内容概要：
一、生成器
二、迭代器
三、json&pickle数据序列化
| 一、生成器generator |
在学习生成器之前我们先了解下列表生成式，现在生产一个这样的列表[0,2,4,6,8,10],当然有很多方法，下面的方法就叫列表生成式。
>>> [ i*2 for i in range(6) ]
[0, 2, 4, 6, 8, 10]
当然还有其他方法：
>>> a=map(lambda x:x*2,range(6))
>>> for i in a:
... print(i)
...
0
2
4
6
8
10
lambbda版本
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator。
>>> ( i*2 for i in range(6) )
<generator object <genexpr> at 0x000000000106B360>
当我们把列表生成式变成了生产器，它会有__next__()方法(在2.7中是next())，此时我们每调用一次，就会生成一次数据：
>>> a=( i*2 for i in range(6) )
>>> a.__next__()
0
>>> a.__next__()
2
>>> a.__next__()
4
>>> a.__next__()
6
>>>
普通的生成器
定义：如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator
yield作用：使函数状态停留在yield关键字执行完之后的状态，并返回当前的迭代值，当我们使用next方法的时候，会重新唤醒该函数，并从之前保留的状态继续执行下去yield下面的代码；
后续还提到send方法，作用是给yield发送返回数据，让我们来看看普通生成器。
def gen():
a=1
while a<10:
res=yield a
print(res)
a+=1
a=gen()
print(a.__next__())#调用next方法唤醒函数
print("分割线====")
print(a.__next__())
a.send("拿去")#向yield发送返回值
print(a.__next__())
结果：
1
分割线====
None
2
拿去
None
4
通常我们在使用的生成器的时候并不使用next的方法，而是使用for循环取得返回值(tips：当生成器执行到最后时候使用next方法会抛出StopIteration异常，而for循环不会。)；
def gen():
a=1
while a<10:
yield a
a+=1
for i in gen():
print(i)
结果：
1
2
3
4
5
6
7
8
9
| 二、迭代器 |
概念：
可迭代对象（Iterable)）：可以被for循环的对象或者数据类型叫做可迭代对象，所以像list、tuple、dict、set、str、generator都是可迭代对象，这些可迭代对象可以通过iter()方法成为迭代器；
迭代器：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，生成器是迭代器，但迭代器不一定是生成器；
可以使用isinstance()判断一个对象是否是Iterator对象
>>> from collections import Iterator,Iterable
>>> isinstance([],Iterator)#不是迭代器返回false
False
>>> isinstance([],Iterable)#可迭代对象返回True
True
>>> isinstance((i*2 for i in range(6)),Iterator)#是迭代器
True
>>> isinstance((i*2 for i in range(6)),Iterable)
True