[TOC] 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(可迭代对象)，却不是Iterator(迭代器)。 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(迭代器)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