课程/返回目录/附加

Python3 迭代器与生成器详解

⏱️ 5 分钟

Python3 迭代器与生成器详解

在 Python 中，迭代器（Iterator） 和 生成器（Generator） 是非常重要的概念。
它们不仅让代码更优雅，还能显著降低内存占用，是理解 Python “惰性计算”思想的关键。

本文将从以下几个方面展开：

什么是可迭代对象
迭代器的工作原理
生成器的两种写法
迭代器 vs 生成器
实战示例与常见陷阱

一、什么是可迭代对象（Iterable）

可迭代对象：

只要能被 for 循环遍历的对象，就是可迭代对象。

常见的可迭代对象：

list
tuple
dict
set
str

判断方式：

</>PYTHON

from collections.abc import Iterable

isinstance([1, 2, 3], Iterable)  # True

注意：
可迭代对象 ≠ 迭代器

二、什么是迭代器（Iterator）

1. 迭代器的定义

迭代器是一个对象，它同时满足两个条件：

实现 __iter__() 方法
实现 __next__() 方法

判断方式：

</>PYTHON

from collections.abc import Iterator

isinstance(iter([1, 2, 3]), Iterator)  # True

2. iter() 与 next()

</>PYTHON

lst = [1, 2, 3]
it = iter(lst)

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

核心机制：

iter() 创建迭代器
next() 获取下一个值
没有元素时抛出 StopIteration

3. 手写一个迭代器

</>PYTHON

class Counter:
    def __init__(self, limit):
        self.limit = limit
        self.current = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.current >= self.limit:
            raise StopIteration
        self.current += 1
        return self.current

使用方式：

</>PYTHON

for i in Counter(3):
    print(i)

输出：

</>CODE

1
2
3

三、什么是生成器（Generator）

生成器是 创建迭代器的更优雅方式。

一句话总结：

生成器 = 语法简化的迭代器

1. 生成器函数（yield）

只要函数中出现 yield，它就变成了生成器函数。

</>PYTHON

def count_up(limit):
    current = 0
    while current < limit:
        current += 1
        yield current

使用：

</>PYTHON

for i in count_up(3):
    print(i)

特点：

yield 会暂停函数执行
再次调用从暂停位置继续
自动实现迭代器协议

2. 生成器表达式

</>PYTHON

gen = (x * x for x in range(5))

对比列表推导式：

</>PYTHON

lst = [x * x for x in range(5)]  # 立即计算
gen = (x * x for x in range(5)]  # 惰性计算

四、惰性计算（Lazy Evaluation）

生成器的最大优势：按需计算。

</>PYTHON

def read_big_file(path):
    with open(path) as f:
        for line in f:
            yield line

优点：

节省内存
支持大文件
支持无限数据流

五、迭代器 vs 生成器

对比项	迭代器	生成器
写法	手动实现	yield
可读性	一般	很好
代码量	多	少
本质	类	函数
推荐	❌	✅

结论：

除非必要，不要手写迭代器。

六、常见陷阱

1. 生成器只能遍历一次

</>PYTHON

gen = (i for i in range(3))

list(gen)  # [0, 1, 2]
list(gen)  # []

原因：生成器是消耗型的。

2. 不要依赖生成器中的副作用

</>PYTHON

def gen():
    print("start")
    yield 1
    print("end")

执行顺序由 next() 决定，不直观。

3. 生成器不是列表

</>PYTHON

len(gen)   # 错误
gen[0]     # 错误

七、实战：无限斐波那契数列

</>PYTHON

def fibonacci():
    a, b = 0, 1
    while True:
        yield b
        a, b = b, a + b

使用：

</>PYTHON

fib = fibonacci()
for _ in range(10):
    print(next(fib))

八、总结

Iterable：能被 for 遍历
Iterator：能被 next 调用
Generator：最推荐的迭代方式
yield：惰性计算的核心

一句话记忆：

能用生成器，就不要手写迭代器。