### Python 中的迭代器（Iterator）概念及其使用方法 Python 中的迭代器是一种可以逐个访问集合元素的对象，它并不一次性将所有数据加载到内存中，而是按需生成数据。这种特性使得处理大型数据集或无限序列成为可能。 #### 迭代器的基本原理 在 Python 中，一个对象如果实现了 `__iter__()` 和 `__next__()` 方法，则被称为迭代器。`__iter__()` 返回迭代器自身，而 `__next__()` 返回下一个元素。当没有更多元素可供返回时，`__next__()` 会抛出 `StopIteration` 异常来通知调用者迭代已经完成[^2]。 #### 可迭代对象与迭代器的区别 - **可迭代对象**：具有 `__iter__()` 方法的对象，可以通过该方法获取一个迭代器。 - **迭代器**：除了具备 `__iter__()` 方法外，还必须实现 `__next__()` 方法以支持逐个访问元素。 这意味着所有的迭代器都是可迭代对象，但并非所有可迭代对象都是迭代器。例如列表、字符串等是可迭代对象，但它们本身并不是迭代器，因为它们没有 `__next__()` 方法。要从这些可迭代对象中获取迭代器，可以使用内置函数 `iter()`[^3]。 ```python my_list = [1, 2, 3] iterator = iter(my_list) # 获取迭代器 print(next(iterator)) # 输出: 1 print(next(iterator)) # 输出: 2 print(next(iterator)) # 输出: 3 # print(next(iterator)) # 抛出 StopIteration 异常 ``` #### 使用 for 循环遍历迭代器 Python 的 `for` 循环能够自动处理迭代过程中的细节。当你对一个可迭代对象进行 `for` 遍历时，Python 会隐式地调用其 `__iter__()` 方法来获得一个迭代器，并通过不断调用 `__next__()` 来获取每个元素，直到遇到 `StopIteration` 异常为止[^1]。 ```python classmates = Classmate() classmates.add("张三") classmates.add("李四") classmates.add("王五") for name in classmates: print(name) ``` 在这个例子中，`Classmate` 类同时实现了 `__iter__()` 和 `__next__()` 方法，因此它既是可迭代对象也是迭代器。`for` 循环内部利用了这一点，从而能够顺利地遍历每一个名字[^2]。 #### 自定义迭代器 你可以创建自己的迭代器类，只需确保你的类包含 `__iter__()` 和 `__next__()` 方法即可。下面是一个简单的自定义迭代器示例，用于生成斐波那契数列： ```python class Fibonacci: def __init__(self, max_value): self.max_value = max_value self.a, self.b = 0, 1 def __iter__(self): return self def __next__(self): if self.a > self.max_value: raise StopIteration value_to_return = self.a self.a, self.b = self.b, self.a + self.b return value_to_return fib = Fibonacci(100) for number in fib: print(number) ``` 这段代码定义了一个 `Fibonacci` 类，它可以生成不超过指定最大值的所有斐波那契数。每次调用 `__next__()` 时，它都会计算下一个数并检查是否超过了设定的最大值；如果超过了，则抛出 `StopIteration` 来终止循环。 #### 惰性求值与生成器 虽然自定义迭代器提供了很大的灵活性，但在某些情况下，特别是当我们需要简单地产生一系列值而不必维护复杂状态的时候，使用生成器可能是更好的选择。生成器是一种特殊的迭代器，由包含 `yield` 表达式的函数创建。与普通函数不同，生成器函数不会立即执行其主体，而是返回一个生成器对象，只有当这个对象被迭代时才会逐步产出值。 ```python def fibonacci_generator(max_value): a, b = 0, 1 while a <= max_value: yield a a, b = b, a + b for number in fibonacci_generator(100): print(number) ``` 以上代码展示了如何用生成器函数替代前面提到的 `Fibonacci` 类。这种方法不仅代码更加简洁明了，而且同样实现了惰性求值的效果，非常适合处理大数据流或无限序列[^4]。