生成器
把结果保存成生成器的状态，普通的函数中出现yield，就变成生成器。
1、Python 3.3 中 xrange已合并到range.
1 i = range(10) 2 print (i) 3 4 =>range(0, 10)
2. yield 生成器.
1 def func(): 2 print(111) 3 yield 1 4 print(222) 5 yield 2 6 print(333) 7 yield 3 8 return "done" 9 10 k = func() 11 for j in k: 12 print(j)
简易的yield生成器
在 for 循环执行时，每次循环都会执行 func 函数内部的代码，执行到 yield 时，fab 函数就返回一个yield 后面的值，再次迭代时，代码从该 yield 的下一条语句继续执行，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 返回当前的值。
除for循环外，也可以用 k.__next__() 依次取出生成器中的值。
迭代器
可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator
1 #判断一个对象是否是Iterable对象 2 from collections import Iterable 3 print(isinstance([],Iterable)) => True 4 print(isinstance((x for x in range(10)),Iterable)) =>True
#判断一个对象是否是Iterator对象 from collections import Iterator print(isinstance([],Iterator)) =>Falseprint(isinstance((x for x in range(10)),Iterator)) =>True
#把可迭代对象转换成迭代器 from collections import Iterator print(isinstance(iter([]),Iterator)) =>True
你可能会问，为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
学习内容来自：http://www.cnblogs.com/alex3714/articles/5765046.html