Python学习之路六---迭代器、生成器
迭代器
在Python中，for循环可以用于Python中的任何类型，包括列表、元祖等等，实际上，for循环可用于任何“可迭代对象”，这其实就是迭代器
迭代器是一个实现了迭代器协议的对象，Python中的迭代器协议就是有next方法的对象会前进到下一结果，而在一系列结果的末尾是，则会引发StopIteration。任何这类的对象在Python中都可以用for循环或其他遍历工具迭代，迭代工具内部会在每次迭代时调用next方法，并且捕捉StopIteration异常来确定何时离开。
使用迭代器一个显而易见的好处就是：每次只从对象中读取一条数据，不会造成内存的过大开销。
比如要逐行读取一个文件的内容，利用readlines()方法，我们可以这么写：
for line in open("a.txt").readlines():
print line上面的读取文件是把文件一次性加载到内存中，然后打印。当文件很大时这个方法的内存开销就很大了。
利用file的迭代器则可以：
for line in open("a.txt")
print line 这种实现不仅运行速度快，而且没有显示的读取文件，知识利用且带起每次读取下一行。
迭代器不要求你事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代至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，比如几个G的文件，或是斐波那契数列等等。这个特点被称为延迟计算或惰性求值(Lazy evaluation)。
迭代器更大的功劳是提供了一个统一的访问集合的接口。只要是实现了_iter_()方法的对象，就可以使用迭代器进行访问。
迭代器的两个基本优点：
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
生成菲波那切数列示例：
代码1
def fab(max):
n, a, b = 0, 0, 1
while n < max:
print b
a, b = b, a + b
n = n + 1代码2
class Fab(object):
def __init__(self, max):
self.max = max
self.n, self.a, self.b = 0, 0, 1
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()使用迭代器
可以通过使用内建的工厂函数iter()来获取迭代器对象：
eg：
lst = range(2)
it = iter(lst)
it.next()生成器
生成器也是属于迭代器，只不过是生成器的函数中一般包含yield语句。当函数调用时，返回一个生成器的对象，这个对象支持迭代器接口。yield就相当于普通函数中的return语句，当做隐形返回对待就可以了。
生成器是逐渐产生结果的复杂递归算法的理想实现工具。
八皇后问题
对于八皇后问题，是一个经典的回溯问题，则利用生成器则可以方便的解决。如下：
conflict(state，nextx)函数，用来判断函数的在某一位置是否为可用位置。
其中：state代表已排好位置的皇后的元组，则state[i]代表第i行即第i个皇后位于第几列（即位置）（i，state(i)）–>>第i行的第state(i)列，nextx代表这个待排皇后的水平位置。
def conflict(state,nextx):
#检查是否冲突
nexty = len(state)
for i in range(nexty):
if abs(state[i]-nextx) in (0,nexty-i):
#检查是否位置与以前的皇后位于同一列或者对角线
return True
return False
def queens(num,state=()):
for pos in range(num):
if not conflict(state,pos):
if pos == num -1:
#如果是最后一个皇后则返回方法元组
yield (pos,)
else:
#如果不是最后一个则将这个位置加入结果元组中
for result in queens(num,state+(pos,))
yield result+(pos,)