Python 迭代器

迭代器

可以直接作用于for循环的对象统称为可迭代对象：Iterable，比如：list，tuple，dict，set，str，generator，包括带yield的生成器函数；可以使用isinstance()判断一个对象是否是可迭代对象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

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
可以使用isinstance()函数判断一个对象是否是Iterator对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

我们可能会疑惑，为什么list，dict，str等数据类型不是Iterator？这时因为Python的Iterator对象表示一个数据流，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作是一个有序序列，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。

总结：

• 凡是可作用于for循环的对象都是Iterable(可迭代)对象；
• 凡是可作用于next()函数的对象都是Iterator(迭代器)对象，它表示一个惰性计算的序列；

集合数据类型，如：list，dict，str等是可迭代对象，但不是迭代器对象。不过可以通过iter()函数获得一个迭代器对象。Python的for循环本质上就是通过不断调用next()函数实现的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

实际上完全等价于：

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break