python中的迭代器与生成器

迭代器：

两个基本的方法：iter()和next()

• __iter__() 方法返回一个特殊的迭代器对象， 这
• 个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。
• __next__() 方法会返回下一个迭代器对象。

核心区分

class MyNumbers: def __iter__(self): self.a = 1 return self # 返回自己，作为迭代器 def __next__(self): x = self.a self.a += 1 return x myclass = MyNumbers() it = iter(myclass) # 执行 __iter__，self.a=1，返回对象self print(it) # 打印对象：<__main__.MyNumbers object at 0x...> print(next(it)) # 调用 __next__ → 1 print(next(it)) # 调用 __next__ → 2

• iter(x)→ 调用x.__iter__()，得到迭代器对象

  print(iter(myclass)) # 输出类似：<__main__.MyNumbers object at 0x0000021xxxx>

  打印出来的是对象描述、内存地址，不会执行next，不会产生 1、2、3 这种数据。

执行iter(myclass)的时候：

1. 会跑__iter__里面代码：self.a =1✅（状态初始化发生在这里！）
2. return self返回实例对象
3. 但是不会调用__next__，不会计算、不会返回数字
4. 这一步打印不会输出业务数据（数字、列表这些），它返回的是迭代器对象本身，打印对象看到的是对象内存信息，不是迭代产出的值。

• next(迭代器对象)→ 调用__next__()，才拿到实际的元素值

  it = iter(myclass) print(next(it)) # 输出 1

📌一句话记忆：iter()负责造迭代器工具；next()负责驱动工具产出数据。

总结表格

易错点提醒：

__iter__只是做初始化、返回迭代器；真正产生每一个值，是交给next/ next()。

就算__iter__内部初始化了self.a=1，这个 1 只是变量状态，不会自动跑出来，必须等next()调用__next__才会取出来返回。

生成器函数（带 yield）：

只要 Python 看到函数定义体内存在 yield，它就把这个函数标记为生成器函数。

def gen(): yield 10 g = gen() # 等价于 iter(...) 的效果，拿到生成器迭代器对象。生成器自动实现iter和next,简化代码 print(g) # <generator object gen at 0x...>，打印对象，拿不到10 print(next(g)) # 10，next才会拿到产出的值

运行实例：

def gen(): print("开始执行函数内部") yield 100 g = gen() # 第0步，仅仅构造生成器,返回一个生成器对象，这个对象处于休眠状态，需要next唤醒，并没有执行函数 print("这里是g = gen()之后")#打印结果 print(next(g))#激活对象之后，开始执行函数，根据函数定义先打印"开始执行函数内部"，再通过yield输出100

调用生成器函数时：

• 不执行函数里面任何一行代码
• 直接返回一个「生成器对象」，保存函数的入口位置、局部变量的上下文
• 这个对象处于休眠状态，等着 next() 来唤醒
• yield 不是 return。
• yield 是暂停指令，它生效的前提是代码执行流走到这一行。 没被 next 唤醒，代码流根本走不到 yield a 那一行，自然不可能输出 a。

#以下是执行结果 这里是g = gen()之后 开始执行函数内部 100

区分两件事（极易混淆）：

1. 函数定义里面写了 yield：只是告诉 Python，这是生成器。此时什么都不发生。
2. 程序执行流运行到 yield 这行语句：才会暂停 + 向外产出值。

写在代码里 ≠ 程序已经跑到这行执行了。

一句话记住规则

• 写yield a≠ 立刻把 a 算出来返回
• yield a只是定义了一个「将来被 next () 调用时，要产出什么值」。
• 函数只有遇到 next () /for 循环才会真正跑内部代码。