例子
老規矩，先上一個代碼：
def add(s, x): return s + xdef gen(): for i in range(4): yield ibase = gen()for n in [1, 10]: base = (add(i, n) for i in base)print list(base)
這個東西輸出可以腦補一下， 結果是[20,21,22,23], 而不是[10, 11, 12, 13]。 當時糾結了半天，一直沒搞懂，后來齊老師稍微指點了一下， 突然想明白了--真夠笨的，唉。。好了--正好趁機會稍微小結一下python里面的生成器。
迭代器(iterator)
要說生成器，必須首先說迭代器
區分iterable,iterator與itertion
講到迭代器，就需要區別幾個概念:iterable,iterator,itertion, 看著都差不多，其實不然。下面區分一下。
itertion: 就是迭代,一個接一個(one after another),是一個通用的概念，比如一個循環遍歷某個數組。
iterable: 這個是可迭代對象,屬于python的名詞，范圍也很廣，可重復迭代，滿足如下其中之一的都是iterable:
可以for循環: for i in iterable
可以按index索引的對象，也就是定義了__getitem__方法，比如list,str;
定義了__iter__方法。可以隨意返回。
可以調用iter(obj)的對象，并且返回一個iterator
iterator: 迭代器對象,也屬于python的名詞，只能迭代一次。需要滿足如下的迭代器協議
定義了__iter__方法，但是必須返回自身
定義了next方法,在python3.x是__next__。用來返回下一個值，并且當沒有數據了，拋出StopIteration
可以保持當前的狀態
首先str和list是iterable 但不是iterator:
In [3]: s = 'hi'In [4]: s.__getitem__Out[4]: <method-wrapper '__getitem__' of str object at 0x7f9457eed580>In [5]: s.next # 沒有next方法---------------------------------------------------------------------------AttributeError Traceback (most recent call last)<ipython-input-5-136d3c11be25> in <module>()----> 1 s.nextAttributeError: 'str' object has no attribute 'next'In [6]: l = [1,2] # 同理In [7]: l.__iter__Out[7]: <method-wrapper '__iter__' of list object at 0x7f945328c320>In [8]: l.next---------------------------------------------------------------------------AttributeError Traceback (most recent call last)<ipython-input-8-c6f8fb94c4cd> in <module>()----> 1 l.nextAttributeError: 'list' object has no attribute 'next'In [9]: iter(s) is s #iter() 沒有返回本身Out[9]: FalseIn [10]: iter(l) is l #同理Out[10]: False
但是對于iterator則不一樣如下, 另外iterable可以支持多次迭代，而iterator在多次next之后，再次調用就會拋異常,只可以迭代一次。
In [13]: si = iter(s)In [14]: siOut[14]: <iterator at 0x7f9453279dd0>In [15]: si.__iter__ # 有__iter__Out[15]: <method-wrapper '__iter__' of iterator object at 0x7f9453279dd0>In [16]: si.next #擁有nextOut[16]: <method-wrapper 'next' of iterator object at 0x7f9453279dd0>In [20]: si.__iter__() is si #__iter__返回自己Out[20]: True
這樣，由這幾個例子可以解釋清楚這幾個概念的區別。
自定義iterator 與數據分離
說到這里，迭代器對象基本出來了。下面大致說一下，如何讓自定義的類的對象成為迭代器對象，其實就是定義__iter__和next方法:
In [1]: %pasteclass DataIter(object): def __init__(self, *args): self.data = list(args) self.ind = 0 def __iter__(self): #返回自身 return self def next(self): # 返回數據 if self.ind == len(self.data): raise StopIteration else: data = self.data[self.ind] self.ind += 1 return data## -- End pasted text --In [9]: d = DataIter(1,2)In [10]: for x in d: # 開始迭代 ....: print x ....:12In [13]: d.next() # 只能迭代一次,再次使用則會拋異常---------------------------------------------------------------------------StopIteration Traceback (most recent call last)----> 1 d.next()<ipython-input-1-c44abc1904d8> in next(self) 10 def next(self): 11 if self.ind == len(self.data):---> 12 raise StopIteration 13 else: 14 data = self.data[self.ind]
從next函數中只能向前取數據,一次取一個可以看出來，不過不能重復取數據，那這個可不可以解決呢？
我們知道iterator只能迭代一次，但是iterable對象則沒有這個限制，因此我們可以把iterator從數據中分離出來，分別定義一個iterable與iterator如下：
class Data(object): # 只是iterable:可迭代對象而不iterator:迭代器 def __init__(self, *args): self.data = list(args) def __iter__(self): # 并沒有返回自身 return DataIterator(self)class DataIterator(object): # iterator: 迭代器 def __init__(self, data): self.data = data.data self.ind = 0 def __iter__(self): return self def next(self): if self.ind == len(self.data): raise StopIteration else: data = self.data[self.ind] self.ind += 1 return dataif __name__ == '__main__': d = Data(1, 2, 3) for x in d: print x, for x in d: print x,
輸出就是：
1,2,3
1,2,3
可以看出來數據可以復用，因為每次都返回一個DataIterator，但是數據卻可以這樣使用，這種實現方式很常見，比如xrange的實現便是這種數據與迭代分離的形式，但是很節省內存，如下：
In [8]: sys.getsizeof(range(1000000))Out[8]: 8000072In [9]: sys.getsizeof(xrange(1000000))Out[9]: 40
另外有個小tips， 就是為什么可以使用for 迭代迭代器對象，原因就是for替我們做了next的活，以及接收StopIteration的處理。
迭代器大概就記錄到這里了，下面開始一個特殊的更加優雅的迭代器: 生成器
生成器(generator)
首先需要明確的就是生成器也是iterator迭代器，因為它遵循了迭代器協議.
兩種創建方式
包含yield的函數
生成器函數跟普通函數只有一點不一樣，就是把 return 換成yield,其中yield是一個語法糖，內部實現了迭代器協議，同時保持狀態可以掛起。如下:
def gen(): print 'begin: generator' i = 0 while True: print 'before return ', i yield i i += 1 print 'after return ', ia = gen()In [10]: a #只是返回一個對象Out[10]: <generator object gen at 0x7f40c33adfa0>In [11]: a.next() #開始執行begin: generatorbefore return 0Out[11]: 0In [12]: a.next()after return 1before return 1Out[12]: 1
首先看到while True 不必驚慌，它只會一個一個的執行～
看結果可以看出一點東西:
調用gen()并沒有真實執行函數，而是只是返回了一個生成器對象
執行第一次a.next()時，才真正執行函數，執行到yield一個返回值，然后就會掛起，保持當前的名字空間等狀態。然后等待下一次的調用,從yield的下一行繼續執行。
還有一種情況也會執行生成器函數，就是當檢索生成器的元素時，如list(generator), 說白了就是當需要數據的時候，才會執行。
In [15]: def func(): ....: print 'begin' ....: for i in range(4): ....: yield iIn [16]: a = func()In [17]: list(a) #檢索數據，開始執行beginOut[17]: [0, 1, 2, 3]
yield還有其他高級應用，后面再慢慢學習。
生成器表達式
列表生成器十分方便：如下,求10以內的奇數:
[i for i in range(10) if i % 2]
同樣在python 2.4也引入了生成器表達式，而且形式非常類似，就是把[]換成了().
In [18]: a = ( i for i in range(4))In [19]: aOut[19]: <generator object <genexpr> at 0x7f40c2cfe410>In [20]: a.next()Out[20]: 0
可以看出生成器表達式創建了一個生成器，而且生有個特點就是惰性計算, 只有在被檢索時候，才會被賦值。
之前有篇文章:python 默認參數問題及一個應用,最后有一個例子:
def multipliers(): return (lambda x : i * x for i in range(4)) #修改成生成器print [m(2) for m in multipliers()]
這個就是說，只有在執行m(2)的時候，生成器表達式里面的for才會開始從0循環，然后接著才是i * x,因此不存在那篇文章中的問題。
惰性計算這個特點很有用，上述就是一個應用，2gua這樣說的:
性計算想像成水龍頭，需要的時候打開，接完水了關掉，這時候數據流就暫停了，再需要的時候再打開水龍頭，這時候數據仍是接著輸出，不需要從頭開始循環
其實本質跟迭代器差不多,不一次性把數據都那過來，需要的時候，才拿。
回到例子
看到這里，開始的例子應該大概可以有點清晰了，核心語句就是:
for n in [1, 10]: base = (add(i, n) for i in base)
在執行list(base)的時候，開始檢索，然后生成器開始運算了。關鍵是，這個循環次數是2,也就是說，有兩次生成器表達式的過程。必須牢牢把握住這一點。
生成器返回去開始運算，n = 10而不是1沒問題吧，這個在上面提到的文章中已經提到了，就是add(i, n)綁定的是n這個變量，而不是它當時的數值。
然后首先是第一次生成器表達式的執行過程:base = (10 + 0, 10 + 1, 10 + 2, 10 +3),這是第一次循環的結果(形象表示，其實已經計算出來了(10,11,12,3))，然后第二次，base = (10 + 10, 11 + 10, 12 + 10, 13 + 10) ,終于得到結果了[20, 21, 22, 23].
具體執行過程可以在pythontutor上手動看看執行過程。
小結
概括
主要介紹了大概這樣幾點：
1.iterable,iterator與itertion的概念
2.迭代器協議
自定義可迭代對象與迭代器分離，保證數據復用
3.生成器: 特殊的迭代器,內部實現了迭代器協議
其實這一塊， 那幾個概念搞清楚， ,這個很關鍵， 搞懂了后面就水到渠成了。而且對之前的知識也有很多加深。
比如常見list就是iterator與iteable分離實現的,本身是可迭代對象，但不是迭代器， 類似與xrange,但是又不同。
越來越明白，看源碼的重要性了。 有地方寫的不合適的， 請指正。
參考
http://www.shutupandship.com/2012/01/understanding-python-iterables-and.html
http://www.learningpython.com/2009/02/23/iterators-iterables-and-generators-oh-my/
http://stackoverflow.com/questions/9884132/what-exactly-are-pythons-iterator-iterable-and-iteration-protocols
http://python.jobbole.com/81881/
