Python面向对象(七):迭代器与生成器——让对象＂可遍历＂的魔法

迭代器协议：for 循环的底层原理

Python 中的迭代协议只要求两个方法：

classMyIterator:def__iter__(self):returnself# 返回迭代器本身def__next__(self):# 返回下一个值，没有时抛出 StopIteration        ...

for 循环的本质就是：

1. 调用 __iter__() 获取迭代器
2. 反复调用 __next__() 获取下一个值
3. 遇到 StopIteration 时停止

手动实现一个迭代器

classCountdown:def__init__(self, start):self.current = startdef__iter__(self):returnselfdef__next__(self):ifself.current <= 0:raise StopIteration        value = self.currentself.current -= 1return valuefor n in Countdown(5):print(n)# 5, 4, 3, 2, 1

这就是一个倒计时迭代器。每次 __next__ 返回当前值并减1，到0时抛出 StopIteration 结束。

生成器：更简单的迭代器

写 __iter__ 和 __next__ 有点麻烦？用 yield 关键字：

defcountdown(start):    current = startwhile current > 0:yield current      # 暂停并返回当前值        current -= 1for n in countdown(5):print(n)# 5, 4, 3, 2, 1

yield 让函数变成生成器——它自动实现了 __iter__ 和 __next__，代码量减少一半。

yield 的工作原理

defsimple_gen():print("开始")yield1print("继续")yield2print("结束")g = simple_gen()  # 此时函数还没执行！print(next(g))    # 输出"开始"，返回 1print(next(g))    # 输出"继续"，返回 2print(next(g))    # 输出"结束"，抛出 StopIteration

关键点：

• 调用生成器函数时不执行，只返回一个生成器对象
• 每次 next() 执行到下一个 yield 处暂停
• 函数内的局部变量状态被保留

让自定义对象可遍历

classTeam:def__init__(self):self.members = ["Alice", "Bob", "Charlie"]def__iter__(self):returniter(self.members)# 或者用生成器：# for member in self.members:#     yield memberteam = Team()for person in team:print(person)# Alice, Bob, Charlie

只需要实现 __iter__，返回一个迭代器即可。

生成器表达式

类似列表推导式，但用圆括号，按需生成不占内存：

# 列表推导式：一次性生成所有值squares_list = [x*x for x inrange(1000000)]  # 占用大量内存# 生成器表达式：每次只生成一个值squares_gen = (x*x for x inrange(1000000))   # 几乎不占内存print(next(squares_gen))  # 0print(next(squares_gen))  # 1print(next(squares_gen))  # 4

生成器的进阶用法

无限序列

deffibonacci():    a, b = 0, 1whileTrue:yield a        a, b = b, a + bfib = fibonacci()for _ inrange(10):print(next(fib), end=" ")# 0 1 1 2 3 5 8 13 21 34

管道式处理

defread_lines(filename):withopen(filename) as f:for line in f:yield line.strip()deffilter_empty(lines):for line in lines:if line:yield linedefto_upper(lines):for line in lines:yield line.upper()# 链式处理，每一步都是惰性求值pipeline = to_upper(filter_empty(read_lines("data.txt")))for line in pipeline:print(line)

小结

💡 练习：写一个 range2(start, stop, step) 生成器，模拟内置 range() 的功能。