如教程所说，迭代器和生成器算是 Python 一大特色，其核心是基于迭代器协议来的。

而平时我们经常使用的 for in 循环体，本质就是迭代器协议的一大应用。

同时 Python 内置的集合类型（字符、列表、元组、字典）都已经实现了迭代器协议，所以才能使用 for in 语句进行迭代遍历。for in 循环体在遇到 StopIteration 异常时，便终止迭代和遍历。

再说下可迭代、迭代器、生成器三个概念的联系和区别。

1、可迭代概念范围最大，生成器和迭代器肯定都可迭代，但可迭代不一定都是迭代器和生成器，比如上面说到的内置集合类数据类型。可以认为，在 Python 中，只要有集合特性的，都可迭代。

2、迭代器，迭代器特点是，均可以使用 for in 和 next 逐一遍历。

3、生成器，生成器一定是迭代器，也一定可迭代。

至于 Python 中为何要引入迭代器和生成器，除了节省内存空间外，也可以显著提升代码运行速度。

自定义迭代器类示例和说明如下：

class MyIter():
def __init__(self):
#为了示例，用一个简单的列表作为需迭代的数据集合，并且私有化可视情况变为其他类型集合
self.__list1=[1,2,3,4]
self.__index=0
def __iter__(self):
#该魔法方法，必须返回一个迭代器对象，如果self已经定义了__next__()魔法方法，则只需要返回self即可
#因为如上面所述，生成器一定是迭代器
return iter(self.list1)
def __next__(self):
#此处的魔法函数，python会自动记忆每次迭代的位置，无需再使用yield来处理
#在使用next(obj)时，会自动调用该魔法方法
res=self.__list1[self.__index]
self.__index+=1
return res

以上为自定义迭代器类的机制。

下面再示例说明下，如何自定义生成器函数，因为大多数实战场景中，使用生成器函数可能会更多一些:

def my_gene_func():
index=0
li=[1,2,3,4,5]
yield li[index]
index+=1

调用以上函数时，会返回一个生成器对象，然后对该生成器对象，使用 next() 逐一返回:

gene=my_gene_func()
next(gene)

其实核心的概念还是记忆上次迭代的位置，类中直接使用 __next__ 魔法方法实现，函数中使用 yield 实现。且怀疑，类中的 __next__ 魔法方法底层也是使用 yield 来实现的。

迭代器和生成器具体应用场景，就凡是需要提升运行效率或节约内存资源，且遍历的数据是集合形式的，都可以考虑。

另外一个小众的使用场景，是变相实现协程的效果，即在同一个线程内，实现不同任务交替执行

def mytask1():
print('task1 开始执行')
'''
task code
'''
yield
def mytask2():
print('task2 开始执行')
'''
task code
'''
yield
gene1=mytask1()
gene2=mytask2()
for i in range(100):
next(gene1)
next(gene2)

闫伟超

闫伟超