参考：迭代器

Note

1.可用于for循环的对象有两类：(1)集合数据类型：list tuple dict str set (2)Generator：生成器和含yield语句的函数。这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

2.可以用isinstance()函数判断一个对象是否为可迭代对象(Iterable)：

>>> from collections import Iterable

>>> isinstance([], Iterable)

True

>>> isinstance({}, Iterable)

True

>>> isinstance((), Iterable)

True

>>> isinstance('abc', Iterable)

True

>>> isinstance((x for x in range(10)), Iterable)

True

>>> isinstance(100, Iterable)

False

3.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。

注意：可迭代对象(Iterable)和迭代器(Iterator)的区别，迭代器一定是可迭代对象，可迭代对象不一定是迭代器。

可以用isinstance()函数判断是否是迭代器。

>>> from collections import Iterator

>>> isinstance([], Iterator)

False

>>> isinstance({}, Iterator)

False

>>> isinstance((), Iterator)

False

>>> isinstance('str', Iterator)

False

>>> isinstance((x for x in range(10)), Iterator)

True

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

4.可以使用iter()函数将一个iterable变成iterator：

>>> isinstance(iter([]), Iterator)

True

>>> isinstance(iter(()), Iterator)

True

>>> isinstance(iter({}), Iterator)

True

>>> isinstance(iter('str'), Iterator)

True

5.为什么Iteratable不是Iterator？ Key：数据流、无法预知其长度、惰性计算。

• Iterator对象表示的是一个数据流，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做是一个有序序列，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。

6.Python的for循环本质上就是通过不断调用next()函数实现的:

for i in [1, 2, 3, 4, 5]:

    print(i)

等价于：

#!/usr/bin/env python3

it = iter([1, 2, 3, 4, 5]) # get iterator

while True :

	try :

		x = next(it)

		print(x)

	except StopIteration :

		break

sh-3.2# ./iterator1.py

1

2

3

4

5

总结

1.凡是可作用于for循环的对象都是Iterable类型；

2.凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

3.集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

2017/2/8