【Python】迭代器（Iterator）vs 生成器（Generator）

1.迭代器（Iterator）

1.1 是什么？

• 迭代器是一个 可以逐个访问元素的对象，比如 list、dict、set 都可以通过 iter() 转换成迭代器。
• 它必须实现 __iter__() 和 __next__() 方法。
• 特点：
  • 只能前进，不能后退。
  • 遍历结束后，再调用 next() 会抛出 StopIteration 错误。

1.2 示例

my_list = [1, 2, 3]
it = iter(my_list)  # 转换成迭代器

print(next(it))  # 输出 1
print(next(it))  # 输出 2
print(next(it))  # 输出 3
print(next(it))  # 抛出 StopIteration

1.3 适用场景

• 大数据遍历（如逐行读取大文件，避免内存爆炸）。
• 自定义遍历逻辑（如树的深度优先遍历，就像《迭代器与生成器（一）》中的 DepthFirstIterator）。

2.生成器（Generator）

2.1 是什么？

• 生成器是一种 特殊的迭代器，用 yield 关键字定义。
• 特点：
  • 惰性计算（需要时才计算，节省内存）。
  • 代码更简洁，不用手动实现 __iter__ 和 __next__。
  • 可以用 for 循环直接遍历。

2.2 示例

def count_up_to(n):
    i = 1
    while i <= n:
        yield i  # 每次 next() 调用时返回 i，并暂停在这里
        i += 1

gen = count_up_to(3)  # 返回生成器对象

print(next(gen))  # 输出 1
print(next(gen))  # 输出 2
print(next(gen))  # 输出 3
print(next(gen))  # 抛出 StopIteration

# 也可以用 for 循环
for num in count_up_to(3):
    print(num)  # 输出 1, 2, 3

2.3 适用场景

• 处理大数据流（如逐行读取日志文件）。
• 无限序列（如斐波那契数列）。
• 协程（Coroutine）（结合 yield 实现异步编程）。

3.迭代器 vs 生成器

特性	迭代器（Iterator）	生成器（Generator）
定义方式	需要实现 __iter__ 和 __next__	用 yield 定义函数
内存占用	可能占用较大内存（如 list）	惰性计算，省内存
代码简洁度	较复杂（需手动实现）	更简洁
适用场景	自定义遍历逻辑	惰性计算、无限序列、协程

4.如何选择？

• 用迭代器：
  • 需要自定义遍历逻辑（如树、图的遍历）。
  • 需要更底层的控制（如手动调用 next()）。
• 用生成器：
  • 需要 惰性计算（如处理大文件、无限序列）。
  • 代码要更简洁（避免手动实现 __next__）。

5.经典例子

5.1 读取大文件（生成器更优）

def read_large_file(file_path):
    with open(file_path, "r") as f:
        for line in f:
            yield line  # 逐行读取，不占内存

for line in read_large_file("huge_log.txt"):
    print(line)

✅ 生成器更合适，因为文件可能很大，直接 read() 会爆内存。

5.2 自定义树遍历（迭代器更优）

class Tree:
    def __init__(self, value):
        self.value = value
        self.children = []

    def __iter__(self):
        return DepthFirstIterator(self)  # 自定义迭代器

✅ 迭代器更合适，因为需要控制遍历顺序（如深度优先、广度优先）。

6.总结

• 迭代器：适合 自定义遍历逻辑（如树、图）。
• 生成器：适合 惰性计算（如大文件、无限序列）。
• 生成器是迭代器的“语法糖”，能用生成器的地方尽量用生成器，代码更简洁！

希望本文能让你搞懂迭代器和生成器！🚀