1，迭代器协议：
1.1 迭代器协议是指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引起一个StopIteration异常，以终止迭代 （只能往后走不能往前退）
1.2. 可迭代对象：实现了迭代器协议的对象（如何实现：对象内部定义一个__iter__()方法）
1.3. 协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如for循环，sum，min，max函数等)使用迭代器协议访问对象
2，迭代器：
1.1：为什么要用迭代器：
1.2 优点：迭代器提供了一种不依赖索引的取值方式，这样就可以遍历那些没有索引的可迭代对象，如：（字典，集合，文件）
迭代器于列表比较，迭代器属于惰性计算，更省内存。
1.3 缺点：无法获取迭代器的长度，不如列表操作灵活。一次性的取值，只能从前向后取值，不能从后向前取值。
1.4 可迭代的，只要对象本身有__iter__方法，得到的就是迭代器。
1.5 列表list，元组tuple，字典dict，集合set，字符串str，文件file，都是可以迭代的。
1.6 示例：笨方法
d = {"a":1,"b":2,"c":3,}
i = d.__iter__() #把字典变成一个可迭代的对象，i 就是迭代器
print(i.__next__())
print(i.__next__())
print(i.__next__())
1.7 运行结果：把字典里的k都打印出来了
1.8 用while来遍历字典：
d = {"a":1,"b":2,"c":3,}
i = d.__iter__()
while True:
print(i.__next__())
1.9 运行结果字典可k全部打印出来了，但是，while是一个死循环，遍历玩字典里的三个k,就抛出了StopIteration异常，我们这样处理就好了
a Traceback (most recent call last): b c File "F:/PycharmProjects/py_fullstack_s4/day23/迭代器.py", line 4, in <module> print(i.__next__()) StopIteration
2.0 把代码改成这样：
d = {"a":1,"b":2,"c":3,}
i = d.__iter__()
while True:
try:
print(i.__next__())
except StopIteration:
break
2.1 try ，except 是去除异常的语句，运行结果如下：
a
b
c
2.2 用 for 循环来遍历：
d = {"a":1,"b":2,"c":3,}
for k in d:
print(k)
2.3 因为for 是非常牛逼的，他自己只接把d转成迭代器了，运行结果就是，a，b，c，
2.4 查看可迭代对象与迭代器对象：
s = "hello world" #字符串 str l = ["h","e","l","l""o"] #列表 list t = ("w","o","r","l","d") #元组 tuble d = {"name":"gaoyuan","job":"IT","age":25} #字典 dict set1 = {1,2,3,4,5,} #集合 set f = open("a.txt") #文件 file #都是可迭代的：都有__iter__方法 # s.__iter__() # l.__iter__() # t.__iter__() # d.__iter__() # set1.__iter__() # f.__iter__() print(isinstance(s,Iterable)) print(isinstance(l,Iterable)) print(isinstance(t,Iterable)) print(isinstance(d,Iterable)) print(isinstance(set1,Iterable)) print(isinstance(f,Iterable)) #返回的结果都是True #查看是否是迭代器 ，只有文件有__next__方法， f.__next__() print(isinstance(s,Iterator)) #False print(isinstance(l,Iterator)) #False print(isinstance(t,Iterator)) #False print(isinstance(d,Iterator)) #False print(isinstance(set1,Iterator))#False print(isinstance(f,Iterator)) #True #只有文件是迭代器
3，生成器：
3.1 什么是生成器？
可以理解为一种数据类型，这种数据类型自动实现了迭代器协议（其他的数据类型需要调用自己内置的__iter__方法），所以生成器就是可迭代对象
生成器分类及在python中的表现形式：（Python有两种不同的方式提供生成器）
生成器就是一个函数，函数体内含有yield关键字 就是生成器
return跟yield的区别
return返回一次值就彻底结束了，yield能返回多次值
1.生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行
2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表
3.2 为何使用生成器之生成器的优点
3.3 Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生成器的主要好处。
3.4 生成器小结：
3.4.1.是可迭代对象
3.4.2.实现了延迟计算,省内存啊
3.4.3.生成器本质和其他的数据类型一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处，其余的可迭代对象可没有这点好处，记住喽！！！
。