Python生成器多次迭代不耗资源？

Python生成器默认遍历一次即耗尽，无法重置，但实际开发中常需多次迭代同一数据流——本文系统梳理了五种高效解决方案：每次调用生成器函数新建实例、封装为支持重复__iter__的可迭代类、利用itertools.tee创建独立副本、将结果缓存为元组/列表以支持无限次遍历，以及通过闭包延迟生成新生成器；无论你追求简洁性、内存效率还是代码复用性，总有一种方法能优雅解决“生成器不可重用”的痛点，让惰性计算与多次消费完美共存。

如果定义了一个生成器函数，调用它返回的生成器对象在遍历一次后即耗尽，后续迭代将不再产生任何值。这是因为生成器对象内部状态不可重置。以下是实现多次迭代能力的几种不同方法：

一、每次调用生成器函数重新创建生成器

该方法不复用原有生成器对象，而是每次迭代前重新调用生成器函数，从而获得一个全新的、未开始消耗的生成器实例。

1、定义原始生成器函数，例如：def my_gen(): yield from [1, 2, 3]。

2、在需要迭代的位置，显式调用该函数：for x in my_gen(): print(x)。

3、再次迭代时，再次调用：for x in my_gen(): print(x)，此时获得的是全新生成器。

二、封装为可迭代类并实现 __iter__ 方法

通过定义一个类，在其 __iter__ 方法中返回新生成器，使该类实例支持无限次 for 循环调用。

1、创建类，例如：class ReusableGenerator:。

2、在类中定义 __iter__(self): return my_gen()（假设 my_gen 是原生成器函数）。

3、实例化该类：gen_obj = ReusableGenerator()。

4、可重复使用：list(gen_obj)、list(gen_obj) 均返回完整结果。

三、使用 itertools.tee 复制生成器迭代器

itertools.tee 可从单个迭代器派生多个独立迭代器，各迭代器互不影响，适用于需同时或分时多次遍历同一数据流的场景。

1、导入模块：from itertools import tee。

2、获取原始生成器：g = my_gen()。

3、复制为两个独立迭代器：g1, g2 = tee(g)。

4、分别消费：list(g1) 和 list(g2) 均得到完整输出。

四、将生成器内容缓存为元组或列表

若生成器产出数据量适中且可全部驻留内存，则可一次性展开并缓存，后续迭代直接基于该不可变序列进行。

1、调用生成器并转为元组：cached = tuple(my_gen())。

2、后续所有迭代均作用于该元组：for x in cached: ...。

3、也可定义为属性或闭包变量，避免重复计算：def make_cached_gen(): data = tuple(my_gen()); return lambda: iter(data)。

五、使用闭包捕获生成器逻辑并延迟执行

构造一个可调用对象，每次调用时返回新的生成器，逻辑封装在闭包内，避免外部暴露原始生成器定义。

1、定义闭包工厂函数：def reusable_gen(): return (x for x in [1, 2, 3])。

2、调用该函数获取新生成器：g = reusable_gen()。

3、迭代完成后，再次调用：g2 = reusable_gen()，获得独立实例。

4、亦可进一步包装为类的 __call__ 方法，提供更清晰接口。

文中关于的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《Python生成器多次迭代不耗资源？》文章吧，也可关注golang学习网公众号了解相关技术文章。