最近有讀者留言，問小編生成器與迭代器有什麼區別，小編坦言玩了將近兩年的python，還真沒有直接用過生成器和迭代器的相關方法和協議，我也是惡補了兩天，將我瞭解到的生成器和迭代器致使給大家講一講：
先說說迭代器（iterator），迭代器是訪問可迭代對象的工具，是指用iter(obj)函數返回的對象（實例），並用next(it)函數獲取可迭代對象的數據。關於迭代器函數iter，其語法為：it=iter(iterable)從可迭代對象中返回一個迭代器，iterable必須是可迭代對象，而python數據類型都可以作為可迭代對象使用，此外range函數也是可迭代對象，而next(it)方法是指從迭代器iterator中獲取下一個記錄，如果無法獲取下一條記錄，則觸發StopIterator錯誤，下面就是一個簡單的迭代器函數iter示例：
迭代器函數
可以發現，迭代器只能向前取值，不能後退，next方法使用一次，就代表指針向前進一，如果迭代器無法獲取下一條記錄，則會觸發StopIterator錯誤，於是小編有個不成熟的想法，python的for循環是不是可以用迭代器+while模擬一下，因為for循環對象也是可迭代對象，但與迭代器不同的是，for循環越界時並不會報錯，下面是相關代碼：
迭代器+while模擬for循環
因此for語句的本質可能就是while循環+迭代器，for語句裡先從可迭代對象中返回一個迭代器，對迭代器執行next方法，如果觸發StopIterator異常，迭代器則生成完畢，而代碼中的print輸出，在for循環裡可以通過else語句體現，打印print("循環結束")。
下面解釋一下什麼是生成器，生成器是能夠動態提供數據的對象，生成器對象也是可迭代對象（實例），生成器主要有兩種，一種是生成器函數，一種是生成器表達式。那什麼是生成器函數呢？含有yield語句的函數就是生成器函數，此函數被調用將返回一個生成器對象，可以迭代器調用，可以直接使用next()方法，也可以for循環使用，代碼如下：
生成器函數
可以看出，生成器對象是一個可迭代對象，可以通過迭代器調用，也可以for循環使用，下面再舉一個生成器例子，寫一個生成器函數myeven(start, stop) ，此函數用來被生成從start開始到stop結束（不包含）區間內的一系列偶數，代碼如下：
生成器示例-生成偶數
相信大家還記得range()函數吧，作為一個可迭代對象，可以和for循環配合生成隨機數，而range()函數的本質可以模擬成一個生成器對象。前面已經說過，語法for i in range(num)輸出i相當於迭代器的next函數，一直往前執行，找range()函數要i，執行到yield語句時，生成一個i，立即返回給i，這時繼續找range()函數要i，繼續執行i+=1，說白了，range()函數沒有結束，而是兩個循環一前一後相互執行，稱之為協程，而當yield不能再提供i時，會觸發一個StopIteration異常，結束執行！
那解釋一下生成器的另外一種形式：生成器表達式。生成器對象 = ( 表達式 for 變量 in 可迭代對象 if 真值表達式) ，其中，if子句可以省略，相當於用推導式的形式創建一個新的生成器，生成器表達式和生成器函數一樣，都是生成一個生成器對象，而括號只是一個生成器工具，是指有需要生成元素時，將for循環每生成的一個元素作為x傳遞給next(it)，具體看代碼：
生成器表達式
生成器的最大好處就在於用多少，生成多少，既保留了當前狀態，下次又可在另外一個地方調用它，它會繼續按以前狀態繼續執行下去，這對於數據量很大的程序有很大的用處。接著我們來看一個高級一點的，這裡我們以產生斐波那契數列的前40個數為例，一般的方法都會產生大量的重複計算，生成的大量數據會佔滿內存，但是我們的生成器就可以完美解決這個問題。我們可以產生一個生成器，需要多少取多少即可，直接上代碼：
斐波那契數列
受制於水平的有限，這裡將迭代器和生成器進行了簡單的對比，而生成器的主要優勢在於隨用隨時生成，不佔用內存，尤其是在生成一個無窮數列的時候作用明顯，不過小編想說，無論是用生成器生成數據，還是用遞歸或是其他方法，代碼邏輯才是最重要的。需要交流和切磋的讀者朋友，請在評論區積極留言，歡迎關注頭條號：杜哥說python。
