Python迭代器和生成器

一、迭代器（Iterator）

迭代器是一个遵循迭代器协议的对象，这意味着它实现了两个基本的方法：

1. __iter__()：当需要获取迭代器时被调用，它应该返回迭代器对象本身。
2. __next__()：返回容器中的下一个元素。当没有更多元素时，它应该抛出一个 StopIteration 异常来表示迭代结束。

迭代器允许你使用 for 循环来遍历数据集合，而不需要知道集合的大小或者如何获取下一个元素。迭代器模式提供了一种统一的方式来处理不同的数据类型。示例代码如下：

class MyRange:
    def __init__(self, start, end):
        self.start = start
        self.end = end

    def __iter__(self):
        return self

    def __next__(self):
        if self.start >= self.end:
            raise StopIteration
        else:
            current = self.start
            self.start += 1
            return current

# 使用迭代器
my_range = MyRange(0, 5)
for number in my_range:
    print(number)

运行结果为：0 1 2 3 4

二、生成器

生成器可以暂时挂起函数，并保留函数的局部变量等数据，然后在再次调用它的时候，从上次暂停的位置继续执行下去。是通过在函数中使用 yield 语句创建的。当函数执行到 yield 语句时，它会返回 yield 后面的表达式的值，并在下一次从生成器获取值时从该点继续执行。

生成器的优点包括：

• 惰性计算：生成器只在需要时产生值，这使得它们非常适合处理大数据集或无限序列。
• 内存效率：生成器不需要一次性将所有值存储在内存中，而是按需生成和使用。
• 简洁的语法：使用生成器表达式（generator expressions）可以以一种简洁的方式创建生成器。

示例代码如下：

def my_range(start, end):
    current = start
    while current < end:
        yield current
        current += 1

# 使用生成器
for number in my_range(0, 5):
    print(number)

运行结果为：0 1 2 3 4

除了使用for循环进行遍历以外，还可以使用next()函数，会得到同样的效果，例如这里next(my_range)替代for循环会得到相同的结果。