Python 生成器
带有 yield 的函数在 Python 中被称之为 generator（生成器），用斐波那契数列:
def fab(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1
执行:
1 2 3 4 5 6 7 8 9 | >>> for n in fab(5): print n
11235 |
简单地讲，yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 fab(5) 不会执行 fab 函数，而是返回一个 iterable 对象！在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。
也可以手动调用 fab(5) 的 next() 方法（因为 fab(5) 是一个 generator 对象，该对象具有 next() 方法），这样我们就可以更清楚地看到 fab 的执行流程：
1 2 3 4 5 6 7 8 9 10 11 12 13 | >>> f = fab(3)>>> f.next()1>>> f.next()1>>> f.next()2>>> f.next()Traceback (most recent call last): File "<pyshell#62>", line 1, in <module> f.next()StopIteration |
return作用
在一个生成器中，如果没有return，则默认执行到函数完毕；如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。例如
1 2 3 4 5 6 7 8 9 | >>> s = fab(5)>>> s.next()1>>> s.next()Traceback (most recent call last): File "<pyshell#66>", line 1, in <module> s.next()StopIteration |
Python 迭代器
可迭代的 Iterable:
很多数据类型是可以通过for循环进行循环打印，就是可迭代的，如：str, list, dict, tuple, set等。
迭代器 Iterator :
包过生成器和 带 yield 的 generator funcation。
对于原生支持随机访问的数据结构（如tuple、list），迭代器和经典for循环的索引访问相比并无优势，反而丢失了索引值（可以使用内建函数enumerate()找回这个索引值）。但对于无法随机访问的数据结构（比如set）而言，迭代器是唯一的访问元素的方式。
另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合
迭代器有两个基本的方法
next方法：返回迭代器的下一个元素
__iter__方法：返回迭代器对象本身
定义迭代器
下面一个例子——斐波那契数列
class Fabs(object): def __init__(self,max): self.max = max self.n, self.a, self.b = 0, 0, 1 #特别指出：第0项是0，第1项是第一个1.整个数列从1开始 def __iter__(self): return self def next(self): if self.n < self.max: r = self.b self.a, self.b = self.b, self.a + self.b self.n = self.n + 1 return r raise StopIteration() print Fabs(5) for key in Fabs(5): print key
结果
1 2 3 4 5 6 | 11235 |
参考：http://www.cnblogs.com/kaituorensheng/p/3826911.html