Python 中的迭代器（Iterator）是一个可以记住遍历位置的对象，用于迭代列表、元组、字典、集合和字符串等可迭代（Iterable）对象，迭代器从集合的第一个元素开始访问，直到所有的元素被访问完结束，并且只能往前不会后退。使用 collections.abc 库中的 Iterable 和 Iterator 可以判断对象是否可迭代和是否为迭代器。
>>> from collections.abc import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance(100, Iterable)
False
>>> from collections.abc import Iterator
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
正如上面代码所示，列表、字典和字符串都是可迭代的，而数字就不是可迭代的。但列表、字典和字符串都不是迭代器，因为可迭代的对象（如列表、元组、字典、集合和字符串），得先使用 iter() 方法把它们初始化为迭代器对象之后，才能使用 next() 方法对其进行迭代。所以 iter([]) 和iter('abc') 都是迭代器。
有了迭代器之后，就可以用 next() 方法对其进行迭代，如果迭代器的内容已经全部迭代完了，就会返回一个 StopIteration 的错误：
>>> list=[1, 2, 3, 4]
>>> it = iter(list) # 创建迭代器对象
>>> print (next(it)) # 输出迭代器的下一个元素
1
>>> print (next(it))
2
>>> print (next(it))
3
>>> print (next(it))
4
>>> print (next(it))
Traceback (most recent call last):File "<stdin>", line 1, in <module>
StopIteration
不断地调用 next() 方法显然太麻烦了，最简洁的方法是使用 for 循环：
>>> for i in [1, 2, 3, 4]:
... print(i)
...
1
2
3
4
注意 for 循环接收的只是可迭代对象而不是迭代器，所以实际上 for 循环帮我们同时完成了 iter() 和 next() 方法，并且在遇到 StopIteration 就会自动退出循环。以下代码和上面是等价的：
it = iter([1, 2, 3, 4, 5]) # 创建迭代器对象
# 循环:
while True:try:i = next(it) # 输出迭代器的下一个元素print(i)except StopIteration: # 遇到StopIteration就退出循环break
说完迭代器，就轮到生成器了。所谓生成器（generator） 就是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
生成器（函数）有两种写法，第一种是类似于列表生成式（推导式） 的写法，只不过把列表的中括号换成小括号而已：
>>> f = (x * x for x in range(10))
>>> f
<generator object <genexpr> at 0x1022ef630>
f 就是一个迭代器，其函数为求平方，所以能使用 next() 方法进行迭代：
>>> next(f)
0
>>> next(f)
1
>>> next(f)
4
>>> next(f)
9
>>> next(f)
16
>>> next(f)
25
>>> next(f)
36
>>> next(f)
49
>>> next(f)
64
>>> next(f)
81
>>> next(g)
Traceback (most recent call last):File "<stdin>", line 1, in <module>
StopIteration
同样地，用 for 循环既然能处理可迭代对象，当然也可以处理迭代器，如下
>>> f = (x * x for x in range(10))
>>> for i in f:
... print(i)
...
0
1
4
9
16
25
36
49
64
81
第二种生成器的写法，就是在创建函数时使用 yield 关键字，假设我们想输出指定长度的斐波拉契数列，有如下函数：
def fib(max):n, a, b = 0, 0, 1while n < max:print(b)a, b = b, a + bn = n + 1return 'done'
调用函数如下：
>>> fib(6)
1
1
2
3
5
8
'done'
只需要把函数中的 print 改为 yield，该函数就变成了生成器函数：
def fib(max):n, a, b = 0, 0, 1while n < max:yield ba, b = b, a + bn = n + 1return 'done'
调用生成器函数就会得到一个生成器，实际上也就是迭代器：
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
所以用 for 循环进行迭代可以得到如下结果：
>>> for i in f:
... print(i)
...
1
1
2
3
5
8
生成器函数和普通函数的执行流程不一样。普通函数是顺序执行，遇到 return 语句或者最后一行函数语句就返回。而变成生成器的函数，在每次调用 next() 的时候执行，遇到 yield 语句返回，再次执行时从上次返回的 yield 语句处继续执行。
最后作个总结：
- 迭代器一定是可迭代的，但集合数据类型如列表、字典、字符串等是可迭代的但不是迭代器，可以通过
iter()函数获得一个迭代器对象； - 凡是可作用于 for 循环的对象都是可迭代的；
- 凡是可作用于
next()函数的对象都是迭代器，它们表示一个惰性计算的序列； - Python 的 for 循环如果接收到还不是迭代器的可迭代的对象，就会调用
iter()将其变成迭代器，然后不断调用next()函数实现迭代过程； - 生成器就是可以让我们通过编写函数，自定义得到的迭代器。
)
