02 Python语法 (2) 迭代器（Iterator）与生成器（Generator）笔记

一、迭代器（Iterator）与可迭代对象（Iterable）

1. 迭代器的定义

一个对象如果同时实现了：

1. __iter__() 方法，并返回自身 (return self)
2. __next__() 方法，用来返回下一个值
3. 当没有数据时，__next__() 抛出 StopIteration 异常

就叫 迭代器对象。

特点：

• 只能往后取值，不能回退
• 每次取值都会释放之前的值，节省内存
• 无法直接得知长度（除非额外计算）

2. 可迭代对象的定义

如果一个对象实现了：

• __iter__() 方法，并且返回一个 迭代器对象

它就是一个可迭代对象。

range() is a iterable but NOT Iterator. However, it can produce iterator.

Python 内部会做：

1. 调用 iter(range(3)) → 得到一个 range_iterator 对象

2. 这个 range_iterator 有 __next__() 方法，for 会不停调用它，直到遇到 StopIteration 停止循环

列表也是可迭代对象。

所有的可迭代对象，都能通过for循环遍历。

3. 两者的关系

• 迭代器一定是可迭代对象（因为它有 __iter__ 方法）
• 但可迭代对象不一定是迭代器（可能只有 __iter__ 而没有 __next__）

4. for 循环的本质

for x in obj 其实做了三步：

1. 调用 iter(obj) → 得到迭代器
2. 不断调用 next(迭代器)
3. 捕获 StopIteration 异常 → 停止循环

5. 迭代器Pros&Cons

Pros：

1. 提供了一种通用不依赖index的迭代取值方式
2. 节省内存，迭代器在内存中只占用一个数据的空间。因为每次取值都上一条数据会在内存释放，加载当前的此条数据。 Cons：
3. 因为有next函数，只能往后，不能往前
4. 无法预测迭代器的长度。

二、生成器（Generator）

生成器是一种特殊的迭代器，它是由：

• 含有 yield 关键字的函数创建
• 或生成器表达式创建

1. 生成器函数

• 调用时不会立即执行，而是返回一个生成器对象
• 每次调用 next() 或 send() 时，从上次中断处继续执行，直到遇到下一个 yield
• yield 会“暂停”函数并返回值
• return 会结束生成器并抛出 StopIteration

常用方法：

• next(g)：执行到下一个 yield
• send(value)：不仅执行到下一个 yield，还把 value 传给上一个 yield 表达式
• close()：关闭生成器。生成器被关闭后，再次调用next()函数，不论是否有yield，都会抛出StopIteration异常

def generator():
	v1 = yield 1

	v2 = yield 2

	v3 = yield 3

g = generator()

Explanation:
- 首先需要用 next(g)到达第一个yield。这时候print 1
- print(g.send(100)) 让 v1 = 100， 同时到达第二个yield，print 2

2. 生成器表达式

语法：

(返回值 for 元素 in 可迭代对象 if 条件)
返回一个生成器对象（惰性求值，不立即生成全部数据）。

示例：
numbers = (x for x in range(6))

列表推导式的区别：

• 列表推导式：一次性生成全部数据（占内存多）

• 生成器表达式：按需生成（占内存少）

三、总结对比表