1. 迭代器

迭代器是訪問集合元素的一種方式。迭代器物件從集合的第一個元素開始訪問，知道所有的元素被訪問完結束。迭代器只能往前不會後退，不過這也沒什麼，因為人們很少在迭代途中往後退。

• 1.1 使用迭代器的優點
  對於原生支援隨機訪問的資料結構（如tuple、list），迭代器和經典for迴圈的索引訪問相比並無優勢，反而丟失了索引值（可以使用內建函式enumerate()找回這個索引值）。但對於無法隨機訪問的資料結構（比如set）而言，迭代器是唯一的訪問元素的方式。
  另外，迭代器的一大優點是不要求事先準備好整個迭代過程中所有的元素。迭代器僅僅在迭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燬。這個特點使得它特別適合用於遍歷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。
  迭代器更大的功勞是提供了一個統一的訪問集合的介面，只要定義了iter

  ()方法物件，就可以使用迭代器訪問。

  迭代器有兩個基本的方法

  1. next方法：返回迭代器的下一個元素
  2. __iter__方法：返回迭代器物件本身

  下面用生成斐波那契數列為例子，說明為何用迭代器

#程式碼1:直接在函式fab(max)中用print列印會導致函式的可複用性變差，因為fab返回None。其他函式無法獲得fab函式返回的數列。
def fab(max): 
    n, a, b = 0, 0, 1 
    while n < max: 
        print b 
        a, b = b, a + b 
        n = n + 1

#程式碼2:程式碼2滿足了可複用性的需求，但是佔用了記憶體空間，最好不要。
 

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

#程式碼3:
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() 不斷返回數列的下一個數，記憶體佔用始終為常數　　

• 1.2 使用迭代器

使用內建的工廠函式iter(iterable)可以獲取迭代器物件：

>>> lst = range(5)
>>> it = iter(lst)
>>> it
<listiterator object at 0x01A63110>

使用next()方法可以訪問下一個元素：

>>> it.next()
0
>>> it.next()
1
>>> it.next()
2

python處理迭代器越界是丟擲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

瞭解了StopIteration，可以使用迭代器進行遍歷了

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，因為迭代器如此普遍，python專門為for關鍵字做了迭代器的語法糖。在for迴圈中，Python將自動呼叫工廠函式iter()獲得迭代器，自動呼叫next()獲取元素，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後的物件呼叫iter函式迭代器，然後呼叫迭代器的next方法獲得元素，直到丟擲StopIteration異常。

• 1.3 定義迭代器
  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  #特別指出：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

結果

<__main__.Fabs object at 0x01A63090>
1
1
2
3
5

2. 生成器

帶有 yield 的函式在 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）
可以看出程式碼3遠沒有程式碼1簡潔，生成器（yield）既可以保持程式碼1的簡潔性，又可以保持程式碼3的效果

#程式碼4
def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1

執行

>>> 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式變成一個 generator，帶有 yield 的函式不再是一個普通函式，Python 直譯器會將其視為一個 generator，呼叫 fab(5) 不會執行 fab 函式，而是返回一個 iterable 物件！在 for 迴圈執行時，每次迴圈都會執行 fab 函式內部的程式碼，執行到 yield b 時，fab 函式就返回一個迭代值，下次迭代時，程式碼從 yield b 的下一條語句繼續執行，而函式的本地變數看起來和上次中斷執行前是完全一樣的，於是函式繼續執行，直到再次遇到 yield。看起來就好像一個函式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 返回當前的迭代值。

也可以手動呼叫 fab(5) 的 next() 方法（因為 fab(5) 是一個 generator 物件，該物件具有 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，則預設執行到函式完畢；如果遇到return,如果在執行過程中 return，則直接丟擲 StopIteration 終止迭代。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

檔案讀取

#程式碼5
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

如果直接對檔案物件呼叫 read() 方法，會導致不可預測的記憶體佔用。好的方法是利用固定長度的緩衝區來不斷讀取檔案內容。通過 yield，我們不再需要編寫讀檔案的迭代類，就可以輕鬆實現檔案讀取。

#
#
#
#
#
#
#

http://www.cnblogs.com/wswang/p/6047994.html
也就是說迭代器類似於一個遊標，卡到哪裡就是哪裡，可以通過這個來訪問某個可迭代物件的元素；同時，也不是隻有Python有這個特性。比如C++的STL中也有這個，如vector::iterator it。下面主要說一下Python中的可迭代物件和迭代器吧。

• Python可迭代物件（Iterable）
  Python中經常使用for來對某個物件進行遍歷，此時被遍歷的這個物件就是可迭代物件，像常見的list,tuple都是。如果給一個準確的定義的話，就是隻要它定義了可以返回一個迭代器的__iter__方法，或者定義了可以支援下標索引的__getitem__方法(這些雙下劃線方法會在其他章節中全面解釋)，那麼它就是一個可迭代物件。
• Python迭代器（iterator）
  迭代器是通過next()來實現的，每呼叫一次他就會返回下一個元素，當沒有下一個元素的時候返回一個StopIteration異常，所以實際上定義了這個方法的都算是迭代器。可以用通過下面例子來體驗一下迭代器：

In [38]: s = 'ab'

In [39]: it = iter(s)

In [40]: it
Out[40]: <iterator at 0x1068e6d50>

In [41]: print it
<iterator object at 0x1068e6d50>

In [42]: it.next()
Out[42]: 'a'

In [43]: it.next()
Out[43]: 'b'

In [44]: it.next()
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-44-54f0920595b2> in <module>()
----> 1 it.next()

StopIteration:

自己實現一個迭代器，如下（參見官網文件）：

class Reverse:
    """Iterator for looping over a sequence backwards."""
    def __init__(self, data):
        self.data = data
        self.index = len(data)

    def __iter__(self):
        return self

    def next(self):
        if self.index == 0:
            raise StopIteration
        self.index = self.index - 1
        return self.data[self.index]

rev = Reverse('spam')
for char in rev:
    print char

[output]
m
a
p
s

• 生成器（Generators）
  生成器是構造迭代器的最簡單有力的工具，與普通函式不同的只有在返回一個值的時候使用yield來替代return，然後yield會自動構建好next()和iter()。是不是很省事。例如：

def reverse(data):
    for index in range(len(data)-1, -1, -1):
        yield data[index]

>>> for char in reverse('golf'):
...     print char
...
f
l
o
g

生成器最佳應用場景是：你不想同一時間將所有計算出來的大量結果集分配到記憶體當中，特別是結果集裡還包含迴圈。比方說，迴圈列印1000000個數，我們一般會使用xrange()而不是range()，因為前者返回的是生成器，後者返回的是列表（列表消耗大量空間）。