1 可以通过for循环来遍历，这种遍历我们称为迭代（Iteration），在Python中，迭代是通过for….in….来完成的.
2
3 from collections import Iterable
4 print(isinstance({1,2,3},Iterable)) #判断一个对象是可迭代对象呢
5
6 要创建一个生成器，第一种方法：只要把一个列表生成式的[]改成()，就创建了一个generator：
7 创建L和L1的区别仅在于最外层的[]和()，L是一个list，而L1是一个generator。
8 我们可以直接打印出list的每一个元素，但不能直接打印出generator的每一个元素。
9 如果要挨个输出出来，可以通过next()函数获得生成器的下一个返回值：
10 L=(x**2 for x in range(10))
11 print(next(L))
12 print(next(L))
13 print(next(L))
14
15 可以看出来，generator保存的是算法，每次调用next1)，可以计算出的下一个元素的值，知道计算到最后一个元素，再继续输出，就会抛出StopIteration的错误。但是不能就这么使用next()函数，正确的方法是使用for循环，因为生成器本身也是可迭代对象
16
17 def fib(max):
18 n,a,b=0,0,1
19 while n<max:
20 yield b
21 a,b=b,a+b
22 n=n+1
23 return 'ok'
24 fib(12)
25 for i in fib(12):
26 print(i)
27
28
29 generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。
30 要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，
31 遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。
32 请注意区分普通函数和generator函数，普通函数调用直接返回结果,generator函数的“调用”实际返回一个generator对象：
33
34 截至到现在，我们可以知道，能够直接作用于for循环的数据类型有以下几种：
35 一种是序列数据类型，如list、tuple、dict、set、str等；
36 一种是generator
37
38 迭代器
39 生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
40 把list、dict、str等Iterable变成Iterator可以使用iter()函数：
41 >>> isinstance(iter([]), Iterator)
42 True
43 >>> isinstance(iter('abc'), Iterator)
44 True
45 为什么list、dict、str等数据类型不是Iterator？
46 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。
47 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。
48
49 凡是可作用于for循环的对象都是Iterable类型；
50 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；
51 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。
52 Python的for循环本质上就是通过不断调用next()函数实现的，例如：
53 for x in [1, 2, 3, 4, 5]:
54 pass
55 实际上完全等价于：
56 # 首先获得Iterator对象:
57 it = iter([1, 2, 3, 4, 5])
58 # 循环:
59 while True:
60 try: # 获得下一个值:
61 x = next(it)
62 except StopIteration:
63 # 遇到StopIteration就退出循环
64 break
