在搞清楚Generator之前，我们先讨论一下 iterable , iterator, iteration

1.Iterable

我们知道，在Python中所有东西都是object, 比如说变量，容器，类对象都是object.

Iterable就是一种object，它具有__iter__ 或者__getitem__方法，能够返回一个iterator。

即iterable是给我们提供iterator的object.  

2.Iterator

iterator 是一种用于 next 方法的object. 调用next()方法，可以每次取得iterator中的一个元素。

3.Iteration 

在一个数据容器中遍历它的成员的过程 就是iteration。

4. Generator

Generator是那种通过yield方法来遍历元素的函数（即函数体中有yield存在的函数）。

Generator也是iterator，但是只能遍历它一次。它的好处是不存储元素值，也就不占内存空间。

关于Generator 可以看这个介绍：

http://www.ibm.com/developerworks/cn/opensource/os-cn-python-yield/index.html

用一个斐波那契数列的例子：

写法1： 直接打印出

def fab(max):     n, a, b = 0, 0, 1     while n < max:         print b         a, b = b, a + b         n = n + 1

这种方法能够将每一步的值打印出来，但是缺点是无法复用，比如算完fab(5)之后，再算fab(10)又要重新计算。

因此我们可能考虑将中间结果用一个list容器保留下来。

写法2： 用list保存结果。

def fab(max):     n, a, b = 0, 0, 1     L = []     while n < max:         L.append(b)         a, b = b, a + b         n = n + 1     return L

这种写法的缺陷是随着参数的增大，list中存储的数据会特别占内存。

因此我们引入generator，前文已经说了，它只能遍历一次，且不占内存。

写法3：使用generator

 def fab(max):     n, a, b = 0, 0, 1     while n < max:         yield b         # print b         a, b = b, a + b         n = n + 1 

 >>> for n in fab(5):  ...     print n 

注意，此时的fab(5) 其实是一个iterator而不是一个函数了，我们只需要遍历它并且输出就可以了。generator在运行时，每次迭代都会保存这一次的yield的值，下次迭代就从这个值开始计算，因此不占内存。

注意：  在generator function中一般是没有return的，如果在执行中return，则抛出StopIteration 终止迭代。

在for循环一个generator时，是不会越界的。但是如果用iterator.next()这种方法遍历，则会产生越界情况，此时会抛出StopIteration 异常，终止迭代。

生成器和迭代(Generator: iterable , iterator, iteration)