一、关系图
Python的数据结构容器(container)、可迭代对象(iterable)、迭代器(iterator)、生成器 (generator)、列表/集合/字典推导式(list,set,dict comprehension)之间的关系图
二、容器
容器是一种把多个元素组织在一起的数据结构，容器中的元素可以逐个地迭代获取，可以用 in , not in 关键字判断元素是否包含在容器中。通常这类数据结构把所有的元素存储在内存中。Python的常见的容器对象有：list、set、dict、tuple、str
尽管绝大多数容器都提供了某种方式来获取其中的每一个元素，但这并不是容器本身提供的能力，而是 可迭代对象 赋予了容器这种能力，当然并不是所有的容器都是可迭代的。
三、可迭代对象(iterable)
如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。
刚才说过，很多容器都是可迭代对象，此外还有更多的对象同样也是可迭代对象，比如处于打开状态的files，sockets等等。但凡是可以通过iter()方法返回一 个迭代器 的对象都可称之为可迭代对象。
四、迭代器(iterator)
那么什么迭代器呢？它是一个带状态的对象，他能在你调用 next() 方法的时候返回容器中的下一个值，任何实现了 __next__() 方法的对象都是迭代器，至于它是如何实现的这并不重要。
迭代器就像一个懒加载的工厂，等到有人需要的时候才给它生成值返回，没调用的时候就处于休眠状态等待下一次调用。
五 for i in (iterable)的内部实现
在大多数情况下，我们不会一次次调用next方法去取值，而是通过 for i in (iterable)。
in后面的对象如果是一个迭代器，内部因为有iter方法才可以进行操作，所以，迭代器协议里面有iter和next两个方法，否则for语句无法应用。
六、生成器(generator)
生成器算得上是Python语言中最吸引人的特性之一，生成器其实是一种特殊的迭代器，不过这种迭代器更加优雅，它只需要一个 yiled 关键字。
用生成器来实现斐波那契数列的例子是：
# 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, ...
def fab(max_num):
n, a, b = 0, 0, 1
while n < max_num:
yield b
a, b = b, a + b
n = n + 1
for i in fab(5):
print(i)yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，如：fab(5) 。在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值， 下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。需要明确的就是生成器也是iterator迭代器，因为它遵循了迭代器协议。
另一种获取生成器的方式：
gen = (x*2 for x in range(10))
print(type(gen))
########
<class 'generator'>
七、文件读取之生成器
如果直接对文件对象调用 read()或者readlines() 方法，会将整个文件读取到内存中，如果文件非常大，比如上百GB，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取。
def read_file(fpath):
block_size = 1024
with open(fpath, 'rb') as f:
while True:
block = f.read(block_size)
if block:
yield block
else:
return逐行读取：for 循环中的文件句柄 f 就是一个可迭代对象，逐行将内容读取到内存中，内存中永远只保存一行的内容
with open("/hello/abc.txt", "r", encoding="utf-8") as f:
for line in f:
print(line, end="")实例：读取文件，找出文件中最长的行的长度：
max(len(x.strip()) for x in open('/hello/abc','r'))
