Python中的迭代器与生成器

描述
迭代器（Iterator）和生成器（Generator）是Python中用于处理可迭代对象的重要概念。迭代器允许你逐个访问容器中的元素而不暴露其底层结构，而生成器则是一种更简洁的迭代器实现方式，通过函数和yield关键字动态生成值。理解它们有助于高效处理大数据流或惰性计算场景。

1. 迭代器的基本概念

• 可迭代对象（Iterable）：任何实现了__iter__方法的对象（如列表、元组、字符串），该方法返回一个迭代器。
• 迭代器（Iterator）：实现了__iter__（返回自身）和__next__（返回下一个值，无值时抛出StopIteration异常）方法的对象。
• 示例：

  my_list = [1, 2, 3]
  iter_obj = iter(my_list)  # 等价于 my_list.__iter__()
  print(next(iter_obj))  # 输出 1（等价于 iter_obj.__next__()）
  print(next(iter_obj))  # 输出 2
  

2. 自定义迭代器
通过类实现迭代器协议：

class Counter:
    def __init__(self, start, end):
        self.current = start
        self.end = end
    
    def __iter__(self):
        return self  # 返回迭代器自身
    
    def __next__(self):
        if self.current >= self.end:
            raise StopIteration
        value = self.current
        self.current += 1
        return value

# 使用示例
for num in Counter(0, 3):
    print(num)  # 输出 0, 1, 2

关键点：迭代器只能遍历一次，遍历完成后需重置才能重新使用。

3. 生成器的引入
自定义迭代器需要编写类，代码较繁琐。生成器提供了一种更简单的实现方式：

• 生成器函数：使用yield关键字代替return，每次调用next()时执行到yield处暂停，保留状态，下次继续执行。
• 示例：

  def counter_generator(start, end):
      current = start
      while current < end:
          yield current
          current += 1
  
  gen = counter_generator(0, 3)
  print(next(gen))  # 输出 0
  print(next(gen))  # 输出 1
  

生成器函数返回一个生成器对象（一种迭代器），无需手动实现__iter__和__next__。

4. 生成器的惰性计算优势
生成器按需生成值，节省内存，适合处理大规模数据流：

def infinite_sequence():
    num = 0
    while True:
        yield num
        num += 1

gen = infinite_sequence()
print(next(gen))  # 输出 0
print(next(gen))  # 输出 1
# 不会无限占用内存，每次只生成一个值

5. 生成器表达式
类似列表推导式，但使用圆括号，返回生成器对象：

squares_gen = (x**2 for x in range(5))
print(next(squares_gen))  # 输出 0
print(list(squares_gen))   # 输出 [1, 4, 9, 16]（注意已消耗0）

与列表推导式（立即返回所有结果）相比，生成器表达式惰性求值，更节省内存。

6. 迭代器与生成器的区别

• 迭代器：需显式实现类协议，适合复杂状态管理。
• 生成器：通过函数和yield简化实现，适合顺序数据流。
• 共同点：均支持for循环和next()函数，且只能单向遍历一次。

总结
迭代器和生成器是Python惰性计算的核心工具。迭代器通过协议规范遍历行为，生成器则以其简洁语法成为更常用的实现方式，尤其在处理流式数据或无限序列时能显著提升效率。