迭代器和生成器

迭代器：可以被next()函数调用并不断返回下一个值的对象

生成器：是一种特殊的迭代器，可以用yield语句来返回值，每次调用next()函数，

 都会执行yield语句直到遇到下一个yield语句，然后返回yield语句后面的值

迭代器和生成器的区别：

迭代器一次性返回所有值，而生成器返回一个值，需要多次调用next()函数才能返回下一个值

迭代器只能遍历一次，而生成器可以多次遍历

迭代器占用内存小，生成器占用内存大

迭代器只能用于一次性遍历，而生成器可以用于迭代和生成值

迭代器可以用for循环，而生成器只能用next()函数

迭代器可以用list()函数转换为列表，而生成器只能用list()函数一次性转换为列表

迭代器可以用next()函数获取下一个值，而生成器只能用send()函数发送值给生成器，

 然后生成器会返回yield语句后面的值

1、迭代器

在Python中，迭代器是一个可以记住遍历位置的对象。它从集合的第一个元素开始访问，直到所有的元素被访问结束。迭代器只能往前不会后退。要创建一个迭代器，你需要实现两个方法：__iter__()和__next__()。__iter__()方法返回迭代器对象本身，而__next__()方法返回下一个元素。如果不再有元素可返回，__next__()方法会引发一个StopIteration异常。

• __iter__()：返回自身。

• __next__()：返回下一个元素；如果没有更多元素，则抛出 StopIteration 异常。

1.1 特点

1. 惰性计算：按需生成数据，节省内存。

2. 实现协议：

   • __iter__()：返回自身。

   • __next__()：返回下一个元素；如果没有更多元素，则抛出 StopIteration 异常。

3. 可迭代对象（Iterable）与迭代器不同：

   • 可迭代对象实现 __iter__() 方法，返回一个迭代器。

   • 迭代器既实现 __iter__() 又实现 __next__()。

1.2 迭代器的创建

• 迭代器只能往前取值,不会后退

• 用iter函数可以返回一个可迭代对象的迭代器

# 示例 可迭代对象
L = [1, 3, 5, 7]
it = iter(L)  # 从L对象中获取迭代器
next(it)  # 1  从迭代器中提取一个数据
next(it)  # 3
print(next(it))   # 5
next(it)  # 7
# 示例2 生成器函数
It = iter(range(1, 10, 3))
next(It)  # 1
print(next(It))  # 4
next(It)  # 7

1.3自定义

# 自定义迭代器类
class MyIterator:
    def __init__(self, data):
        self.data = data
        self.index = 0

    def __iter__(self):
        return self  # 迭代器返回自身

    def __next__(self):
        if self.index < len(self.data):
            result = self.data[self.index]
            self.index += 1
            return result
        else:
            raise StopIteration  # 数据迭代结束

# 使用自定义迭代器
my_iter = MyIterator([1, 2, 3])
for item in my_iter:
    print(item)

2、生成器

Generator

生成器是一种特殊的迭代器，通过函数定义，用 yield 语句生成值。生成器可以自动实现迭代协议，无需手动实现 __iter__() 和 __next__()。

2.1 特点

1. 简洁：比手动实现迭代器更易写。

2. 惰性计算：生成器在每次调用 next() 时生成一个值，而不是一次性生成所有值。

3. yield：暂停函数执行并返回值，保留函数的状态，以便下一次继续执行。

示例代码：

# 生成器函数
def my_generator():
    print("Start")
    yield 1
    print("Continue")
    yield 2
    print("End")
    yield 3

# 使用生成器
gen = my_generator()
for val in gen:
    print(val)

2.2 生成器表达式

生成器可以用表达式形式定义，类似列表推导式，但使用小括号 ()。

语法

        (表达式 for 变量 in 可迭代对象 [if 真值表达式])

# 生成器表达式
gen_expr = (x**2 for x in range(5))
print(next(gen_expr))  # 0
print(next(gen_expr))  # 1

2.3应用场景

• 数据流处理：处理大文件或流式数据，避免内存耗尽。

• 无限序列生成：如斐波那契数列、素数序列。

• 管道化数据处理：与 itertools 模块结合使用。

def read_large_file(file_path):
    with open(file_path, 'r') as file:
        for line in file:
            yield line.strip()

for line in read_large_file('large_file.txt'):
    print(line)

3、 区别对比

特性	迭代器	生成器
实现	通过类实现，手动定义方法	使用函数和 yield 定义，自动实现迭代协议
代码简洁性	代码较复杂	代码简单
状态管理	手动管理状态	自动保存函数的运行状态
惰性计算	支持	支持
示例应用	自定义复杂的迭代逻辑	简单的数据流生成