26. 迭代器与生成器

迭代器是什么

迭代器是「能记住遍历位置」的对象。它有两个核心方法：

• __iter__()：返回迭代器自身
• __next__()：返回下一个元素，没有时抛出 StopIteration

>>> nums = [1, 2, 3]
>>> it = iter(nums)      # 获取迭代器
>>> next(it)
1
>>> next(it)
2
>>> next(it)
3
>>> next(it)
StopIteration

for 循环的本质

for 循环底层就是迭代器：

for x in iterable:
    print(x)

# 等价于
it = iter(iterable)
while True:
    try:
        x = next(it)
        print(x)
    except StopIteration:
        break

自定义迭代器

实现 __iter__ 和 __next__ 方法：

class CountDown:
    def __init__(self, start):
        self.start = start

    def __iter__(self):
        return self

    def __next__(self):
        if self.start <= 0:
            raise StopIteration
        self.start -= 1
        return self.start + 1

for n in CountDown(5):
    print(n)
# 5 4 3 2 1

生成器函数

用 yield 关键字，可以更简单地把函数变成生成器：

def countdown(n):
    while n > 0:
        yield n
        n -= 1

for x in countdown(5):
    print(x)
# 5 4 3 2 1

生成器函数返回的是生成器对象：

>>> gen = countdown(3)
>>> gen
<generator object countdown at 0x...>
>>> next(gen)
3
>>> next(gen)
2

生成器表达式

前面推导式章节提过，圆括号包起来就是生成器表达式：

>>> gen = (x ** 2 for x in range(10))
>>> gen
<generator object <genexpr> at 0x...>
>>> sum(gen)
285

用生成器处理大文件

读取大文件时，不用一次性加载到内存：

def read_lines(filename):
    with open(filename, 'r', encoding='utf-8') as f:
        for line in f:
            yield line.strip()

for line in read_lines('big_file.txt'):
    process(line)   # 逐行处理，内存只存一行

生成器的数据传递

yield 不仅可以返回值，还能接收值：

def echo():
    while True:
        received = yield
        print(f"收到: {received}")

e = echo()
next(e)       # 启动生成器（或 e.send(None)）
e.send("hello")
e.send("world")
# 收到: hello
# 收到: world

yield from

Python 3.3+ 的 yield from 可以把另一个生成器的值委托出来：

def sub_generator():
    yield 1
    yield 2

def main_generator():
    yield 'a'
    yield from sub_generator()
    yield 'b'

print(list(main_generator()))
# ['a', 1, 2, 'b']

这在写协程、递归生成器时很方便。

什么时候用生成器

场景	推荐
数据量巨大，内存吃紧	生成器
需要惰性计算、按需取值	生成器
需要随机访问、多次遍历	列表
数据量小，操作简单	列表

---