迭代器协议
迭代器协议是指：对象需要提供next方法，它要么返回迭代中的下一项，要么就引起一个StopIteration异常，以终止迭代 。
可迭代对象就是：实现了迭代器协议的对象 。
协议是一种约定，可迭代对象实现迭代器协议。
Python的内置工具(如for循环，sum，min，max函数等)使用迭代器协议访问对象。
我们可以使用for循环来遍历list：
for i in [1,2,3,4,5]:
print(i)但是，我们知道Python的for循环不仅可以遍历list等，还可以用来遍历文件对象，如下所示：
with open('demo01.txt') as f:
for line in f:
print(line)为什么在Python中，文件还可以使用for循环进行遍历呢？这是因为，在Python中，文件对象实现了迭代器协议，for循环并不知道它遍历的是一个文件对象，它只管使用迭代器协议访问对象即可。正是由于Python的文件对象实现了迭代器协议，我们才得以使用如此方便的方式访问文件，如下所示：
生成器
Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生成器的主要好处。
Python有两种不同的方式提供生成器：
生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行。
生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表
生成器函数
使用生成器返回自然数的平方（注意返回的是多个值）：
def gensquares(N):
for i in range(N):
yield i**2
for item in gensquares(5):
print (item)使用普通函数：
def gensquares(N):
list = []
for i in range(N):
list.append(i**2)
return list
for item in gensquares(5):
print (item)可以看到使用生成器函数代码量更少。
生成器表达式
使用列表推导，将一次产生所有结果：
s = [x*2 for x in range(5)]
print(s)将列表中的中括号替换成为圆括号，就是一个生成器表达式：
s = (x*2 for x in range(5))
print(s)
print(next(s))
print(next(s))
print(next(s))
print(next(s))
print(next(s))
print(next(s))s = (x*2 for x in range(5))
print(s)
print(list(s))Python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。例如， sum函数是Python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议，所以，我们可以直接这样计算一系列值的和：
from ipython_genutils.py3compat import xrange
print(sum(x ** 2 for x in xrange(4)))而不是多此一举先构造一个列表：
print(sum([x ** 2 for x in xrange(4)]))生成器
语法上和函数类似：生成器函数和常规函数几乎是一样的。它们都是使用def语句进行定义，差别在于，生成器使用yield语句返回一个值，而常规函数使用return语句返回一个值。
自动实现迭代器协议：对于生成器，Python会自动实现迭代器协议，以便应用到迭代背景中（如for循环，sum函数）。由于生成器自动实现了迭代器协议，所以，我们可以调用它的next方法，并且，在没有值可以返回的时候，生成器自动产生StopIteration异常。
状态挂起：生成器使用yield语句返回一个值。yield语句挂起该生成器函数的状态，保留足够的信息，以便之后从它离开的地方继续执行。
生成器的好处是延迟计算，一次返回一个结果，对于大数据量处理，将会非常有用。
对于前一个表达式，我在自己的电脑上进行测试，还没有看到最终结果电脑就已经卡死，对于后一个表达式，，几乎没有什么内存占用。
sum([i for i in xrange(10000000000)])
sum(i for i in xrange(10000000000))除了延迟计算，生成器还能有效提高代码可读性。例如，现在有一个需求，求一段文字中，每个单词出现的位置。
不使用生成器的情况：
# def index_words(text):
# result = []
# if text:
# result.append(0)
# for index,letter in enumerate(text,1):
# if letter == '':
# result.append(index)
# return result
# text = 'abcde'
# print(index_words(text))
def index_words(text):
if text:
yield 0
for index,letter in enumerate(text,1):
if letter == ' ':
yield index
text = 'abcde'
print(index_words(text))这里，至少有两个充分的理由说明 ，使用生成器比不使用生成器代码更加清晰：
使用生成器以后，代码行数更少。不使用生成器的时候，对于每次结果，我们首先看到的是result.append(index)，其次，才是index。
使用生成器的注意事项
假设文件中保存了每个省份的人口总数，现在，需要求每个省份的人口占全国总人口的比例。
我们需要先求出全国的总人口，然后在遍历每个省份的人口，用每个省的人口数除以总人口数，就得到了每个省份的人口占全国人口的比例。
def get_province_population(filename):
with open(filename) as f:
for line in f:
yield int(line)
gen = get_province_population('data.txt')
all_population = sum(gen)
for population in gen:
print(population/all_population)执行上面这段代码，将不会有任何输出，这是因为，生成器只能遍历一次。在我们执行sum语句的时候，就遍历了我们的生成器，当我们再次遍历我们的生成器的时候，将不会有任何记录。所以，上面的代码不会有任何输出。
因此，生成器的唯一注意事项就是：生成器只能遍历一次。