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。 ### 小结 凡是可作用于`for`循环的对象都是`Iterable`类型； 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； 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。 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 ~~~ ### 参考源码 [do_iter.py](https://github.com/michaelliao/learn-python3/blob/master/samples/advance/do_iter.py)