在使用Python的过程中，经常会和列表/元组/字典（list/tuple/dict）、容器（container）、可迭代对象（iterable）、迭代器（iterator）、生成器（generator）等这些名词打交道，众多的概念掺杂到一起难免会让人一头雾水，这里我们用一张图来展现它们之间的关系。

今天我们主要讲解迭代器（iterator）和生成器（generator），在这之前我们先来看下容器（container）和可迭代对象（iterable）。

那什么是可迭代对象呢？

可以返回一个迭代器的对象都可以称之为可迭代对象，我们来看一个例子：

>>> x = [1, 2, 3]
>>> a = iter(x)
>>> b = iter(x)
>>> next(a)
1
>>> next(a)
2
>>> next(b)
1
>>> type(x)
<class 'list'>
>>> type(a)
<class 'list_iterator'>
>>> type(b)
<class 'list_iterator'>

这里的 x 是一个可迭代对象，可迭代对象和容器一样是一种通俗的叫法，并不是指某种具体的数据类型，list 是可迭代对象，dict 也是可迭代对象。a 和 b 是两个独立的迭代器，迭代器内部有一个状态，该状态用于记录当前迭代所在的位置，以方便下次迭代时获取正确的元素。迭代器有一种具体的迭代器类型，比如 list_iterator，set_iterator。可迭代对象实现了 __iter__() 方法，该方法返回一个迭代器对象。

当运行代码：

x = [1, 2, 3]
for ele in x:...

实际执行情况是：

在循环遍历自定义容器对象时，会使用python内置函数iter()调用遍历对象的__iter__()获得一个迭代器，之后再循环对这个迭代器使用next()调用迭代器对象的__next__()。__iter__()只会被调用一次，而__next__()会被调用 n 次。

Iterator（迭代器）

迭代器是一个带状态的对象，它能在你调用next()方法时返回容器中的下一个值，任何实现了__iter__()和__next__()(Python2.x中实现next())方法的对象都是迭代器，__iter__()返回迭代器自身，__next__()返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常。

迭代器与列表的区别在于，构建迭代器的时候，不像列表把所有元素一次性加载到内存，而是以一种延迟计算（lazy evaluation）方式返回元素，这正是它的优点。比如列表中含有一千万个整数，需要占超过100M的内存，而迭代器只需要几十个字节的空间。因为它并没有把所有元素装载到内存中，而是等到调用next()方法的时候才返回该元素（按需调用 call by need 的方式，本质上 for 循环就是不断地调用迭代器的next()方法）。

itertools模块里的函数返回的都是迭代器对象。为了更直观的感受迭代器内部的执行过程，我们自定义一个迭代器，以斐波那契数列为例：

#-*- coding:utf8 -*-
class Fib(object):def __init__(self, max=0):super(Fib, self).__init__()self.prev = 0self.curr = 1self.max = maxdef __iter__(self):return selfdef __next__(self):if self.max > 0:self.max -= 1# 当前要返回的元素的值value = self.curr# 下一个要返回的元素的值self.curr += self.prev# 设置下一个元素的上一个元素的值self.prev = valuereturn valueelse:raise StopIteration# 兼容Python2.xdef next(self):return self.__next__()if __name__ == '__main__':fib = Fib(10)# 调用next()的过程for n in fib:print(n)# raise StopIterationprint(next(fib))

斐波那契数列指的是 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89 ... 这样一个数列，这个数列从第三项开始，每一项都等于前两项之和。

Generator（生成器）

了解了迭代器之后，我们来看下生成器，普通函数用return返回一个值,还有一种函数用yield返回值，这种函数叫生成器函数。函数被调用时会返回一个生成器对象。生成器其实是一种特殊的迭代器，不过这种迭代器更加优雅，它不需要像普通迭代器一样实现__iter__()和__next__()方法了，只需要一个yield关键字。生成器一定是迭代器（反之不成立），因此任何生成器也是一种懒加载的模式生成值。下面来用生成器来实现斐波那契数列的例子：

#-*- coding:utf8 -*-
def fib(max):prev, curr = 0, 1while max > 0:max -= 1yield currprev, curr = curr, prev + currif __name__ == '__main__':fib = fib(6)# 调用next()的过程for n in fib:print(n)# raise StopIterationprint(next(fib))

上面是生成器函数，再来看下生成器的表达式，生成器表达式是列表推导式的生成器版本，看起来像列表推导式，但是它返回的是一个生成器对象而不是列表对象。

>>> x = (x*x for x in range(10))
>>> type(x)
<class 'generator'>
>>> y = [x*x for x in range(10)]
>>> type(y)
<class 'list'>

我们再看看一个例子：

#-*- coding:utf8 -*-
import timedef func(n):for i in range(0, n):# yield相当于return，下一次循环从yield的下一行开始arg = yield iprint('func', arg)if __name__ == '__main__':f = func(6)while True:print('main-next:', next(f))print('main-send:', f.send(100))time.sleep(1)

运行结果为：

main-next: 0
func 100
main-send: 1
func None
main-next: 2
func 100
main-send: 3
func None
main-next: 4
func 100
main-send: 5
func None
Traceback (most recent call last):File "demo.py", line 13, in <module>print('main-next:', next(f))
StopIteration

yield就是return返回一个值，并且记住这个返回的位置，下次迭代就从这个位置后（下一行）开始。next方法和send方法都可以返回下一个元素，区别在于send可以传递参数给yield表达式，这时传递的参数会作为yield表达式的值，而yield的参数是返回给调用者的值。

总结

1. 可迭代对象（Iterable）是实现了__iter__()方法的对象，通过调用iter()方法可以获得一个迭代器（Iterator）。
2. 迭代器（Iterator）是实现了__iter__()方法和__next()__方法的对象。
3. for...in...的迭代实际是将可迭代对象转换成迭代器，再重复调用next()方法实现的。
4. 生成器（Generator）是一个特殊的迭代器，它的实现更简单优雅。
5. yield是生成器实现__next__()方法的关键。它作为生成器执行的暂停恢复点，可以对yield表达式进行赋值，也可以将yield表达式的值返回。