生成器(constructor)
生成器函数在Python中与迭代器协议的概念联系在一起。包含yield语句的函数会被特地编译成生成器 !!!
当函数被调用时，他们返回一个生成器对象，这个对象支持迭代器接口。
不像一般的函数会生成值后退出，生成器函数在生成值后会自动挂起并暂停他们的执行和状态，他的本地变量将保存状态信息，这些信息在函数恢复时将再度有效
创建生成器方式有两种：
方法一：
s = ( x for x in range(5) )
方法二：
def foo():
print('OK')
yield 1
例子：
def g(n):
for i in range(n):
yield i **2
for i in g(5):
print(i)
要了解他的运行原理，我们来用next方法看看：
t = g(5)
print(t.__next__()) # 0
print(t.__next__()) # 1
print(t.__next__()) # 4
print(t.__next__()) # 9
print(t.__next__()) # 16
print(t.__next__())
Traceback (most recent call last):
File "", line 1, in
StopIteration
在运行完5次next之后，生成器抛出了一个StopIteration异常，迭代终止。
send(msg) 与 next()
了解了next()如何让包含yield的函数执行后，我们再来看另外一个非常重要的函数send(msg)。
其实next()和send()在一定意义上作用是相似的，区别是send()可以传递yield表达式的值进去，而next()不能传递特定的值，只能传递None进去。因此，我们可以看做
c.next() 和 c.send(None) 作用是一样的。
def g(n):
for i in range(n):
ret = yield i **2
print(ret)
t = g(5)
print(t.__next__())
print(t.send('Hello'))
# 0 Hello 1需要注意的是，第一次调用时，请使用next()语句或是send(None)，不能使用send发送一个非None的值，否则会出错的，因为没有yield语句来接收这个值。
send(msg) 和 next()是有返回值的，它们的返回值很特殊，返回的是yield表达式的参数 !
执行顺序是：遇到yield 先返回值，等下次再进入时再用 msg 进行赋值！！！
再来看一个yield的例子，用生成器生成一个Fibonacci数列：
def fab(max):
a, b = 0, 1
while a < max:
yield a
a, b = b, a + b
for i in fab(20):
print(i)
# 0 1 1 2 3 5 8 13
另一个 yield 的例子来源于文件读取。
def read_file(fpath):
BLOCK_SIZE = 1024
with open(fpath, 'rb') as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return迭代器(iterator)
for循环可以用于Python中的任何类型，包括列表、元组等等，实际上，for循环可用于任何“可迭代对象”！
迭代器是一个实现了迭代器协议的对象，Python中的迭代器协议就是有next方法的对象会前进到下一结果，而在一系列结果的末尾是，则会引发StopIteration。
任何这类的对象在Python中都可以用for循环或其他遍历工具迭代，迭代工具内部会在每次迭代时调用next方法，并且捕捉StopIteration异常来确定何时离开。
使用迭代器一个显而易见的好处就是：每次只从对象中读取一条数据，不会造成内存的过大开销。
注意：
判断迭代器的条件是：
有__iter__ 方法
有__next__ 方法
所有的生成器都是迭代器！
迭代器例子：
比如要逐行读取一个文件的内容，利用readlines()方法，我们可以这么写：
for line in open("test.txt").readlines():
print (line)
这样虽然可以工作，但不是最好的方法。因为他实际上是把文件一次加载到内存中，然后逐行打印。当文件很大时，这个方法的内存开销就很大了。
利用file的迭代器，我们可以这样写：
for line in open("test.txt"):
print (line)
这是最简单也是运行速度最快的写法，他并没显式的读取文件，而是利用迭代器每次读取下一行。
for 循环实质：
调用 __iter__ 方法将可迭代对象转换成迭代器
对迭代器对象不断调用 __next__ 方法
处理StopIteration 异常
classFab(object):def __init__(self, max):
self.max=max
self.n, self.a, self.b= 0, 0, 1
def __iter__(self):returnselfdef __next__(self):if self.n
r=self.b
self.a, self.b= self.b, self.a +self.b
self.n= self.n + 1
returnrraiseStopIteration()'''>>> for key in Fabs(5):
print key
1
1
2
3
5'''View Code
可迭代对象(iterable)
判断条件：内部具有 __iter__ 方法
from collections import Iterable,Iterator
print(isinstance(range(1),Iterable))
print(isinstance(range(1),Iterator))
print(isinstance(list(),Iterable))
print(isinstance(list(),Iterator))
