揭开Python中迭代器和生成器的神秘面纱!!!

# 定义一个列表my_list=[1,2,3,4,5,6]    # 可迭代对象for item in my_list:     # for循环进行遍历    print(item,end=' ')  # 输出：1 2 3 4 5 6

# 定义一个列表my_list=[1,2,3,4,5,6]my_iterator=iter(my_list)   # 将可迭代对象转化为迭代器for item in my_iterator:    print(item,end=' ')   # 输出： 1 2 3 4 5 6 

# 定义一个列表my_list=[1,2,3,4]my_iterator=iter(my_list)print(next(my_iterator))  # 输出:1print(next(my_iterator))  # 输出:2print(next(my_iterator)) # 输出:3print(next(my_iterator)) # 输出:4# print(next(my_iterator))# 没有元素时，抛出StopIteration异常，如果设置了默认值，则显示默认值！print(next(my_iterator,'提示没元素了！'))  # 输出：提示没元素了

# 所有 for 循环的实际执行逻辑_iterable = 对象  # 可能是可迭代对象，也可能是迭代器iterator = iter(_iterable)  # 关键步骤！while True:    try:        item = next(iterator)        # 执行循环体    except StopIteration:        break

# 定义可迭代对象my_list=[1,2,3,4]  for item in my_list:    print(item)   # 输出：1 2 3 4

my_list=[1,2,3,4]iterator = iter(my_list)  # 关键步骤，将可迭对象转化为迭代器！while True:    try:        item = next(iterator)        print(item)    # 输出：1 2 3 4        # 执行循环体    except StopIteration:        break

class MyIterator:    """自定义迭代器"""    def __init__(self, data):        self.data = data        self.index = 0    def __iter__(self):        print("MyIterator.__iter__() 被调用，返回自身")        return self  # 关键区别：返回自身！    def __next__(self):        if self.index >= len(self.data):            raise StopIteration        value = self.data[self.index]        self.index += 1        return valueprint("=== 迭代器 ===")my_iterator = MyIterator([1, 2,3,4]) # print(next(my_iterator))  # 输出：1for item in my_iterator：  print(item)    # 输出：2 3 4

for循环遍历的对象是迭代器对象，底层代码在调用iter()函数时，自动调用迭代器类__iter__()方法，返回一个迭代器（这个迭代器是自己self），然后通过while循环执行迭代器next（）函数，自动调用__next__()方法，逐个获取迭代器元素的值，并保持执行状态。

my_list = [1, 2, 3]  # 可迭代对象iterator = iter(my_list)  # 关键这一步发生了什么？# 实际调用：my_list.__iter__()# 返回：一个全新的迭代器对象# 每次调用 iter(my_list) 都返回不同的迭代器

my_iterator = iter([1, 2, 3])  # 已经是迭代器iterator2 = iter(my_iterator)  # 关键这一步发生了什么？# 实际调用：my_iterator.__iter__()# 返回：迭代器自身 (self)# iter(迭代器) 返回同一个对象

class MyIterable:    """自定义可迭代对象（非迭代器）"""    def __init__(self, data):        self.data = data    def __iter__(self):        print("MyIterable.__iter__() 被调用，创建新迭代器")        return iter(self.data)class MyIterator:    """自定义迭代器"""    def __init__(self, data):        self.data = data        self.index = 0    def __iter__(self):        print("MyIterator.__iter__() 被调用，返回自身")        return self  # 关键区别：返回自身！    def __next__(self):        if self.index >= len(self.data):            raise StopIteration        value = self.data[self.index]        self.index += 1        return value# 创建自定义对象print("=== 可迭代对象 ===")iterable = MyIterable([1, 2, 3])iterator1 = iter(iterable)  # 输出：MyIterable.__iter__() 被调用iterator2 = iter(iterable)  # 输出：MyIterable.__iter__() 被调用（再次调用）print(f"两个迭代器相同吗？{iterator1 is iterator2}")  # False # 生成两个新的迭代器，不是相同的迭代器print("\n=== 迭代器 ===")my_iterator = MyIterator([1, 2, 3])iterator3 = iter(my_iterator)  # 输出：MyIterator.__iter__() 被调用iterator4 = iter(my_iterator)  # 输出：MyIterator.__iter__() 被调用print(f"两个迭代器相同吗？{iterator3 is iterator4}")  # True## 生成两个完全相同的迭代器# 再来看，可迭代对象和迭代器的实际 for 循环print("\n=== 可迭代对象for循环演示 ===")print("第一次遍历可迭代对象:")for x in iterable:    print(x)  # 正常输出 1,2,3print("第二次遍历可迭代对象:")for x in iterable:    print(x)  # 再次正常输出 1,2,3print("\n=== 迭代器for循环演示 ===")print("第一次遍历迭代器:")for x in my_iterator:    print(x)  # 正常输出 1,2,3print("第二次遍历迭代器:")for x in my_iterator:    print(x)  # 无输出！已耗尽

# 对比：列表 vs 生成器# 列表：一次性生成所有值，占用内存numbers_list = [x**2 for x in range(1000000)]  # 占用大量内存# 生成器：按需生成，节省内存numbers_gen = (x**2 for x in range(1000000))   # 几乎不占内存

def count_up_to(n):    """生成从1到n的数字"""    count = 1    while count <= n:        yield count        count += 1# 使用counter = count_up_to(5)print(next(counter))  # 1print(next(counter))  # 2

# 语法：(expression for item in iterable)squares = (x*x for x in range(10))  # 生成器表达式# 等价于def squares_func():    for x in range(10):        yield x*x

def stateful_generator():    """演示生成器状态保持"""    print("开始执行")    value = 0    while True:        received = yield value  # yield 返回value，暂停等待send()        if received is not None:            value = received        else:            value += 1gen = stateful_generator()print(next(gen))      # 开始执行 → 0print(gen.send(10))   # 10  # send()函数实现双向通信   print(next(gen))      # 11print(next(gen))      # 12

def lifecycle_demo():    """演示生成器完整生命周期"""    try:        yield "第一阶段"        yield "第二阶段"    except ValueError as e:        yield f"捕获异常: {e}"    finally:        yield "清理资源"    yield "这行不会执行"gen = lifecycle_demo()print(next(gen))            # 第一阶段print(next(gen))            # 第二阶段print(gen.throw(ValueError("测试异常")))  # 捕获异常: 测试异常print(next(gen))            # 清理资源# print(next(gen))          # StopIteration

def tail_file(filename, n=10):    """模拟tail命令，读取文件最后n行"""    with open(filename, 'r') as f:        # 高效读取：不一次性加载整个文件        lines = []        for line in f:            lines.append(line.rstrip())            if len(lines) > n:                lines.pop(0)        yield from lines# 使用for line in tail_file('large.log', 5):    print(line)