迭代器协议规定：对象内部必须提供一个
__next__方法，对其执行该方法要么返回迭代器中的下一项（可以暂时理解为下一个元素），要么就引起一个Stopiteration异常以终止迭代。（当所有元素被取干净后其实内部就会自动触发Stopiteration）可迭代对象是指对象内部必须提供一个
__iter__方法，并且只要是可迭代对象那么就可以通过__iter__方法创造出该对象所专属的迭代器。注意：
1.迭代器（
Iterator）：必须有__next__方法才能被叫做迭代器。2.可迭代对象(
Iterable)：必须有__iter__方法才能被叫做可迭代对象两者之间的关系：
1.迭代器是可迭代对象，
2.可迭代对象不一定是迭代器，
初识迭代器
什么是迭代器
迭代器指的是迭代取值的一种工具。
迭代指的是一个重复的过程，每次重复都必须基于上一次的结果而继续，单纯的重复并不是迭代。
# ==== 迭代与非迭代的区别 ==== count = 0 while count < 5: print(count) count += 1 # 以上的每一次重复动作都是基于上一次重复动作，可以称之为迭代。 while 1: input(">>>") # 以上不可称之为迭代，下一次的重复动作与上一次没有任何关系。
为什么要有迭代器
对于列表等具有索引的数据类型来说，取出他们的值可以使用索引。 而对于字典集合等等不提供索引的数据类型来说，Python必须为其提供一种能够不依赖于索引的取值方式。这种方式就被称为迭代器。
怎么使用迭代器
迭代器可以通过循环进行取值。下面的章节将详细介绍迭代器及其内部原理，学完本章节你就能随心所欲的驾驭迭代器了。
迭代器详解
迭代器和可迭代对象的区别与关系
1.迭代器（
Iterator）：必须有__next__方法才能被叫做迭代器。2.可迭代对象(
Iterable)：必须有__iter__方法才能被叫做可迭代对象
基于这两句话，我们可以为学过的数据类型做一个区分：
[].__iter__() # list具有 __iter__ 方法，是可迭代对象 [].__next__() # list不具有 __next__方法，不是迭代器 # AttributeError: 'list' object has no attribute '__next__'
他们的关系在于：
通过可迭代对象的
__iter__方法。可以为其创造一个专属的迭代器。
示例如下：
# ==== 迭代器和迭代对象的区分 ==== from collections.abc import Iterable # 可以用于判断是否是可迭代对象 from collections.abc import Iterator # 可以用于判断是否是迭代器 li = [1, 2, 3, 4, 5] # isinstance 可以用来判断一个对象是否属于另一个对象 print(isinstance(li, Iterable)) # True 判断是否属于可迭代对象，说明具有__iter__方法 print(isinstance(li, Iterator)) # False 判断是否属于迭代器，说明没有__next__方法。 li_iterator = iter(li) # iter方法就是调用对象内置的__iter__方法。 print(li_iterator) # <list_iterator object at 0x0000021AC6BB3AF0> print(isinstance(li_iterator, Iterable)) # True print(isinstance(li_iterator, Iterator)) # True # 可以看到。iter方法就是为可迭代对象li创建出了一个专属迭代器。
数据类型迭代类型一览
我们可以通过导入collections.abs下的包或者手动输入每种数据类型查看是否具有__next__方法的方式做一个总结：
# ==== 实验过程 ==== from collections.abc import Iterable # 可以用于判断是否是可迭代对象 from collections.abc import Iterator # 可以用于判断是否是迭代器 st = "123" print(isinstance(st,Iterable)) # True print(isinstance(st,Iterator)) # False li = [1,2,3] print(isinstance(li,Iterable)) # True print(isinstance(li,Iterator)) # False tu = (1,2,3) print(isinstance(tu,Iterable)) # True print(isinstance(tu,Iterator)) # False di = {"k1":"v1"} print(isinstance(di,Iterable)) # True print(isinstance(di,Iterator)) # False se = {1,2,3} print(isinstance(se,Iterable)) # True print(isinstance(se,Iterator)) # False with open(file="test.text",mode="w",encoding="utf-8") as f: print(isinstance(f, Iterable)) # True print(isinstance(f, Iterator)) # True # === 了解 === Ps:以下创建方式均为创建出经过优化的可迭代对象。并非迭代器，更并非生成器。 ra = range(1,11) print(isinstance(ra,Iterable)) # True print(isinstance(ra,Iterator)) # False di_keys = di.keys() print(isinstance(di_keys,Iterable)) # True print(isinstance(di_keys,Iterator)) # False di_values = di.values() print(isinstance(di_values,Iterable)) # True print(isinstance(di_values,Iterator)) # False di_items = di.items() print(isinstance(di_items,Iterable)) # True print(isinstance(di_items,Iterator)) # False se_fro = frozenset(se) print(isinstance(se_fro,Iterable)) # True print(isinstance(se_fro,Iterator)) # False
Ps：关于什么叫做经过优化的可迭代对象。会在结束迭代器和生成器的学习后专门开辟一章节来讲。
五大基本容器数据类型（
list，tuple，dict，set，str）等都是属于可迭代对象。本身并不属于迭代器。文件句柄对象本身是属于迭代器。
此外，
range()方法产生的数据类型是属于经过优化的可迭代对象。 以及，dict的keys，items，values等方法产生的数据类型也是属于经过优化的可迭代对象。
循环与迭代器
while循环取值与迭代器的作用体现
迭代器的作用在于：对于没有索引的数据类型，对其遍历取值必须通过迭代器下的
__next__方法来完成。 并且迭代器中的所有值一旦被取出来，该迭代器将不能被二次应用。
# ==== 迭代器的多次迭代示例 ==== # 方式1 : 针对具有索引的数据类型取值,可以不依赖于迭代器 li = [1,2,3,4,5] index = 0 while index < len(li): print(li[index]) index += 1 print("针对具有索引的数据类型取值完毕 ---") # 方式2 ：针对不具有索引的数据类型取值，必须依赖迭代器下的__next__方法。 dic = dict(k1="v1",k2="v2",k3="v3") dic_ator = dic.__iter__() # 创建出专属迭代器,迭代器具有__next__方法 while 1: try: print(dic_ator.__next__()) # 或者用 next(li_ator) except Exception as e: breakprint(" ----> 第二次取值") while 1: try: print(dic_ator.__next__()) # 或者用 next(li_ator) except Exception as e: break# ==== 执行结果 ==== Ps:可以看到。一个迭代器将所有值全部取出后，再对其进行遍历已经取不出值了。 """ 1 2 3 4 5 针对具有索引的数据类型取值完毕 --- k1 k2 k3 ----> 第二次取值 """