迭代器跟生成器，與上篇文章講的裝飾器一樣，都是屬于我的一個老大難問題。通常就是遇到的時候就去搜一下，結果在一大坨各種介紹博客中看了看，回頭又忘記了。你是不是也是這樣呢？

俗話說：好記性不如爛筆頭，雖然現(xiàn)在基本不咋用筆寫字了，但是還是要好好整理下，起碼以后我就不用搜了。

如果現(xiàn)在給你一個列表list_a = [1, 2, 3, 4]，讓你去迭代它，相信大家都很熟悉，直接用for循環(huán)就完事兒，

list_a = [1, 2, 3, 4]for i in list_a: print(i)

運行

1234[Finished in 0.1s]

可以看到，for循環(huán)迭代了列表中的每一個元素，打印了出來。那么for循環(huán)背后都做了什么事情呢？

一、 容器、可迭代對象、迭代器

聽起來陌生，但是你絕對熟悉的詞兒。

在python中，一切都是對象，對象的抽象是類，而對象的集合就是容器。

使用python中常見的容器有很多，比如：列表list:[0, 1, 2]，集合set:([0, 1, 2])，字典dict:{0:0, 1:1, 2:2}以及元組tuple(0, 1, 2)。這些都是多個元素集中在一起的單元，區(qū)別的是內部數(shù)據(jù)結構的實現(xiàn)方法。

所有的容器都是可以迭代的，你可以用for循環(huán)去迭代上述的容器試試。

那把一個個元素找出來，用到的就是迭代器。用iter()可以創(chuàng)建一個迭代器。

迭代器提供一個next()方法，這個方法你每次調用的時候會給你返回下一個對象，或者StopIteration，也就是沒有對象可以給你了。

list_a = [1, 2, 3, 4]it = iter(list_a) # 創(chuàng)建迭代器print(next(it)) #調用next()print(next(it))print(next(it))print(next(it))print(next(it))

運行結果，前4個print可以正常返回，第5個時候就出現(xiàn)StopIteration錯誤了，因為列表中4個元素已經(jīng)返回完了。

1234Traceback (most recent call last):File 'D:練習demo_iterator.py', line 9, in <module>print(next(it))StopIteration[Finished in 0.1s with exit code 1]

二、生成器

什么是生成器？簡單粗暴一點：生成器就是懶人版的迭代器。

在上述的創(chuàng)建迭代器操作中，我們顯然是做了一次性生成的操作，list_a = [1, 2, 3, 4]，這4個元素一次性生成好，以供next()調用。

但是生成出的這些元素都是會保存到內存中去，這只是4個元素，如果有上千萬、上億元素呢？我并不是第一時間要用到所有的元素，我只要在我調用next()的時候產生一個返回給我就好，那么這樣一次性生成就會白白占用了大量的內存。

生成器應運而生，當調用next()的時候，才會生成下一個變量。生成器的寫法很簡單，用小括號，比如把一個列表生成式括起來：(i for i in range(10000))這樣就初始化了一個生成器。

print([i for i in range(10)])print(i for i in range(10))

上面的時列表，下面的就是一個生成器了，區(qū)別就是[]和()。運行結果：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]<generator object <genexpr> at 0x033383A8>[Finished in 0.1s]

yield關鍵字

此外，函數(shù)也可以成為生成器，秘密就是yield關鍵字，比如：

def gen(): a = 0 while a < 100: yield a a += 1test = gen()print(next(test))print(next(test))print(next(test))print(next(test))

運行結果：

0123[Finished in 0.1s]

yield關鍵字，可以這樣理解：當函數(shù)運行到這一行的時候，程序會從這里暫停，yield相當于return會返回，當下次迭代時候，則會從yield的下一行代碼開始執(zhí)行。

所以，我調用了4次print，可以從0開始依次輸出。

從我工作中的使用場景出發(fā)的話，我在做一些自動化測試的時候，有些變量參數(shù)是不可以重復的，用迭代器來定義變量的生成規(guī)則，每次調用都會產生一個新的，就不會重復了。

以上就是徹底搞懂python 迭代器和生成器的詳細內容，更多關于python 迭代器和生成器的資料請關注好吧啦網(wǎng)其它相關文章！