本篇文章简单谈谈可迭代对象，迭代器和生成器之间的关系。
三者简要关系图
可迭代对象与迭代器
刚开始我认为这两者是等同的，但后来发现并不是这样；下面直接抛出结论：
1）可迭代对象包含迭代器。2）如果一个对象拥有__iter__方法，其是可迭代对象；如果一个对象拥有next方法，其是迭代器。
3）定义可迭代对象，必须实现__iter__方法；定义迭代器，必须实现__iter__和next方法。
你也许会问，结论3与结论2是不是有一点矛盾？既然一个对象拥有了next方法就是迭代器，那为什么迭代器必须同时实现两方法呢？
因为结论1，迭代器也是可迭代对象，因此迭代器必须也实现__iter__方法。介绍一下上面涉及到的两个方法：
1）__iter__()
该方法返回的是当前对象的迭代器类的实例。因为可迭代对象与迭代器都要实现这个方法，因此有以下两种写法。
写法一：用于可迭代对象类的写法，返回该可迭代对象的迭代器类的实例。
写法二：用于迭代器类的写法，直接返回self（即自己本身），表示自身即是自己的迭代器。
也许有点晕，没关系，下面会给出两写法的例子，我们结合具体例子看。
返回迭代的每一步，实现该方法时注意要最后超出边界要抛出StopIteration异常。
下面举个可迭代对象与迭代器的例子：
- #!/usr/bin/env python
- # coding=utf-8
- class MyList(object): # 定义可迭代对象类
- def __init__(self, num):
- self.data = num # 上边界
- def __iter__(self):
- return MyListIterator(self.data) # 返回该可迭代对象的迭代器类的实例
- class MyListIterator(object): # 定义迭代器类，其是MyList可迭代对象的迭代器类
- def __init__(self, data):
- self.data = data # 上边界
- self.now = 0 # 当前迭代值，初始为0
- def __iter__(self):
- return self # 返回该对象的迭代器类的实例；因为自己就是迭代器，所以返回self
- def next(self): # 迭代器类必须实现的方法
- while self.now < self.data:
- self.now += 1
- return self.now - 1 # 返回当前迭代值
- raise StopIteration # 超出上边界，抛出异常
- my_list = MyList(5) # 得到一个可迭代对象
- print type(my_list) # 返回该对象的类型
- my_list_iter = iter(my_list) # 得到该对象的迭代器实例，iter函数在下面会详细解释
- print type(my_list_iter)
- for i in my_list: # 迭代
- print i
运行结果：
其实该函数与迭代是息息相关的，通过在Python命令行中打印“help(iter)”得知其有以下两种用法。
用法一：iter(callable, sentinel)
不停的调用callable，直至其的返回值等于sentinel。其中的callable可以是函数，方法或实现了__call__方法的实例。
用法二：iter(collection)
1）用于返回collection对象的迭代器实例，这里的collection我认为表示的是可迭代对象，即该对象必须实现__iter__方法； 事实上iter函数与__iter__方法联系非常紧密，iter()是直接调用该对象的__iter__()，并把__iter__()的返回结果作为自己的返回值，故该用法常被称为“创建迭代器”。
2）iter函数可以显示调用，或当执行“for i in obj:”，Python解释器会在第一次迭代时自动调用iter(obj)，之后的迭代会调用迭代器的next方法，for语句会自动处理最后抛出的StopIteration异常。
通过上面的例子，相信对可迭代对象与迭代器有了更具体的认识，那么生成器与它们有什么关系呢？下面简单谈一谈
生成器
生成器是一种特殊的迭代器，生成器自动实现了“迭代器协议”（即__iter__和next方法），不需要再手动实现两方法。
生成器在迭代的过程中可以改变当前迭代值，而修改普通迭代器的当前迭代值往往会发生异常，影响程序的执行。
看一个生成器的例子：
- #!/usr/bin/env python
- # coding=utf-8
- def myList(num): # 定义生成器
- now = 0 # 当前迭代值，初始为0
- while now < num:
- val = (yield now) # 返回当前迭代值，并接受可能的send发送值；yield在下面会解释
- now = now + 1 if val is None else val # val为None，迭代值自增1，否则重新设定当前迭代值为val
- my_list = myList(5) # 得到一个生成器对象
- print my_list.next() # 返回当前迭代值
- print my_list.next()
- my_list.send(3) # 重新设定当前的迭代值
- print my_list.next()
- print dir(my_list) # 返回该对象所拥有的方法名，可以看到__iter__与next在其中
运行结果：
具有yield关键字的函数都是生成器 ，yield可以理解为return，返回后面的值给调用者。不同的是return返回后，函数会释放，而生成器则不会。在直接调用next方法或用for语句进行下一次迭代时，生成器会从yield下一句开始执行，直至遇到下一个yield。
#生成器函数，函数里只要有yield关键字
def gen_func():yield 1
yield 2
yield 3
def fib(index):
if index <= 2:
return 1
else:
return fib(index-1) + fib(index-2)
def fib2(index):
re_list = []
n,a,b = 0,0,1
while n<index:
re_list.append(b)
a,b = b, a+b
n += 1
return re_list
def gen_fib(index):
n,a,b = 0,0,1
while n<index:
yield b
a,b = b, a+b
n += 1
for data in gen_fib(10):
print (data)
# print (gen_fib(10))
# 斐波拉契 0 1 1 2 3 5 8
#惰性求值， 延迟求值提供了可能
def func():
return 1
if __name__ == "__main__":
#生成器对象， python编译字节码的时候就产生了，
gen = gen_func()
for value in gen:
print (value)
# re = func()
# pass