《深入浅出 Python 迭代器与生成器：原理解析与实战应用》

《深入浅出 Python 迭代器与生成器：原理解析与实战应用》

Python 的迭代器与生成器在高效数据处理、内存管理以及延迟计算中有着独特优势。本文将深入探讨迭代器协议与生成器的工作原理，结合实际案例与代码示例，帮助读者从原理到实践，全面掌握这一 Python 编程中的核心技术。

---

一、从迭代器协议说起

1. 迭代器与可迭代对象
在 Python 中，可迭代对象（Iterable）是实现了 __iter__ 方法的对象，而迭代器（Iterator）则是实现了 __iter__ 和 __next__ 方法的对象。

迭代器协议的核心：

• __iter__() 方法返回迭代器对象本身。
• __next__() 方法返回容器的下一个值，如果没有更多的值，则抛出 StopIteration 异常。

代码示例：

class MyIterator:
    def __init__(self, data):
        self.data = data
        self.index = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.index < len(self.data):
            result = self.data[self.index]
            self.index += 1
            return result
        else:
            raise StopIteration

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

输出：

1
2
3

---

2. 可迭代对象与迭代器的区别

特性	可迭代对象 (Iterable)	迭代器 (Iterator)
方法实现	__iter__()	__iter__() 和 __next__()
是否一次性使用	否