前言：
迭代的意思是重复做一些事很多次-就像循环中那样，for循环中对序列和字典进行迭代，但是实际上也能对其他的对象进行迭代：实现__iter__方法的对象。
迭代器
__iter__方法返回一个迭代器。所谓的迭代器就是具有next方法（方法不需要参数）的对象。在调用next方法时，迭代器会返回它的下一个值。如果next方法被调用，迭代器没有值可以返回，就会引发一个StopIteration异常
- 迭代器的优点：
为什么不使用列表？如果有一个接一个地计算值得函数，那么在使用时可能是计算一个值时获取一个值-而不是通过列表一次性获取所有的值。如果有很多值，列表就会占用很多的内存，使用迭代器就很优雅。 - 例子：
一个实现了__iter__方法的对象是可以迭代的，一个实现了next方法的对象则是迭代器。
class Fibs:
def __init__(self):
self.a = 0
self.b = 1
def next(self):
self.a,self.b = self.b,self.a
return self.a
def __iter__(self):
return self
- 迭代器得到列表
可以将迭代器转换为列表，使用list（Iterator）方法即可得到迭代的列表。
生成器
解决两层的嵌套数据结构，比如：列表的列表，a = [[1,2],[3,4],[5,6]]。按顺序得到每一个数字，则需要两个for迭代来完成。
这就是生成器的一个简单的例子，解决嵌套问题。
- 递归生成器
如果要处理任意层嵌套该怎么办？例如可能要用树形结构表示。所以把解决方案变得更灵活，在不知道会遇到的具体层数的时候，我们可以求助于递归（recursion）。
def flatten(nested):
try:
for sublist in nested:
for elemnet in flatten(sublist):
yield element
except TypeError:
yield nested
- 通用生成器
生成器是一个包含yield关键字的函数。当它被调用时，在函数中的代码不会被执行，而会返回一个迭代器。每次请求一个值，就会执行生成器中的代码，直到遇到一个yield或者return语句。
生成器由两部分组成：生成器的函数和生成器的迭代器。生成器的迭代器是函数的返回部分，函数是用def定义的。 - 生成器方法
生成器单位新属性是在开始运行后为生成器提供值得能力
send，throw，close方法
外部作用域访问生成器的send方法，给生成器发送一个值，然后yield输出出来。
throw抛出异常
close停止生成器 - 作用，有next方法，也可以用for来迭代生成数值，一次生成一个，可以用for 循环迭代，用list来序列化
例子：
def flatten(nested):
try:
for sublist in nested:
for element in flatten(sublist):
yield element
except TypeError:
yield nested
a = [[[1,214515,12,45,5],5,5,6],[14,5,45,5],[14,5,[454,4,5,[4,54,4545,[4,54,54,12]]]]]
b = flatten(a)
b.__next__()
c =list(b)
print(c)
for i in b:
print(i)
out:[214515, 12, 45, 5, 5, 5, 6, 14, 5, 45, 5, 14, 5, 454, 4, 5, 4, 54, 4545, 4, 54, 54, 12]
上述方法中，b就是一个生成器
参考：
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器（Generator）。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x104feab40>