【Python 第75课】可迭代对象和迭代器
for 循环是我们在 Python 里非常常用的一个语法，但你有没有思考过 for 循环是怎样实现的？
如果你以前接触过 C++，应该会知道类似 for (int i = 0; i < 100; i++) 这样的写法，它定义了循环的执行条件 i < 100 以及每次循环结束后执行的语句 i++，而 for 本身只起到让代码重复执行的作用，并没有什么额外的功能。这在 Python 中其实更像是 while 循环：
i = 0
while i < 100:
# 执行循环代码 i += 1
但 Python 里的 for 循环却不一样。使用 for 时，我们没有额外指定结束条件，也不需要一个用来计数的数值，甚至可以通过一个字符串进行循环。之所以可以这样，是因为 Python 中的迭代器（Iterator）以及可迭代对象（Iterable）。
如果一个对象定义了 __iter__ 和 __next__ 两个方法，它就是一个迭代器。对于迭代器来说，__iter__ 返回的是它自身 self，__next__ 则是返回迭代器中的下一个值，如果没有值了则抛出一个 StopIteration 的异常。关于这点，你可以想象成一个只进不退的标记位，每次调用 __next__，就会将标记往后移一个元素并返回，直到结束。
有了迭代器的概念之后，如果一个对象定义了 __iter__ 和方法，返回一个迭代器对象，那么它就是一个可迭代的对象。
从表现上来说，一个对象可迭代，那么它就可以被 for 循环使用。比如我们经常用到的 list、dict、str 等类型，都是可迭代的，所以也就可以通过 for 循环进行遍历，或者更准确的说：被迭代。
有一点绕，我们再来理一理迭代器（Iterator）和可迭代（Iterable）这两个的差别：
一个迭代器一定是可迭代对象，因为它一定有
__iter__方法。反过来则不成立。（事实上，Iterator 就是 Iterable 的子类）迭代器的
__iter__方法返回的是自身，并不产生新实例。而可迭代对象的__iter__方法通常会生成一个新的迭代器对象。
__iter__、__next__ 分别对应于 Python 的内置函数 iter() 和 next()：比如 iter(aList) 就相当于 aList.__iter__()。
所以关于上述两点，我们可以有以下的例子来验证：
迭代器和可迭代之间的继承关系。
__iter__ 方法返回值的区别。id 相同代表是同一个实例。
明白了上述的概念之后，for 循环的实现就好理解了：
首先 for 循环会调用可迭代对象的
__iter__方法，获取相应的迭代器每次循环，将迭代器的
__next__方法的返回值赋值给循环变量直到捕获迭代器抛出的
StopIteration异常，循环结束
再来看个例子：
思考题：想一想为什么迭代器 aListIter 被 for 循环迭代第二次的时候就没有输出了？
既然 __next__ 方法可以自己定义，我们也可以自己实现一个迭代器。比如要输出一个斐波那契数列（每一位数值都是前两位数值之和，原题回复关键字 906），通常的做法是循环，“高级”一点的做法是递归。但我们也可以直接写一个斐波那契迭代器：
# 定义迭代器
class Fibonacci(): def __init__(self): self.a = 0 self.b = 1 def __iter__(self): return self
def __next__(self): # 结束条件 if self.b > 100:
raise StopIteration
# 更新一次数值 self.a, self.b = self.b, self.a + self.b
return self.a
# 创建迭代器
fib = Fibonacci()
# 进行迭代
for f in fib: print(f, end=' ')
输出：
1 1 2 3 5 8 13 21 34 55 89
这个例子中，我们并没有保存一个序列，只是定义了一种规则，就也可以被迭代。
使用迭代器的好处在于：它是一种延迟操作，即当需要用到的时候才去产生结果。比如对于一个序列来说，如果我们要遍历它，并不需要再一开始就把所有元素都生成好，而是只需要知道每个元素的下一个元素是什么就可以了。这样可以节省很多空间，尤其对于数量很大的集合来说。
如果你不懂迭代器的概念，并不影响在代码中使用 for 循环。但了解之后，你会对代码理解得更透彻，同时这也是为我们后面要讲到的生成器做铺垫。