【python3基础教程】迭代器与生成器

1、迭代器

定义：迭代器是python最强大的功能之一，是访问集合元素的一种方式。实现__iter__和__next__方法的对象，是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。

内存占用：需要显式管理数据

实现复杂度：需手动编写类

复用性：可多次迭代

核心作用：

• 提供统一的遍历接口（for循环、next()）

• 支持大规模数据流处理（如逐行读取文件）

基本用法 创建一个迭代器：

python的构造函数为 init(),它会在对象初始化的时候执行。

把一个类作为一个迭代器使用需要在类中实现两个方法 iter()与 next()。

Stoplteration异常用于标识迭代的完成，防止出现无限循环的情况，在 next()方法中我们可以设置在完成指定循环次数后触发Stoplteration异常来结束迭代。

# 自定义迭代器类class CountDown:def __init__(self, start):self.current = startdef __iter__(self):return self# 返回迭代器对象自身def __next__(self):if self.current<= 0:raise StopIteration# 终止迭代num = self.currentself.current -= 1return num# 使用迭代器counter = CountDown(3)for num in counter:print(num)  # 输出 3, 2, 1

内置迭代工具：

• iter()：创建迭代器，将可迭代对象（如列表）转换为迭代器

  字符串、列表或元组对象都可以用于创建迭代器：

  >>>list=[1,2,3,4]>>>it = iter(list)    # 创建迭代器对象>>>print (next(it))   # 输出迭代器的下一个元素1>>>print (next(it))2

  迭代器对象可以使用常规for语句进行遍历：

  #!/usr/bin/python3list=[1,2,3,4]it = iter(list)    # 创建迭代器对象for x in it:print (x, end=" ")

• next()：依次输出迭代对象元素下一个值

  也可以使用next()函数：

  #!/usr/bin/python3import sys# 引入 sys 模块list=[1,2,3,4]it = iter(list)    # 创建迭代器对象while True:try:print (next(it))except StopIteration:sys.exit()

2、生成器

定义：使用yield关键字定义的函数或表达式被称为生成器（generator）。跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器也是一个迭代器。在调用生成器运行的过程中，每次遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值，并在下一次执行next()方法时从当前位置接着继续运行。调用一个生成器函数，返回的是一个迭代器对象。

内存占用：惰性计算，按需生成值，节省内存

实现复杂度：通过yield自动实现，代码更简洁

复用性：只能迭代一次（生成器耗尽后无法重复使用）

核心作用：

• 惰性生成数据：按需生成值，避免一次性加载所有数据到内存，适合流式数据处理

• 简化迭代器创建（无需编写类的__iter__和__next__）方法

基本用法：

生成器函数（使用 yield）使用yiled实现斐波那契数列：

#!/usr/bin/python3import sysdef fibonacci(n): # 生成器函数 - 斐波那契a, b, counter = 0, 1, 0while True:if (counter>n): returnyield aa, b = b, a+bcounter += 1f = fibonacci(10) # f 是一个迭代器，由生成器返回生成while True:try:print (next(f), end=" ")except StopIteration:sys.exit()

生成器表达式，类似列表推导，但用()包裹：

gen = (x*2 for x in range(3))print(next(gen))  # 0print(next(gen))  # 2

send()方法，向生成器发生数据【yiled from委托子生成器】

def generator_with_send():value = 0while True:received = yield value# 接收外部传入的值if received is not None:value = receivedelse:value += 1gen = generator_with_send()print(next(gen))        # 0print(gen.send(10))     # 10（修改内部状态）print(next(gen))        # 11

经典应用场景

1、处理大规模数据

def read_large_file(file_path):with open(file_path, 'r') as f:for line in f:  # 逐行读取，避免内存爆炸yield line.strip()for line in read_large_file('huge_log.txt'):process(line)  # 逐行处理，写处理逻辑

2、无限序列

def infinite_sequence():num = 0while True:yield numnum += 1gen = infinite_sequence()print(next(gen))  # 0print(next(gen))  # 1

3、协程（Coroutine）

利用生成器实现轻量级并发：

def coroutine():while True:x = yield# 等待接收值print(f"Received: {x}")c = coroutine()next(c)       # 启动协程c.send(10)    # 输出 "Received: 10"c.send("Hi")  # 输出 "Received: Hi"

总结

• 迭代器：提供通用遍历接口，需手动实现__next__

• 生成器：通过yield简化迭代器创建，节省内存，适合流式数据处理，但是会降低运行的速度

  生成器是“一次性的”，遍历结束后需重新创建：

  gen = (x for x in range(3))list(gen)  # [0, 1, 2]list(gen)  # []（已耗尽）

• 迭代器：立即生成所有数据，方便随机访问

• 核心选择：需要复用数据时用迭代器，处理大规模或无限数据时优先选生成器

3、装饰器[函数章节]

装饰器是一种设计模式，用于在不修改函数代码的情况下扩展函数的功能，起到补充原函数功能的作用，用@表示。

以下示例：

def my_decorator(func):def wrapper():print("Something is happening before the function is called.")func()print("Something is happening after the function is called.")return wrapper@my_decoratordef say_hello():print("Hello!")say_hello()

@my_decorator构造装饰器，将say_hello()的函数作为my_decorator()的参数在其中间执行出来。