Python教程学习简记7--Python 可迭代对象：Iterable ，迭代器：Iterator
我们已经知道，可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list / tuple / dict / set / str /等;
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
可以使用isinstance()判断一个对象是否是Iterable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()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
生成器都是Iterator对象，但 list / dict / str虽然是Iterable，却不是Iterator。
把 list / dict / str 等Iterable变成Iterator可以使用iter()函数：
>>> isinstance(iter([]),Iterator)
True
>>> isinstance(iter('abc'),Iterator)
True你可能会问，为什么list / dict / str 等数据类型不是Iterator ？
这是因为Python的Iterator对象表示的是一个数据流，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。
小结
凡是可作用于for循环的对象都是Iterable（可迭代对象）类型;
凡是可以作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列;
集合数据类型如 list / dict / str / 等是Iterable可迭代对象但不是Iterator迭代器，不过可以通过iter()函数可以获得一个Iterator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