python中生成器与迭代器

可迭代对象：一个实现了iter方法的对象是可迭代的

迭代器：一个实现了iter方法和next方法的对象就是迭代器（iter方法会返回一个迭代器）

生成器都是Iterator对象，但list、dict、str虽然是Iterable（可迭代对象），却不是Iterator（迭代器）。

from collections import Iterator  #迭代器
from collections import Iterable  #可迭代对象

print(isinstance(s,Iterator))     #判断是不是迭代器
print(isinstance(s,Iterable))       #判断是不是可迭代对象

#iter可以把可迭代对象转换为迭代器
print(isinstance(iter(s),Iterator))

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。

生成器：生成器是迭代器的一种

创建生成器的方法有两种：

1.把一个列表生成式的[]中括号改为（）小括号

a = [i+1 for i in range(5)]  # 列表生成式
print(a)
b = (i+1 for i in range(5))  # 生成器
print(b)
print(next(b))
print(next(b))
print(next(b))
print(next(b))
print(next(b))
print(next(b))

输出结果：
[1, 2, 3, 4, 5]
<generator object <genexpr> at 0x00000163C820BAF0>
1
2
3
4
5
Traceback (most recent call last):
  File "E:/myproj/pytest_demo/b.py", line 13, in <module>
    print(next(b))
StopIteration

生成器最常用的还是通过for循环调用：

for i in b:
    print(i)

2.定义一个包含yield语句的函数，通过调用该函数得到生成器（生成器函数）

def fib(max):
    n,a,b =0,0,1
    while n < max:
        yield b
        a,b =b,a+b
        n = n+1
    return 'done'
a =fib(6)                # 调用包含yield语句的函数并不会立即执行，它只是返回一个生成器，只有当程序通过next()函数调用或者遍历生成器时，函数才会真正执行
print(a)
for i in fib(6):        # 之所以能用for循环，是因为fib(6)是个迭代器
   print(i) 

输出结果：
<generator object fib at 0x000001866F62BAF0>
1
1
2
3
5
8

关于yield：
与return类似，程序执行到yield会返回，等再次调用时，程序从上次yield处继续往下执行

如果对以上运行原理还是不清楚，可以通过debug示例代码进一步理解...