迭代器用于精确控制遍历过程，如斐波那契数列生成；生成器简化惰性求值实现，适合处理大文件或节省内存；通过实现__iter__()和__next__()可创建自定义可迭代对象，支持正向与反向遍历。
在 Python 中，迭代器与生成器是处理数据序列的重要工具。它们能帮助我们更高效地遍历数据，尤其是在处理大量数据或需要惰性求值的场景中。理解它们的使用场景并学会实现自定义可迭代对象，有助于写出更清晰、内存更友好的代码。
迭代器的使用场景与实现
迭代器是一个实现了迭代协议的对象，即拥有 __iter__() 和 __next__() 方法。每次调用 __next__() 返回下一个值，直到抛出 StopIteration 异常为止。
适用场景包括：
- 需要精确控制遍历过程，比如按特定规则读取文件行
- 封装复杂的遍历逻辑，如树结构的深度优先遍历
- 节省内存，避免一次性生成所有数据
下面是一个自定义迭代器，用于生成斐波那契数列：
class Fibonacci:def __init__(self, max_count):
self.max_count = max_count
self.count = 0
self.a, self.b = 0, 1
def __iter__(self):
return self
def __next__(self):
if self.count >= self.max_count:
raise StopIteration
result = self.a
self.a, self.b = self.b, self.a + self.b
self.count += 1
return result
# 使用示例
fib = Fibonacci(8)
for n in fib:
print(n)
生成器的使用场景与实现
生成器是创建迭代器的简便方式，使用 yield 关键字代替 return，函数执行到 yield 时暂停并返回值，下次调用继续执行。
适合以下情况：
- 数据量大但只需遍历一次，如日志文件逐行处理
- 需要惰性计算，延迟生成值以节省资源
- 简化代码，避免手动实现迭代器协议
用生成器实现同样的斐波那契数列：
def fibonacci_gen(max_count):a, b = 0, 1
count = 0
while count yield a
a, b = b, a + b
count += 1
# 使用示例
for n in fibonacci_gen(8):
print(n)
实现自定义可迭代对象
一个对象只要实现了 __iter__() 方法并返回一个迭代器，就可以用于 for 循环等上下文中。通常做法是让 __iter__() 返回自身（如果它也是迭代器），或返回另一个迭代器实例。
例如，构建一个可迭代的范围类，支持正向和反向遍历：
class ReversibleRange:def __init__(self, start, end):
self.start = start
self.end = end
def __iter__(self):
return RangeIterator(self.start, self.end)
def __reversed__(self):
return RangeIterator(self.end - 1, self.start - 1, -1)
class RangeIterator:
def __init__(self, start, end, step=1):
self.current = start
self.end = end
self.step = step
def __iter__(self):
return self
def __next__(self):
if (self.step > 0 and self.current
>= self.end) or \(self.step raise StopIteration
result = self.current
self.current += self.step
return result
# 使用示例
rr = ReversibleRange(2, 6)
for i in rr:
print(i) # 输出 2,3,4,5
for i in reversed(rr):
print(i) # 输出 5,4,3,2
基本上就这些。迭代器适合复杂控制逻辑，生成器更适合简洁实现惰性序列。根据实际需求选择合适的方式，能让代码更高效也更易读。
