迭代器指的是迭代取值的工具，迭代是一个重复的过程，每次重复都是基于上一次的结果而继续的，单纯的重复并不是迭代
迭代器是用来迭代取值的工具，而涉及到把多个值循环取出来的类型有：列表、字符、元组、字典、集合、打开文件
l=[‘egon‘,‘liu‘,‘alex‘]
i=0
while i < len(l):
print(l[i])
i+=1
上述迭代取值的方式只适用于有索引的数据类型：列表、字符串、元组
为了解决基于索引迭代器取值的局限性
python必须提供一种能够不依赖于索引的取值方式，这就是迭代器
<1>、可迭代的对象：但凡内置有__iter__()方法的都称之为可迭代的对象
s1=‘‘
s1.__iter__()
l=[]
l.__iter__()
t=(1,)
t.__iter__()
d={‘a‘:1}
d.__iter__()
set1={1,2,3}
set1.__iter__()
with open(‘a.txt‘,mode=‘w‘) as f:
f.__iter__()
pass
以上几种数据类型都有__iter__()方法，所以都是可迭代对象
<2>、调用可迭代对象下的__iter__()方法会将其转换成迭代器对象
d={‘a‘:1,‘b‘:2,‘c‘:3}
d_iterator=d.__iter__() # 转换为迭代器对象
print(d_iterator) # <dict_keyiterator object at 0x00000288C0D0E360>
print(d_iterator.__next__())
print(d_iterator.__next__())
print(d_iterator.__next__())
print(d_iterator.__next__()) # 抛出异常StopIteration
解决异常的方法
while True:
try:
print(d_iterator.__next__())
except StopIteration: # 捕捉异常
break
在一个迭代器取值取干净的情况下，再对其继续取值取不到
while True:
try:
print(d_iterator.__next__())
except StopIteration:
break
print(‘====>>>>>>‘) # 上面的循环已将迭代器取干净，下面的无法再取出
# d_iterator=d.__iter__() 重新生成一个迭代器才可继续取值
while True:
try:
print(d_iterator.__next__())
except StopIteration:
break
<3>可迭代对象与迭代器对象详解
<3.1>可迭代对象（"可以转换成迭代器的对象"）：内置有__iter__方法对象
可迭代对象.__iter__(): 得到迭代器对象
<3.2>迭代器对象：内置有__next__方法并且内置有__iter__方法的对象
迭代器对象.__next__（）：得到迭代器的下一个值
迭代器对象.__iter__（）：得到迭代器的本身，说白了调了跟没调一个样子
dic={‘a‘:1,‘b‘:2,‘c‘:3}
dic_iterator=dic.__iter__()
print(dic_iterator is dic_iterator.__iter__().__iter__().__iter__()) # True
<4>可迭代对象：字符串、列表、元组、字典、集合、文件对象
迭代器对象：文件对象(有内置的__iter__()方法和内置的__next__()方法）
<5>for循环的工作原理：for循环可以称之为叫迭代器循环
d={‘a‘:1,‘b‘:2,‘c‘:3}
1、d.__iter__()得到一个迭代器对象
2、迭代器对象.__next__()拿到一个返回值，然后将该返回值赋值给k
3、循环往复步骤2，直到抛出StopIteration异常for循环会捕捉异常然后结束循环
for k in d:
print(k)
with open(‘a.txt‘,mode=‘rt‘,encoding=‘utf-8‘) as f:
for line in f: # f.__iter__()
print(line)
list(‘hello‘) #原理同for循环
<6>迭代器优缺点总结
缺点：
I、为序列和非序列类型提供了一种统一的迭代取值方式。
II、惰性计算：迭代器对象表示的是一个数据流，可以只在需要时才去调用next来计算出一个值，就迭代器本身来说，
同一时刻在内存中只有一个值，因而可以存放无限大的数据流，而对于其他容器类型，如列表，需要把所有的元
素都存放于内存中，受内存大小的限制，可以存放的值的个数是有限的。
优点：
I、除非取尽，否则无法获取迭代器的长度
II、只能取下一个值，不能回到开始，更像是‘一次性的’，迭代器产生后的唯一目标就是重复执行next方法直到值取尽，
否则就会停留在某个位置，等待下一次调用next；若是要再次迭代同个对象，你只能重新调用iter方法去创建一个新
的迭代器对象，如果有两个或者多个循环使用同一个迭代器，必然只会有一个循环能取到值。
在函数内一旦存在yield关键字，调用函数并不会执行函数体代码会返回一个生成器对象，生成器即自定义的迭代器
def func():
print(‘第一次‘)
yield 1
print(‘第二次‘)
yield 2
print(‘第三次‘)
yield 3
print(‘第四次‘)
g=func() # 返回值才是一个生成器，即g
print(g) #<generator object func at 0x00000225574D2580>
# 生成器包含两种方法，及是迭代器
# g.__iter__()
# g.__next__()
res1=g.__next__() # 会触发函数体代码的运行，然后遇到yield停下来，将yield后的值当做本次调用的结果返回
print(res1) # 1
res2=g.__next__()
print(res2)
res3=g.__next__()
print(res3)
res4=g.__next__() # 迭代完全，抛出异常StopIteration
# next(g) # g.__next__() 两种表达方式意思相同
# iter(可迭代对象) # 可迭代对象.__iter__()
应用案例：
def my_range(start,end,step): # 自定义range()函数
while start<end:
yield start
start+=step
方式一
g=my_range(1,9,2)
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g)) # 迭代完全，抛出异常StopIteration
方式二
for i in my_range(1,9,2):
print(i)
总结yield：
有了yield关键字，我们就有了一种自定义迭代器的实现方式。yield可以用于返回值，但不同于return，函数一旦遇到
return就结束了，而yield可以保存函数的运行状态挂起函数，用来返回多次值
原文：https://www.cnblogs.com/BoyGc/p/12559426.html