① Python中可迭代对象、迭代器以及iter()函数的两个用法详解
在Python编程中，理解可迭代对象（Iterable）、迭代器（Iterator）以及iter()函数的使用至关重要。首先，我们先来澄清两个基本概念：可迭代对象包括列表、元组、字符串等，它们都具备通过for循环遍历元素的特性。Python内置的Iterable类和collections.abc模块中的方法可以用来检测一个对象是否为可迭代对象，这依赖于对象是否实现了__iter__()方法。
如果一个对象没有__iter__()方法，但有__getitem__()，解释器会创造一个迭代器并按序获取元素。若两者皆无，会抛出TypeError。我们可以通过自定义对象并实现这两个方法来理解这个过程。
迭代器则更进一步，它是一个能记住遍历位置的特殊对象，只能向前推进。迭代器必须实现__iter__和__next__方法，分别用于返回迭代器和获取下一个元素。例如，当我们通过next(iterator)获取下一个值时，如果没有更多元素，会抛出StopIteration异常。
iter()函数有两个常见用法。第一个是iter(iterable)，将可迭代对象转换为迭代器，以便进一步操作。第二个是iter(callable, sentinel)，这里callable可以是任何可调用对象，sentinel作为标记值，当函数返回这个值时，迭代器会结束并抛出StopIteration异常。
举个例子，test_iter函数通过iter(callable, sentinel)的第二个用法，创建了一个特殊的迭代器，当函数返回特定值时，会终止迭代。这就是iter()函数的另一个实用场景。
总的来说，掌握Python中的这些概念和函数，能帮助你更有效地处理数据和迭代过程。
② 迭代相关：__iter__函数和__next__函数
迭代器与可迭代对象是Python中处理数据的两种关键概念。可迭代对象支持for循环，而迭代器则在循环中用于获取下一个元素，实现这一功能的类至少需具备`__iter__`与`__next__`方法。若类具备这两个方法，它便成为可迭代对象。当使用`for`循环时，实际上执行了两步：首先获取可迭代对象，调用`__iter__`方法；其次循环调用`__next__`方法直至遇到`StopIteration`异常，循环终止。
容器如`list`、`set`、`dict`与`str`等，都是储存元素的数据结构，它们在Python中属于容器类型。`for`循环与`in`关键字的结合，实质上是通过`__iter__`获取迭代器，然后不断调用迭代器的`__next__`方法，直到遇到`StopIteration`异常。
迭代器是实现`__next__`函数的对象，具备迭代能力。若类删除`__iter__`方法，理论上仍能正常运行，但失去迭代能力。生成器是特殊的迭代器，它在调用时不会立即执行，直到`__next__`方法被调用，此时才开始执行生成器内部的代码。生成器适用于资源限制环境，它以懒惰加载的方式生成数据，即每次生成器调用`__next__`时，才产生并使用下一个值，这种方式能够有效节省内存。
实现自己的类似`range`函数的生成器，调用`iter`函数生成迭代对象，要求`__iter__`返回实现了`__next__`的对象。通过`next`函数访问下一个元素，遇到`StopIteration`异常结束循环。使用`next`函数模拟过程，可以明显看到迭代器的懒惰加载特性，每次产生数据仅在需要时执行，而非一次性加载全部数据至内存，这对于处理大量数据或资源受限环境极为有利。
综上所述，迭代器与生成器是Python中高效处理数据的关键工具，通过它们的特性，可以实现内存高效、灵活的数据处理逻辑，尤其适用于处理大型数据集或资源受限的场景。