本文以實例詳解了python的迭代器與生成器，具體如下所示：

1. 迭代器概述：
 
迭代器是訪問集合元素的一種方式。迭代器對象從集合的第一個元素開始訪問，直到所有的元素被訪問完結束。迭代器只能往前不會后退，不過這也沒什么，因為人們很少在迭代途中往后退。
 
1.1 使用迭代器的優點
 
對于原生支持隨機訪問的數據結構（如tuple、list），迭代器和經典for循環的索引訪問相比并無優勢，反而丟失了索引值（可以使用內建函數enumerate()找回這個索引值）。但對于無法隨機訪問的數據結構（比如set）而言，迭代器是唯一的訪問元素的方式。

另外，迭代器的一大優點是不要求事先準備好整個迭代過程中所有的元素。迭代器僅僅在迭代到某個元素時才計算該元素，而在這之前或之后，元素可以不存在或者被銷毀。這個特點使得它特別適合用于遍歷一些巨大的或是無限的集合，比如幾個G的文件，或是斐波那契數列等等。

迭代器更大的功勞是提供了一個統一的訪問集合的接口，只要定義了__iter__()方法對象，就可以使用迭代器訪問。
 
迭代器有兩個基本的方法
 
next方法：返回迭代器的下一個元素
__iter__方法：返回迭代器對象本身
下面用生成斐波那契數列為例子，說明為何用迭代器
 
示例代碼1

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

直接在函數fab(max)中用print打印會導致函數的可復用性變差，因為fab返回None。其他函數無法獲得fab函數返回的數列。
 
示例代碼2

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

代碼2滿足了可復用性的需求，但是占用了內存空間，最好不要。
 
示例代碼3
 
對比：
 

for i in range(1000): passfor i in xrange(1000): pass

前一個返回1000個元素的列表，而后一個在每次迭代中返回一個元素，因此可以使用迭代器來解決復用可占空間的問題
 

 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()

執行

>>> for key in Fabs(5):  print key

Fabs 類通過 next() 不斷返回數列的下一個數，內存占用始終為常數