可迭代对象
可迭代对象指的是定义了_ _ iter _ _ 方法的对象，调用该方法会返回一个迭代器对象。
可迭代对象，例如：list列表、tuple元组、带有上述iter方法的对象等等。
# -*- coding: utf-8 -*-
from collections.abc import Iterable
from collections.abc import Iterator
# list的创建可以用list()函数和元组构建；也可以用[]和元素构成
a = list((1, 3, 5))
b = [2, 4, 6]
print(type(a), type(b))
# Output: <class 'list'> <class 'list'>
# 可见，list列表是一个可迭代对象，但不是一个迭代器；
# 也可以进入list函数中查看没有__next__方法，只有一个__iter__方法。
x = isinstance(a, Iterable)
y = isinstance(a, Iterator)
print(x, y)
# Output: True False
# 正因为，list是一个可迭代对象，所以可以用for循环遍历
for i in a:
# Output: 1 3 5
print(i, end=' ')
print(" ")
# 回忆以往常用的range函数就是一个可迭代对象，
# 因为进入函数内部同样没有__next__方法，只有一个__iter__方法。
for j in range(1, 10, 2):
# Output: 1 3 5 7 9
print(j, end=" ")
个人理解：在可迭代对象中使用for循环，实际上就是调用iter()--
迭代器
定义
迭代器就是定义_ _ next _ _ 方法的对象。每次调用上述方法就返回迭代器一个值，没有就抛出StopIteration异常。
创建
迭代器可以由可迭代对象通过内置函数iter()函数实现，该函数会接受一个可迭代对象，返回一个迭代器对象。实际上，iter()函数内部调用可迭代对象的——iter——方法。而前面在可迭代对象中就提到，该方法会返回一个迭代器对象。
小结：可迭代对象转化成为迭代器仅需要一个iter函数，其实质还是调用可迭代对象内部的——iter——方法去返回一个可迭代对象。
应用
迭代器如何应用？其实调用Python内置函数next函数就可以，该函数会接受一个迭代器对象，返回迭代器对象的下一个值。实际上，next()函数在内部调用了迭代器对象的——next——方法。
小结：迭代器其实多定义了一个——next——方法的可迭代对象，然后通过iter函数调用自己——iter——方法返回迭代器，让迭代器不仅可以可以for循环遍历，也可以通过next函数来访问下一个值。
注意分清：__iter__方法，__next__方法;内置函数iter(),内置函数next()
所以当有一个迭代器对象的时候，就不仅可以for循环遍历，也可以通过next函数访问下一个输出。
# 接前面代码，继续！
# 通过iter函数将可迭代对象转化成为迭代器。
a_iter = iter(a)
print(isinstance(a_iter, Iterable), isinstance(a_iter, Iterator))
# Output: True True
# 然后使用next函数访问下一个值
print(next(a_iter))
# Output: 1
# 这个比较有趣，发现可迭代对象一旦调用next函数，则值访问就减少一次。
for i in a_iter:
# Output: 3 5
print(i, end=" ")
# print(next(a_iter)) Output：抛出异常，StopIteration 因为没有下一个值。
注意
这里解释一下，为何可迭代对象和迭代器都可以通过for循环迭代元素。
这是因为for循环对象要求一定要是可迭代对象！
所以可迭代对象可以进行for循环，而可迭代对象通过iter函数生成的迭代器也可以for循环。
因为在for循环内部，首先会调用iter函数，将需要遍历的对象（可迭代对象）转变成迭代器，然后在迭代器上重复调用next函数，直到抛出异常。
生成器
生成器的基本功能就是用来创建迭代器，形式上类似于普通定义函数，拥有yield关键字。
yield关键字不同于return，return后会推出相关代码，但yield则会保留退出，下次继续。
# 接上面代码，继续！
# 定义一个生成器，其形式类似函数定义，且拥有关键字yield
def generator_test():
yield 1
yield 2
yield 3
g = generator_test()
# Output: <class 'generator'>
print(type(g))
# 可见，生成器内部拥有以下两个方法，自然依据定义，生成器既是可迭代对象，也是迭代器。
print(hasattr(g, '__iter__'), hasattr(g, '__next__'))
# Output: True True
# 既然是迭代器，那自然可以通过next函数访问下一个值，也可以for循环遍历。
print(next(g))
# Output: 1
for i in g:
# Output: 2 3
print(i, end=" ")
关系图
- 迭代器一定是一个可迭代对象，因为既有可迭代对象的iter方法，也有可迭代对象不具备的next方法。
- 但反过来，可迭代对象却不一定是一个迭代器，但能通过iter函数实现。
- 迭代器可以通过next函数访问下一个值，也可以和可迭代对象一样for循环遍历。
- 生成器就是用来创建迭代器的函数，使用yield关键字，返回一个生成器。
- 生成器既是一个可迭代对象，也是一个迭代器。
- for循环就是迭代器调用next函数依次访问下一个值。
