On the way of Pythonic…

Generator和iterator相伴相生，却不尽相同。

生成器(generator)

generator通常也是可迭代的，但并非是一次性生成所有迭代成员的列表，而是在循环的过程中通过next()方法不断获取后续元素。所以generator的存在可以节省内存资源（假如需要迭代一个包含海量数据的列表，那所占用的内存也会是不可忽略的)

下面的代码就可以获得一个generator：

from types import GeneratorType from collections import Iterable, Iterator g = (x for x in range(10)) print(isinstance(g, GeneratorType)) print(isinstance(g, Iterable)) print(isinstance(g, Iterator)) >>> True True True 

我们也可以自己定义一个generator,当然这就要用到yield关键字

from types import GeneratorType from collections import Iterable, Iterator def fib(max): a, b = 0, 1 while True: if b > max: return else: yield b a, b = b, a+b print(a, b) print(isinstance(fib(5), GeneratorType)) print(isinstance(fib(5), Iterable)) print(isinstance(fib(5), Iterator)) print for f in fib(5): print f >>> True True True 1 (1, 1) 1 (1, 2) 2 (2, 3) 3 (3, 5) 5 (5, 8) 

• fib(5)就是一个generator, 同样也是一个iterator，所以支持用for来进行迭代。
• yield和return同样都返回函数的值，区别在于return的返回是一次性的。yield只是返回了generator的一次迭代值， 函数的代码在yield返回迭代值后就会停止本次执行，yield之后以及之前的代码都只会在下次迭代执行。
• generator在迭代完所有的值后，再次迭代（执行next()方法）会自动抛出StopIteration异常。但在for循环中无需处理该异常, 循环能够正常结束。

迭代器(iterator)

可以通过next()方法不断调用下一个迭代值的对象成为迭代器，迭代器支持for循环进行迭代。

• 可迭代(Iterable)的数据类型包括，list, tuple, dict, set, str等，但这些数据类型并不是Iterator
• Generator同样也是一个iterator，并且也是一种Iterable的数据类型

from types import GeneratorType from collections import Iterable, Iterator print(isinstance([], GeneratorType)) print(isinstance([], Iterable)) print(isinstance([], Iterator)) print(isinstance(iter([]), Iterator)) >>> False True False True 

• 如果有必要，可以使用iter()函数将Iterabe的对象转换成Iterator对象。

To be continue…