Python迭代器原理与实战全解析

Python迭代器并非语法糖，而是由`__iter__`和`next__`共同定义的底层协议——只要对象响应`iter()`调用（优先查`__iter__`，再退化尝试`__getitem__(0)`），它就是可迭代的；`for`循环靠此协议无缝工作，而`StopIteration`在循环中是优雅退出信号，在手动调用`next()`时却是必须捕获的异常；相比易出错的手写迭代器类，生成器函数以`yield`自动管理状态、更轻量安全，`itertools`中的`chain`、`islice`、`tee`等则提供高效惰性操作，不预加载全量数据，但需警惕`tee`的缓冲膨胀风险；真正进阶在于根据场景明智选择：生成器适合简单流式逻辑，`itertools`组合擅长复用与切片，而复杂有状态的解析器才需手写类。

Python 迭代器不是语法糖，而是 __iter__ 和 __next__ 两个方法共同构成的协议；只要对象实现了这个协议，它就是迭代器——哪怕没继承 Iterator 类。

为什么 for 循环能遍历列表但不能直接遍历整数

因为 list 实现了 __iter__，返回一个迭代器对象；而 int 没有该方法，调用 iter(42) 会抛出 TypeError: 'int' object is not iterable。关键不在类型，而在是否响应 iter() 调用。

• iter(obj) 先尝试调用 obj.__iter__()
• 若未实现，再尝试 obj.__getitem__(0)（仅限从 0 开始的连续索引）
• 两者都失败，才报错

StopIteration 是信号，不是异常（在循环里）

手动调用 next(it) 时，StopIteration 真的是异常，必须捕获；但在 for 中它是正常退出机制，不会暴露给用户。误把 next(it) 放进循环体又不捕获，会导致程序中断。

it = iter([1, 2])
print(next(it))  # 1
print(next(it))  # 2
print(next(it))  # 触发 StopIteration —— 此处不捕获就会报错

生成器函数比手写迭代器类更轻量、更安全

手写类需显式维护状态、处理边界、返回 self 和 raise StopIteration；生成器函数用 yield 自动封装这些逻辑，且天然支持暂停/恢复。

• 类迭代器容易漏写 __iter__ 返回 self，导致多次 for 循环复用同一个迭代器失效
• 生成器函数每次调用 func() 都返回新迭代器，无状态污染
• yield from 可委托子生成器，避免手动 for + yield

itertools 中的 chain、islice、tee 不缓存全部数据

它们返回的是惰性迭代器，只在被消费时计算。例如 islice(range(10**9), 10) 不会构造十亿元素的列表，只取前 10 个；但 tee(it, 2) 会内部缓存已读未分发的项，若一个分支远超另一个，内存可能涨得很快。

• chain(a, b)：串联多个可迭代对象，不展开、不复制
• islice(it, start, stop, step)：类似切片，但不支持负索引
• tee(it, n)：拆成 n 个独立迭代器，底层共享一个缓冲区

真正难的不是写出能跑的迭代器，而是判断什么时候该用生成器函数、什么时候该用 itertools 组合、什么时候必须手写类（比如需要带参数重置状态的流式解析器）。

今天关于《Python迭代器原理与实战全解析》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！