What is the difference between iterators and generators? Some examples for when you would use each case would be helpful.

总之：迭代器是具有__iter__和__next__(Python 2中的next)方法的对象。生成器提供了一种创建迭代器实例的简单内置方法。

一个包含yield的函数仍然是一个函数，当调用它时，它返回一个生成器对象的实例：def a_function():

"when called, returns generator object"

yield

生成器表达式还返回生成器：a_generator = (i for i in range(0))

要获得更深入的阐述和示例，请继续阅读。

生成器是迭代器

具体来说，生成器是迭代器的一个子类型。>>> import collections, types

>>> issubclass(types.GeneratorType, collections.Iterator)

True

我们可以用多种方法创建生成器。一种非常常见和简单的方法是使用函数。

具体地说，具有yield的函数是一个函数，当被调用时，它返回一个生成器：>>> def a_function():

"just a function definition with yield in it"

yield

>>> type(a_function)

>>> a_generator = a_function() # when called

>>> type(a_generator) # returns a generator

生成器也是迭代器：>>> isinstance(a_generator, collections.Iterator)

True

迭代器是可迭代的

迭代器是可迭代的>>> issubclass(collections.Iterator, collections.Iterable)

True

它需要返回迭代器的__iter__方法：>>> collections.Iterable()

Traceback (most recent call last):

File "", line 1, in

collections.Iterable()

TypeError: Can't instantiate abstract class Iterable with abstract methods __iter__

iterable的一些示例包括内置元组、列表、字典、集合、冻结集合、字符串、字节字符串、字节数组、范围和内存视图：>>> all(isinstance(element, collections.Iterable) for element in (

(), [], {}, set(), frozenset(), '', b'', bytearray(), range(0), memoryview(b'')))

True

迭代器需要一个next或__next__方法

在Python 2中：>>> collections.Iterator()

Traceback (most recent call last):

File "", line 1, in

collections.Iterator()

TypeError: Can't instantiate abstract class Iterator with abstract methods next

在Python 3中：>>> collections.Iterator()

Traceback (most recent call last):

File "", line 1, in

TypeError: Can't instantiate abstract class Iterator with abstract methods __next__

我们可以使用iter函数从内置对象(或自定义对象)中获取迭代器：>>> all(isinstance(iter(element), collections.Iterator) for element in (

(), [], {}, set(), frozenset(), '', b'', bytearray(), range(0), memoryview(b'')))

True

尝试使用带有for循环的对象时，将调用__iter__方法。然后对迭代器对象调用__next__方法，以获取循环的每个项。迭代器在您用完它时引发StopIteration，此时不能重用它。

从文件中

从内置类型documentation的迭代器类型部分的生成器类型部分：Python’s generators provide a convenient way to implement the iterator protocol. If a container object’s __iter__() method is implemented as a generator, it will automatically return an iterator object (technically, a generator object) supplying the __iter__() and next() [__next__() in Python 3] methods. More information about generators can be found in the documentation for the yield expression.

(强调的是。)

因此我们从中了解到生成器是一种(方便的)迭代器。

迭代器对象示例

您可以通过创建或扩展自己的对象来创建实现迭代器协议的对象。class Yes(collections.Iterator):

def __init__(self, stop):

self.x = 0

self.stop = stop

def __iter__(self):

return self

def next(self):

if self.x < self.stop:

self.x += 1

return 'yes'

else:

# Iterators must raise when done, else considered broken

raise StopIteration

__next__ = next # Python 3 compatibility

不过，简单地使用生成器来实现这一点更容易：def yes(stop):

for _ in range(stop):

yield 'yes'

或者更简单的是，生成器表达式(工作方式类似于列表理解)：yes_expr = ('yes' for _ in range(stop))

它们都可以以相同的方式使用：>>> stop = 4

>>> for i, y1, y2, y3 in zip(range(stop), Yes(stop), yes(stop),

('yes' for _ in range(stop))):

... print('{0}: {1} == {2} == {3}'.format(i, y1, y2, y3))

...

0: yes == yes == yes

1: yes == yes == yes

2: yes == yes == yes

3: yes == yes == yes

结论

当需要将Python对象扩展为可迭代的对象时，可以直接使用迭代器协议。

然而，在大多数情况下，您最适合使用yield来定义返回生成器迭代器或考虑生成器表达式的函数。