杂谈

许多小伙伴学习python到一定阶段，肯定会遇到 迭代器 和 生成器 的知识点，可能就是稍微了解一下，但并没有清楚这两个实质的区别。

不过，别说刚刚学习python的小伙伴了，就算是老手很多也拎不清 迭代器 和 生成器 的区别，所以今天就来讲一讲 迭代器 和 生成器 到底有啥区别！

在说明两个区别之前，我们先来讲讲 迭代器 和 生成器 有什么用？

它俩其实都是为了高效、灵活、优雅地处理数据，本质上是没啥区别，因此就非常容易混淆。

一、迭代器

如何创建一个 迭代器，非常简单，主要有两种方式：

第一种方式

实现相应的 __iter__ 和 __next__ 即可完成创建一个迭代器，其中 __iter__ 返回 self 即可，而 __next__ 则是相应的迭代逻辑。

class MyIterator:
    def __init__(self):
        self.data = [1, 2, 3, 4, 5]
        self.index = -1

    def __iter__(self):
        # 默认一般返回 self 即可
        return self

    def __next__(self):
        self.index += 1

        if self.index > len(self.data) - 1:
            raise StopIteration

        value = self.data[self.index]

        return value

第二种方式

第二种方式就非常简单了，使用 iter() 来包裹相应序列数据，即可完成迭代器创建：

data = [1, 2, 3, 4, 5]
iter_obj = iter(data)

如何使用迭代器

我们在创建完迭代器后，一般也有两种使用迭代器的方式。

第一种方式

我们使用 next() 来获取迭代器中 __next__ 返回的数据，每调用一次 next() 将会获取一次迭代数据：

data = [1, 2, 3, 4, 5]
iter_obj = iter(data)

v = next(iter_obj)
print(v)  # 1
v = next(iter_obj)
print(v)  # 2

当最后一次之后调用 next() ，将会抛出 StopIteration 异常。

由于 next() 方法每次获取一次迭代数据的特性，我们通常会结合 while 来获取数据：

data = [1, 2, 3, 4, 5]
iter_obj = iter(data)

while True:
    try:
        v = next(iter_obj)
        print(v)
    except StopIteration:
        break

第二种方式

第二种方式是比较常用的方式，就是利用 for in 来循环遍历：

data = [1, 2, 3, 4, 5]
iter_obj = iter(data)

for v in iter_obj:
    print(v)

此时，我们就像循环一个最基础的列表一样，无需捕获异常。

使用次数

特别需要说明的是，迭代器 虽然是一个类，创建后是个对象，但它并不是可以重复使用的，当你第一次获取完所有数据后，迭代器 将无法再获取数据，需要重新创建一个新的 迭代器 对象：

iter_obj = MyIterator()

# 第一次可循环获取到数据
for v in iter_obj:
    print(v)

# 第二次无法循环获取任何数据
for v in iter_obj:
    print(v)

二、生成器

生成器 其实也是一种 迭代器，因此两者本质没有区别，但 生成器 的创建都是通过 yield ，非常高效简洁：

def generator():
    for i in [1, 2, 3, 4, 5]:
        yield i

生成器 会通过 yield 来返回每次迭代的数据，不必像 迭代器 一般需要实现 __iter__ 和 __next__。

当然如果想要更高效地创建 生成器，还有另外一种方式：

# 记住，不是 [] ，而是 ()
gen = (v for v in [1, 2, 3, 4, 5])

一定要记住这个方式是用 () 而不是 []。

如何使用生成器

既然 生成器 也是 迭代器，因此它的使用方式其实跟 迭代器 一致，有两种方式：

# 第一种方式
gen = generator()
while True:
    try:
        v = next(gen)
        print(v)
    except StopIteration:
        break

# 第二种方式
for v in generator():
    print(v)

生成器 亦与 迭代器 一致，循环获取完数据后无法再次获取任何数据，必须重新创建。

三、区别

迭代器 和 生成器 的区别并不在底层逻辑，而是在代码方式上导致的区别，主要有这几个方面：

其他比较好理解，有些小伙伴可能对于 状态管理 有点不明所以，我们看看之前的代码：

# 迭代器需要使用一个类似 self.index 的变量来控制当前迭代的位置
# 因此需要状态管理来保证顺序
class MyIterator:
    def __init__(self):
        self.data = [1, 2, 3, 4, 5]
        self.index = -1

    def __iter__(self):
        return self

    def __next__(self):
        self.index += 1

        if self.index > len(self.data) - 1:
            raise StopIteration

        value = self.data[self.index]

        return value
       
       
# 生成器仅需实现 yield，无需管理当前位置
# 因此不需要状态管理即可实现顺序返回
def generator():
    for i in [1, 2, 3, 4, 5]:
        yield i

怎么样，比对代码后应该会很清晰，迭代器 需要类似 self.index 这样的变量管理当前数据的位置，而 生成器 就不需要这样的处理。

至于网络上还有说 迭代器 会比 生成器 一次性内存消耗大，线程安全问题等等，其实都可以通过技术手段规避，因此本质上没啥区别。

四、总结

我们可以看到 迭代器 和 生成器 其实没有什么差别，一般情况下推荐使用 生成器，它写起来更高效快捷。

以后如果还是分不清 迭代器 和 生成器 的区别，没关系，你可以跟小卡一样统一全部称之为 迭代器 也不是不可以。