脱离的处所继承实行。
# 菲波那切数列
def Fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return '亲！没有数据了...'
# 挪用要领，生成出10个数来
f=Fib(10)
# 运用一个轮回捕捉末了return 返回的值，保留在非常StopIteration的value中
while True:
try:
x=next(f)
print("f:",x)
except StopIteration as e:
print("生成器末了的返回值是：",e.value)
break
第二类：生成器表达式：类似于列表推导，只不过是把一对大括号[]变换为一对小括号()。然则，生成器表达式是按需发生一个生成器效果对象，要想拿到每一个元素，就须要轮回遍历。
以下案例加以申明：
# 一个列表 xiaoke=[2,3,4,5] # 生成器generator，类似于list，然则是把[]改成() gen=(a for a in xiaoke) for i in gen: print(i) #效果是： 2 3 4 5 # 为何要运用生成器？由于效力。 # 运用生成器表达式庖代列表推导式能够同时节约 cpu 和 内存(RAM)。 # 假如你组织一个列表(list)的目标仅仅是传递给别的函数, # 比方 传递给tuple()或许set(), 那就用生成器表达式替换吧! #本案例是直接把列表转化为元组 kk=tuple(a for a in xiaoke) print(kk) #效果是： (2, 3, 4, 5) # python内置的一些函数，能够辨认这是生成器表达式，表面有一对小括号，就是生成器 result1=sum(a for a in range(3)) print(result1) # 列表推导式 result2=sum([a for a in range(3)]) print(result2)
区分：
生成器能做到迭代器能做的所有事,而且由于自动创建了 iter()和 next()要领,生成器显得迥殊简约,而且生成器也是高效的，运用生成器表达式庖代列表剖析能够同时节约内存。除了创建和保留顺序状况的自动要领,当发生器闭幕时,还会自动抛出 StopIteration 非常。
以上就是python生成器与迭代器的区分的细致内容，更多请关注ki4网别的相干文章！
