1、迭代协议
迭代就是可以使用循环将数据挨个挨个取出来，这个好理解是吧，比如，咱们常见的对一个列表进行迭代：
for i in [1, 2, 3]:
print(i)
结果不用讲肯定是挨着取出列表里面的数字了。
那列表里面究竟是实现了什么协议，或者说一个对象实现什么魔法函数就可以迭代呢，这就是迭代协议：__iter__
一个类只要实现了魔法函数 __iter__ 就是可迭代的（Iterable），但是它还不是迭代器(Iterator)，品一下区别。
class IterTest:
def __iter__(self):
...
来验证一下：
from collections.abc import Iterable
from collections.abc import Iterator
print("是否可迭代：", isinstance(IterTest(), Iterable))
print("是否为迭代器：", isinstance(IterTest(), Iterator))
是否可迭代：True
是否为迭代器：False
你看实现了迭代协议，就是可迭代的，想起鸭子类型了吗。
2、迭代器和可迭代对象
我们现在知道一个对象只要实现了 __iter__ 就是一个可迭代的对象，现在咱们来试试对一个可迭代对象使用 for 循环进行迭代，放个简单的列表进去看看：
class IterTest:
def __iter__(self):
return [1, 2, 3]
for i in IterTest():
print(i)
在 __iter__ 函数里面返回一个列表，列表是一个可迭代的对象，但不是迭代器。
Traceback (most recent call last):
File "/tmp/pycharm_project_609/123.py", line 11, in
for i in IterTest():
TypeError: iter() returned non-iterator of type 'list'
运行报错了，说 iter 返回了一个不是迭代器的对象。说明在 __iter__ 里面需要返回一个迭代器，对吧，其他的先不管，咱们放一个迭代器进去，保证程序跑起来不报错。
放一个生成器表达式进去试试：
class IterTest:
def __iter__(self):
return (i for i in range(3))
for i in IterTest():
print(i)
0
1
2
唉，这下对了，没报错，而且也能迭代出来了。
但是，此时仍然还不是一个迭代器，要实现迭代器，还必须要实现另外一个魔法函数：__next__
class IterTest:
def __iter__(self):
return (i for i in range(3))
def __next__(self):
...
验证一下
print("是否为迭代器：", isinstance(IterTest(), Iterator))
是否为迭代器： True
你看，实现 __next__ 之后，就是一个迭代器了。那 __next__ 应该怎么写，前面我们已经看到， __iter__ 里面是不负责逻辑处理的，它只管返回，逻辑处理需要在 __next__ 里面去做。
使用经典的斐波那契数列来举例：
class Fib:
def __init__(self, n):
self.a, self.b = 0, 1
self.n = n
# 返回迭代器对象本身
def __iter__(self):
return self
# 返回容器下一个元素
def __next__(self):
if self.n > 0:
self.a, self.b = self.b, self.a + self.b
self.n -= 1
return self.a
else:
raise StopIteration
这里面 n 是用来限制迭代次数的，不然这个循环将一直进行下去，直到宇宙的尽头，抛 StopIteration 异常会被 for 循环自动处理掉。
for i in Fib(10):
print(i)
1
2
3
5
8
13
21
34
55
这样我们就实现了一个简单的迭代器。
简单一句话总结一下：迭代器就是使对象可以进行 for 循环，它需要实现 __iter__ 和 __next__ 两个魔法函数。
有同学要说了，就这？不就用 for 循环嘛，搞这么复杂嘎哈，我为什么要用迭代器啊？
为什么要使用迭代器
节省资源消耗，迭代器并不会计算每一项的值，它只在你访问这些项的时候才计算，也就是说它保存的是一种计算方法，而不是计算的结果。能理解吗，相当于迭代器是鱼竿，而不是一池子的鱼，需要鱼的时候钓就行了，而不用把所有鱼都搬回家。
平时可能感受不到哈，当你需要计算一个非常大的数据时，你就能感受到了，这就是“惰性求值”的魅力。
你可以试试前面的斐波那契数列的列子，对比一个普通的列表，然后给一个很大的数字，区别就很明显了。
3、生成器
生成器也是一种迭代器，特殊的迭代器，它也可以用 for 循环来取值，但是大部分的情况下是使用 next() 函数进行取值。
前面我们讲生成器表达式已经见识过，这是一种便携的写生成器的方法：
my_gen = (i for i in range(10))
print(next(my_gen))
print(next(my_gen))
print(next(my_gen))
print(next(my_gen))
0
1
2
3
一般这么玩的哈。
前面讲的好多对象都是在类里面定义的，而生成器对象就不是在类里面了，而是在函数里面定义，在一个函数里面只要出现了 yield 它就不是普通函数，而是一个生成器。
def my_gen():
print("setp 1")
yield 1
print("setp 2")
yield 2
g = my_gen()
next(g)
next(g)
step 1
step 2
yield 的用途是让函数暂停，并保存对象状态在内存中，下次再使用 next 调用同一个对象时，又开始从之前暂停的位置开始执行，直到运行到下一个 yield 又暂停，如果后面没有 yield了，则会抛 StopIteration 异常。
yield 和 return 都能返回数据，但是有区别，return 语句之后的代码是不执行的，而 yield 后面还可以执行。
有同学要问了，生成器函数里面能用 return 吗？好问题，不愧是你。
生成器里面是可以用 return 的，但是，return 后面的数据不会被返回。
举例：
def my_gen():
yield 1
yield 2
return 3
for i in my_gen():
print(i)
1
2
你看，3 并没有被返回，所以说生成器里面的 return 只是一个结束的标志，它不会把后面的值返回给调用者，这跟函数里面的 return 是不一样的。
4、总结
看完前面迭代器和生成器的内容，可能有些同学有点晕了，没关系，多看几遍，经常看，经常晕。
我们简单总结一下：
- 迭代器需要实现两个魔法函数：
__iter__和__next__； - 迭代器允许惰性求值，只有在请求下一个元素时迭代器对象才会去生成它，它保存的是一种生成数据的方法；
- 生成器是迭代器的一种更
Pythonic的写法，可以在函数里面用yield创建一个迭代器； - 生成器表达式是生成器的一种更加
Pythonic的写法。
