iterator
…迭代器
（iterator）是连接容器和算法的纽带，为数据提供了抽象，使写算法的人不必关心各种数据结构的细节。
…迭代器模式
1.特点：将对集合的访问与遍历从集合对象中分离出来到迭代器中。 2.概念：迭代器模式（Iterator）就是分离了聚合对象的遍历行为，抽象出一个迭代器来负责这样既可以做到不暴露集合的内部结构，又可让外部代码透明的访问集合内部…
…迭代子（Iterator）
迭代子是指针概念的泛型化，它指向容器中的元素，它能象指针一样增减，轮流指示容器中每个元素。
…迭代子模式(Iterator)
供应一种体例依次访谒一个聚合工具中的各个元素，而又不需表露该工具的内部表示。
In object-oriented computer programming, an iterator is an object that enables a programmer to traverse a container, particularly lists. Various types of iterators are often provided via a container’s interface.
在面向对象的计算机编程中，迭代器是一种使程序员能够遍历容器(特别是列表)的对象。各种类型的迭代器通常通过容器的接口提供。
container.__iter__()返回一个迭代器对象。该对象需要支持下文所述的迭代器协议。如果容器支持不同的迭代类型，则可以提供额外的方法来专门地请求不同迭代类型的迭代器。（支持多种迭代形式的对象的例子有同时支持广度优先和深度优先遍历的树结构。）此方法对应于Python/C API中Python对象类型结构体的tp_iter槽位。
迭代器对象自身需要支持以下两个方法，它们共同组成了迭代器协议:
iterator._iter__()返回迭代器对象本身。这是同时允许容器和迭代器配合for和in语句使用所必须的。此方法对应于Python/C API中Python对象类型结构体的tp_iter槽位。
iterator._next__()从容器中返回下一项。如果已经没有项可返回，则会引发StopIteration异常。此方法对应于Python/C API中Python对象类型结构体的tp_iternext槽位。Python定义了几种迭代器对象以支持对一般和特定序列类型、字典和其他更特别的形式进行迭代。除了迭代器协议的实现，特定类型的其他性质对迭代操作来说都不重要。
一旦迭代器的__next__()方法引发了StopIteration，它必须一直对后续调用引发同样的异常。不遵循此行为特性的实现将无法正常使用。
生成器类型
Python的generator提供了一种实现迭代器协议的便捷方式。如果容器对象__iter__()方法被实现为一个生成器，它将自动返回一个迭代器对象（从技术上说是一个生成器对象），该对象提供__iter__()和__next__()方法。有关生成器的更多信息可以参阅yield表达式的文档。
我的理解是他生成一个迭代器副本，这个副本一般就单纯的是源件的copy，但如果专门定义过__iter__()的话，可以是任意可迭代内容！

序列类型—list,tuple,range

有三种基本序列类型：list, tuple和range对象。
abc: Abstract Base Class 抽象基底类别
抽象类（abstract base class,ABC）就是类里定义了纯虚成员函数的类。纯虚函数一般只提供了接口，并不会做具体实现（虽然可以），实现由它的派生类去重写。抽象类不能被实例化(不能创建对象)，通常是作为基类供子类继承，子类中重写虚函数，实现具体的接口。简言之，ABC描述的是至少使用一个纯虚函数的接口，从ABC派生出的类将根据派生类的具体特征，使用常规虚函数来实现这种接口。

help(collections.abc.Sequence)
Help on class Sequence in module collections.abc:class Sequence(Reversible, Collection)|  All the operations on a read-only sequence.||  Concrete subclasses must override __new__ or __init__,|  __getitem__, and __len__.||  Method resolution order:|      Sequence|      Reversible|      Collection|      Sized|      Iterable|      Container|      builtins.object||  Methods defined here:||  __contains__(self, value)||  __getitem__(self, index)||  __iter__(self)||  __reversed__(self)||  count(self, value)|      S.count(value) -> integer -- return number of occurrences of value||  index(self, value, start=0, stop=None)|      S.index(value, [start, [stop]]) -> integer -- return first index of value.|      Raises ValueError if the value is not present.||      Supporting start and stop arguments is optional, but|      recommended.||  ----------------------------------------------------------------------|  Data and other attributes defined here:||  __abstractmethods__ = frozenset({'__getitem__', '__len__'})||  ----------------------------------------------------------------------|  Class methods inherited from Reversible:||  __subclasshook__(C) from abc.ABCMeta|      Abstract classes can override this to customize issubclass().||      This is invoked early on by abc.ABCMeta.__subclasscheck__().|      It should return True, False or NotImplemented.  If it returns|      NotImplemented, the normal algorithm is used.  Otherwise, it|      overrides the normal algorithm (and the outcome is cached).||  ----------------------------------------------------------------------|  Methods inherited from Sized:||  __len__(self)

大多数序列类型，包括可变类型和不可变类型都支持下表中的操作。collections.abc.SequenceABC被提供用来更容易地在自定义序列类型上正确地实现这些操作。

此表按优先级升序列出了序列操作。在表格中，s和t是具有相同类型的序列，n,i,j和k是整数而x是任何满足s所规定的类型和值限制的任意对象。

in和not in操作具有与比较操作相同的优先级。+(拼接)和*(重复)操作具有与对应数值运算相同的优先级。

(1)虽然in和not in操作在通常情况下仅被用于简单的成员检测，某些专门化序列(例如str,bytes和bytearray)也使用它们进行子序列检测:

>>>"gg"in"eggs"
True

(2)小于0的n值会被当作0来处理(生成一个与s同类型的空序列)。请注意序列s中的项并不会被拷贝；它们会被多次引用。这一点经常会令Python编程新手感到困扰；例如:

>>>lists=[[]]*3
>>>lists[[], [], []]
>>>lists[0].append(3)
>>>lists[[3], [3], [3]]

具体的原因在于[[]]是一个包含了一个空列表的单元素列表，所以[[]] * 3结果中的三个元素都是对这一个空列表的引用。修改lists中的任何一个元素实际上都是对这一个空列表的修改。你可以用以下方式创建以不同列表为元素的列表:

>>>lists=[[]foriinrange(3)]
>>>lists[0].append(3)
>>>lists[1].append(5)
>>>lists[2].append(7)
>>>lists[[3], [5], [7]]

进一步的解释可以在FAQ条目faq-multidimensional-list中查看。

(3)如果i或j为负值，则索引顺序是相对于序列s的末尾:索引号会被替换为len(s) + i或len(s)+ j。但要注意-0仍然为0。

(4)s从i到j的切片被定义为所有满足i <= k < j的索引号k的项组成的序列。如果i或j大于len(s)，则使用len(s)。如果i被省略或为None，则使用0。如果j被省略或为None，则使用len(s)。如果i大于等于j，则切片为空。

(5)s从i到j步长为k的切片被定义为所有满足0 <= n < (j-i)/k的索引号x = i + nk的项组成的序列。换句话说，索引号为i,i+k,i+2k,i+3*k，以此类推，当达到j时停止(但一定不包括j)。当k为正值时，i和j会被减至不大于len(s)。当k为负值时，i和j会被减至不大于len(s) - 1。如果i或j被省略或为None，它们会成为“终止”值(是哪一端的终止值则取决于k的符号)。请注意，k不可为零。如果k为None，则当作1处理。

(6)拼接不可变序列总是会生成新的对象。这意味着通过重复拼接来构建序列的运行时开销将会基于序列总长度的乘方。想要获得线性的运行时开销，你必须改用下列替代方案之一：
•如果拼接str对象，你可以构建一个列表并在最后使用str.join()或是写入一个io.StringIO实例并在结束时获取它的值

•如果拼接bytes对象，你可以类似地使用bytes.join()或io.BytesIO，或者你也可以使用bytearray对象进行原地拼接。bytearray对象是可变的，并且具有高效的重分配机制

a=bytearray(b'axitelu')
b''.join(bytes(chr(i),encoding="utf") for i in a)

•如果拼接tuple对象，请改为扩展list类•对于其它类型，请查看相应的文档

(7)某些序列类型(例如range)仅支持遵循特定模式的项序列，因此并不支持序列拼接或重复。

(8)当x在s中找不到时index会引发ValueError。不是所有实现都支持传入额外参数i和j。这两个参数允许高效地搜索序列的子序列。传入这两个额外参数大致相当于使用s[i:j].index(x)，但是不会复制任何数据，并且返回的索引是相对于序列的开头而非切片的开头。

(未完待续)