Python 可迭代对象、迭代器、生成器

Python 可迭代对象、迭代器、生成器的区别与联系

1. 可迭代对象 (Iterable)

• 定义：实现了 __iter__() 方法（或 __getitem__() 方法）的对象
• 核心特性：
  • 可被用于 for 循环、列表推导式等迭代场景
  • 每次迭代会创建新的迭代器
• 常见类型：

  list, tuple, str, dict, set, range, file objects
  

• 生命周期：
  • 可重复遍历（每次遍历都会创建新迭代器）
  • 不保存迭代状态
• 原理验证：

  nums = [1, 2, 3]
  print(hasattr(nums, '__iter__'))  # True (是可迭代对象)
  print(hasattr(nums, '__next__'))  # False (不是迭代器)
  

---

2. 迭代器 (Iterator)

• 定义：实现了 __iter__() 和 __next__() 方法的对象
• 核心特性：
  • 有状态：记录当前迭代位置
  • 惰性求值：按需生成元素
  • 一次性：遍历完成后无法重启
• 生命周期：

  nums = [1, 2, 3]
  it = iter(nums)  # 从可迭代对象创建迭代器
  
  print(next(it))  # 1
  print(next(it))  # 2
  print(next(it))  # 3
  print(next(it))  # ❌ 抛出 StopIteration
  

• 特点验证：

  print(it is iter(it))  # True (迭代器的 __iter__() 返回自身)
  

---

3. 生成器 (Generator)

• 定义：使用 yield 关键字创建的特殊迭代器
• 核心特性：
  • 延迟计算：运行时动态生成值（节省内存）
  • 状态暂停：每次 yield 暂停执行，保留局部变量状态
  • 一次性使用：与迭代器相同
• 创建方式：

  # 生成器函数
  def count_down(n):
      while n > 0:
          yield n  # 暂停并返回值
          n -= 1
  
  # 生成器表达式
  gen = (x**2 for x in range(5))
  

• 使用示例：

  gen = count_down(3)
  print(next(gen))  # 3
  print(next(gen))  # 2
  print(next(gen))  # 1
  

---

三者关系图解

    [可迭代对象] (如 list)
        │
        ▼ 通过 iter() 创建
    [迭代器] (如 list_iterator)
        │
        ▼ 特殊形式
    [生成器] (含 yield 的函数)

核心区别总结

特性	可迭代对象	迭代器	生成器
实现方法	__iter__()	__iter__() + __next__()	yield 关键字
内存占用	存储所有元素	单元素 + 状态	单元素 + 执行状态
遍历次数	可重复遍历	仅一次	仅一次
状态保存	❌ 无状态	✅ 记录位置	✅ 完整执行状态
创建方式	直接构造	iter(可迭代对象)	函数含 yield 或生成器表达式
典型代表	[1,2,3], "abc"	file.readlines()	(x for x in range(n))
是否懒加载	❌	✅	✅
元素生成时机	预先创建	按需创建	按需创建

---

转换关系示例

# 可迭代对象 → 迭代器
nums = [1, 2, 3]          # 可迭代对象
it = iter(nums)            # 创建迭代器

# 生成器 → 迭代器
def gen_func():            # 生成器函数
    yield 1
    yield 2

gen = gen_func()           # 生成器（也是迭代器）
print(next(gen))           # 1

# 迭代器 → 可迭代对象 (所有迭代器都是可迭代对象)
for x in it:               # 可直接用于迭代
    print(x)

为什么需要生成器？

内存优化案例：读取 10GB 日志文件

# 传统方式（内存爆炸）:
with open("huge.log") as f:
    lines = f.readlines()  # 一次性加载所有内容

# 生成器方案（内存友好）:
def read_lines(filename):
    with open(filename) as f:
        for line in f:     # 每次只读一行
            yield line

for line in read_lines("huge.log"):
    process(line)  # 逐行处理

关键结论

1. 所有生成器都是迭代器（实现了 __iter__ 和 __next__）
2. 所有迭代器都是可迭代对象（但反之不成立）
3. 生成器是创建迭代器的最简洁方式，尤其适合：
   • 处理大数据流
   • 实现无限序列
   • 管道式数据处理