Python迭代器（Iterator）是支持迭代协议（Iteration Protocol）的对象，其核心是实现了两个特殊方法：`__iter__()` 和 `__next__()`。迭代器是 Python 实现“按需生成数据”和“惰性求值”的关键机制，广泛应用于 `for` 循环、列表推导式、生成器、内置函数（如 `map()`、`filter()`、`zip()`）等场景。 --- ### ✅ 一、迭代器的定义与要求 一个对象要成为**迭代器（Iterator）**，必须同时满足： 1. **实现 `__iter__()` 方法**：返回迭代器对象本身（即 `self`）——这是迭代器协议的约定，使迭代器自身也可被 `iter()` 调用（即“自身可迭代”）； 2. **实现 `__next__()` 方法**：返回序列中的下一个元素；当没有更多元素时，**必须抛出 `StopIteration` 异常**（不可返回 `None` 或静默结束，否则会导致无限循环）。 > 🔑 关键区别： > - **可迭代对象（Iterable）**：只实现 `__iter__()`（返回一个迭代器），如 `list`, `str`, `dict`, `range` 等； > - **迭代器（Iterator）**：既是可迭代对象（因有 `__iter__()`），又具备状态和 `__next__()`，**是一次性、有状态的**（遍历后耗尽，不可重用）。 --- ### ✅ 二、手动实现一个迭代器（示例） 下面是一个自定义的迭代器类，用于生成斐波那契数列前 `n` 项： ```python class FibIterator: def __init__(self, n): self.n = n self.a, self.b = 0, 1 self.count = 0 def __iter__(self): return self # 迭代器自身就是可迭代的 def __next__(self): if self.count >= self.n: raise StopIteration val = self.a self.a, self.b = self.b, self.a + self.b self.count += 1 return val # 使用示例 fib_iter = FibIterator(5) print(list(fib_iter)) # [0, 1, 1, 2, 3] # 注意：再次调用 list(fib_iter) → []，因为已耗尽！ fib_iter2 = FibIterator(5) # 必须新建实例才能重用 ``` ✅ 输出：`[0, 1, 1, 2, 3]` > 💡 提示：`list()`, `tuple()`, `sum()`, `for x in ...:` 等都会隐式调用 `iter()` → `__iter__()`，然后反复调用 `__next__()` 直到 `StopIteration`。 --- ### ✅ 三、迭代器 vs 生成器（Generator） | 特性 | 迭代器（类实现） | 生成器（`yield` 函数） | |------|------------------|--------------------------| | 实现方式 | 显式定义 `__iter__`/`__next__` | 定义含 `yield` 的函数，调用后返回生成器对象（本质是迭代器） | | 状态管理 | 手动维护（如 `self.count`, `self.a`） | Python 自动保存局部变量和执行位置（协程式挂起/恢复） | | 代码简洁性 | 冗长，易出错 | 极简、直观、不易出错 | | 是否迭代器 | 是（满足迭代器协议） | 是（生成器对象是迭代器） | ✅ 等价的生成器写法（更推荐）： ```python def fib_generator(n): a, b = 0, 1 for _ in range(n): yield a a, b = b, a + b g = fib_generator(5) print(list(g)) # [0, 1, 1, 2, 3] ``` > ✅ 生成器函数调用返回的是一个 **generator object**，它自动实现了 `__iter__()` 和 `__next__()`，因此是迭代器。 --- ### ✅ 四、常见内置迭代器与陷阱 - `iter(iterable)` → 返回迭代器（对已为迭代器的对象，通常直接返回自身） - `next(iterator[, default])` → 手动获取下一个值；若传入 `default`，则 `StopIteration` 时返回默认值（避免异常） ⚠️ 常见错误示例（陷阱）： ```python data = [1, 2, 3] it = iter(data) print(next(it)) # 1 print(next(it)) # 2 print(list(it)) # [3] —— 剩余元素；但注意：it 已前进到第2个元素后，list() 只取剩余部分 print(list(it)) # [] —— 已耗尽！ ``` ✅ 正确重用方式：重新 `iter(data)`，或用 `itertools.tee()`（内存/性能权衡）。 --- ### ✅ 五、为什么需要迭代器？设计意义 1. **内存友好**：无需一次性加载全部数据（如读大文件、数据库游标、无限序列）； 2. **统一接口**：所有支持迭代协议的对象（`list`, `file`, `generator`, 自定义类）均可被 `for` 统一处理； 3. **解耦生产与消费**：生产逻辑（`__next__`）与消费逻辑（`for` / `list()`）分离； 4. **支持函数式编程**：`map(func, it)`、`filter(pred, it)` 等接受任意迭代器，组合灵活。 ---