一，迭代器(iterator)和可迭代对象(iterable)
1.两者的介绍：
迭代器：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引起一个Stopiteration异常，以终止迭代（只能往前走不能后退）
可迭代对象：实现了迭代器协议的对象（实现：对象内部定义一个_iter_()方法）
注：字符串、列表、元组、字典、集合、文件对象这些都不是可迭代对象，只不过for循环调用了他们内部的_iter_方法，把他们变成了可迭代对象。
例：可迭代对象的使用方法：a = [1,2,3]iter_a = a.__iter__()print(iter_a.__next__())print(iter_a.__next__())print(iter_a.__next__()) 注： print(next(iter_a)) = print(iter_a.__next__()) 一个调用python提供的内置函数，一个调用数据类型提供的方法例：用while去模拟for循环：a = [1,2,3,5]iter_a = a.__iter__()while True: try: print(iter_a.__next__()) except StopIteration: break
2.迭代器和可迭代对象的判断
可以使用isinstance()判断
>>> from collections import Iterable>>> isinstance([], Iterable)True>>> isinstance({}, Iterable)True>>> isinstance('abc', Iterable)True>>> isinstance((x for x in range(10)), Iterable)True>>> isinstance(100, Iterable)False>>> from collections import Iterator>>> isinstance((x for x in range(10)), Iterator)True>>> isinstance([], Iterator)False>>> isinstance({}, Iterator)False>>> isinstance('abc', Iterator)False 笔者自己画的图，他们之间的关系如图所示
小结:
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
Python的for循环本质上就是通过不断调用next()函数实现的.
二、生成器
1.什么是生成器：
可以理解为一种数据类型，这种数据类型自动实现了迭代器协议（其他的数据类型需要调用自己内置的__iter__方法），所以生成器就是可迭代对象。2.生成器分类： 1)：生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个据俄国中间，挂起函数的状态，以便下次从他离开的地方继续执行. 2): 生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构造一个结果列表。3.生成器特点： 1).获得返回值yield(类似函数return)
2).保留函数的运行状态，下一次运行相当于执行__next()__方法4.生成器函数总结： 1).语法上和函数类似：生成器函数和常规函数几乎是一样的。它们都是使用def语句进行定义，差别在于，生成器使用yield语句返回一个值，而常规函数使用return语句返回一个值。 2).自动实现迭代器协议：对于生成器，Python会自动实现迭代器协议，以便应用到迭代背景中（如for循环、sum函数）。由于生成器自动实现了迭代器协议，所以，我们可以调用你它next方法，并且，在没有值可以返回的时候，生成器自动产生StopIteration异常 3).挂起状态：生成器使用yield语句返回一个值。yield语句挂起该生成器函数的状态，保留足够的信息，以便之后从它离开的地方继续执行#--------包子案例:商家做包子，客人吃包子import timedef product_baozi(): for i in range(100): yield '做好了包子%s'%i time.sleep(3)baozi = product_baozi()names = ['aaa','bbb','ccc','ddd']for name in names: s = baozi.__next__() time.sleep(1) print( s[3:],'已被%s吃了'%name)
*附加：生成器只能遍历一次！
示例：
def test(): for i in range(4): yield i n = test() n1 =(i for i in n) n2 =(i for i in n1) print(list(n2)) 输出结果： [0, 1, 2, 3] ******************
def test(): for i in range(4): yield i n = test() n1 =(i for i in n) n2 =(i for i in n1) print(list(n1)) print(list(n2))
输出结果： [0, 1, 2, 3] []
5.生成器的send用法
def test(): print('start') num = yield 1 yield 2,num yield 3a = test()test0 = a.__next__()test1 = a.send(24) #send的作用相当于使生成器继续运行，并且传递的参数为yield的返回值 test2 = a.__next__()print(test0)print(test1)print(test2) 6.生产者和消费者模型
通过yield实现在单线程的情况下实现并发运算的效果
import timedef producer(name): while True: baozi = yield time.sleep(1) print('%s已制作完毕'%baozi) print('%s把%s吃了'%(name,baozi)) print('-'*30)def consumption(): People_eat1 = producer('Jiang') People_eat2 = producer('Feng') People_eat1.__next__() People_eat2.__next__() for i in range(10): if (i+1)//2 ==1: People_eat1.send('包子%s'%i) else: People_eat2.send('包子%s'%i)consumption()