前言
拖了这么久才来补生成器和迭代器- -
知识回顾
列表生成式
之前在讲列表的时候并没有经过这个东西，现在我来介绍一下。
列表生成式可以用一句话就能生成一个列表，如a = [x for x in range(10)]，这样就能直接生成一个0~9的列表。相对于利用for循环、while循环来说，更简单快捷。当然你也可以这样做b = [x**2 for x in range(10)]，注意前面公式最多支持三元运算。
生成器
现在，我有一个需求，即生成一个有100000000（1亿）个元素的列表，如果像上面一样：d = [x for x in range(100000000)]，一般的电脑请不要轻易尝试，这种放纵的滋味会让你的电脑死机。壕随意- -。但是即使配置好也发现需要等待一段时间才能给出结果，即使你不用列表生成式，用循环做也一样。这是因为列表生成式总会把元素全都创建好才会返回，如果数据大一点，那将会占用很多内存，但我们实际使用的可能只有里面的一小部分，这样便做了很多无用功。
那么，怎么应对这种情况呢？有这么一个东西，可以将列表元素按照你规定的算法算出，但只有你需要的时候才会生成，你用多少调多少，岂不快哉？
这就是生成器，官方解释如下：
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。-------沃.镃基硕得
那怎么创建呢？
生成器创建方式一
与列表生成式类似，a = (x for x in range(10))，区别仅仅在于中括号变成了小括号。
这样，你就有了一个生成器。那怎么用这个生成器呢？这里我们要用到一个next()语法，字面意思就是下一个，我们来试下效果：
每调用一次next(a)，便返回一个元素。注意这里只能不断向前进，不能后退，即当next(a)返回3的时候，你不可能在next(a)返回2出来，前面的过了就过了，不能再回去了。
当你next返回最后一个元素后，再次next，会有什么效果？
这里会抛出一个StopIteration的异常，告诉你生成器已经到头了，再接下去就没有了。（这个当我们后面学了捕捉异常之后另有用处）。
当然，一次次调用next(a)不太现实，这里我们可以结合循环来做：
你会发现，当使用for循环的时候，就算到了尽头，也不会报错，即不需要关心StopIteration的错误。
生成器创建方式二
有其一必有其二。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
我们用斐波拉契函数做示范：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
…不知道什么是斐波拉契的寄几百度去。
现在我们的fib()距离生成器只有一步之遥：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
# return 'done'
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
生成器与函数的执行流程不太一样：
在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
迭代器
我们已经知道，可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。可以使用==isinstance()==判断一个对象是否是Iterable对象：
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可以使用isinstance()判断一个对象是否是Iterator对象：
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数：
你可能会问，为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。