⽣成器也是⼀种迭代器，但是你只能对其迭代⼀次。
这是因为它们并没有把所有的值存在 内存中，⽽是在运⾏时⽣成值。
你通过遍历来使⽤它们，要么⽤⼀个“for”循环，要么将它 们传递给任意可以进⾏迭代的函数和结构。
⼤多数时候⽣成器是以函数来实现的。
然⽽， 它们并不返回⼀个值，⽽是yield(暂且译作“⽣出”)⼀个值。
这⾥有个⽣成器函数的简单 例⼦：
def generator_function():
for i in range(10):
yield i
for item in generator_function():
print(item)
# Output: 0 # 1 # 2 # 3 # 4 # 5 # 6 # 7 # 8 # 9
这个案例并不是⾮常实⽤。
⽣成器最佳应⽤场景是：你不想同⼀时间将所有计算出来的⼤ 量结果集分配到内存当中，
特别是结果集⾥还包含循环。
译者注：这样做会消耗⼤量资源 许多Python 2⾥的标准库函数都会返回列表，⽽Python 3都修改成了返回⽣成器，因为⽣成 器占⽤更少的资源。
下⾯是⼀个计算斐波那契数列的⽣成器：
# generator version
def fibon(n):
a = b = 1 for i in range(n):
yield a
a, b = b, a + b
Now we can use it like this:
for x in fibon(1000000):
print(x)
⽤这种⽅式，我们可以不⽤担⼼它会使⽤⼤量资源。然⽽，之前如果我们这样来实现的 话：
def fibon(n):
a = b = 1
result = []
for i in range(n):
result.append(a)
a, b = b, a + b
return result
这也许会在计算很⼤的输⼊参数时，⽤尽所有的资源。
我们已经讨论过⽣成器使⽤⼀次迭 代，但我们并没有测试过。
在测试前你需要再知道⼀个Python内置函数：next()。
它允 许我们获取⼀个序列的下⼀个元素。
那我们来验证下我们的理解：
def generator_function():
for i in range(3):
yield i
gen = generator_function()
print(next(gen))
# Output: 0 print(next(gen))
# Output: 1 print(next(gen))
# Output: 2 print(next(gen))
# Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# StopIteration
我们可以看到，在yield掉所有的值后，next()触发了⼀个StopIteration的异常。
基本上这个异常告诉我们，所有的值都已经被yield完了。
你也许会奇怪，为什么我们在 使⽤for循环时没有这个异常呢？
啊哈，答案很简单。for循环会⾃动捕捉到这个异常并 停⽌调⽤next()。
你知不知道Python中⼀些内置数据类型也⽀持迭代哦？我们这就去看 看：
my_string = "Yasoob" next(my_string)
# Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# TypeError: str object is not an iterator 好吧，这不是我们预期的。
这个异常说那个str对象不是⼀个迭代器。
对，就是这样！它 是⼀个可迭代对象，⽽不是⼀个迭代器。
这意味着它⽀持迭代，但我们不能直接对其进⾏ 迭代操作。
那我们怎样才能对它实施迭代呢？是时候学习下另⼀个内置函数，iter。
它 将根据⼀个可迭代对象返回⼀个迭代器对象。
这⾥是我们如何使⽤它：
my_string = "Yasoob"
my_iter = iter(my_string)
next(my_iter) # Output: 'Y'
