Python迭代器：解密数据遍历的核心机制

Python迭代器：解密数据遍历的核心机制

一、从现实场景理解迭代器

想象你在图书馆查阅一套百科全书：

• 传统方式：把全部100本书一次性搬到面前
• 迭代器方式：图书管理员每次递给你一本，看完再换下一本

迭代器（Iterator）正是这种"按需获取"的智慧在编程中的体现。它是Python实现高效数据遍历的核心机制，也是理解生成器、协程等高级特性的基础。

1.1 迭代器的核心价值

• 内存效率：不需要预加载全部数据
• 统一接口：不同数据结构的通用遍历方式
• 惰性计算：需要时才生成/获取数据
• 无限序列：可表示永无止境的数据流

1.2 直观对比：列表 vs 迭代器

# 传统列表方式
books = ["Vol.1", "Vol.2", ..., "Vol.1000"]  # 立即占用大量内存
for book in books:
    read(book)

# 迭代器方式
class LibraryIterator:
    def __init__(self, total):
        self.current = 1
        self.total = total
    
    def __next__(self):
        if self.current > self.total:
            raise StopIteration
        book = f"Vol.{
     self.current}"
        self.current += 1
        return book

library_iter = LibraryIterator(1000)  # 不实际存储所有数据
for book in library_iter:
    read(book)

二、迭代器协议深度解析

2.1 迭代器双协议

一个合法的迭代器必须实现两个特殊方法：

class MyIterator:
    def __iter__(self):
        return self  # 返回迭代器本身
    
    def __next__(self):
        # 返回下一个元素或抛出StopIteration
        ...

2.2 迭代过程全解析

以文件读取为例演示迭代流程：

class FileLineIterator:
    def __init__(self, filename):
        self.file = open(filename)
    
    def __iter__(self):
        return self
    
    def __next__(self):
        line = self.file.readline()
        if not line:
            self.file.close()
            raise StopIteration
        return line.strip()
    
    def __del__(self):
        self.file.close()

# 使用示例
for line in FileLineIterator("data.txt"):
    print(line)

执行流程分解：

1. for循环调用iter()获取迭代器对象
2. 重复调用next()获取元素
3. 捕获StopIteration终止循环
4. 自动处理资源清理

2.3 迭代器 vs 可迭代对象

常见混淆点澄清：

nums = [1, 2, 3]          # 可迭代对象（非迭代器）
nums_iter = iter(nums)    # 创建迭代器

print(type(nums))        # <class 'list'>
print(type