P2B-Python可迭代对象完全指南-从列表到生成器的Python编程利器
📝 摘要
可迭代对象是 Python 中非常重要的概念，列表、元组、字符串、字典、集合等都是可迭代对象。本文详细介绍了可迭代对象和迭代器的区别，以及如何创建它们，包括用 iter()、实现 __iter__ + __next__、用 yield 生成器等多种方式。掌握这些知识，你就能更好地理解 Python 的迭代机制，写出更高效的代码 💪
1. 什么是可迭代对象 📚
可迭代对象（Iterable） 就是可以用 for 循环遍历的对象 🔁
通俗来说，就是"能一个一个取出元素的对象"：
python
# 列表是可迭代对象
for item in [1, 2, 3]:
print(item) # 依次输出 1, 2, 3
# 字符串是可迭代对象
for char in "hello":
print(char) # 依次输出 h, e, l, l, o
# 字典是可迭代对象
for key in {"name": "Tom", "age": 18}:
print(key) # 依次输出 name, age技术定义
从代码层面来说，实现了 __iter__ 方法的对象就是可迭代对象：
python
# 查看列表的__iter__方法
print([].__iter__) # <method-wrapper '__iter__' of list object at 0x...>这个方法的作用是返回一个迭代器（Iterator），然后我们就可以用迭代器逐个获取元素啦~
2. 常见可迭代对象类型 🔍
Python 中的可迭代对象非常丰富，主要分为以下几类 📋
2.1 内置序列类型
| 类型 | 示例 | 说明 |
|---|---|---|
| 列表 | [1, 2, 3] |
有序、可变 |
| 元组 | (1, 2, 3) |
有序、不可变 |
| 字符串 | "hello" |
有序、字符序列 |
| range | range(5) |
整数序列 |
python
# 列表
for i in [1, 2, 3]:
print(i)
# 元组
for i in (1, 2, 3):
print(i)
# 字符串
for c in "abc":
print(c)
# range
for i in range(3):
print(i) # 0, 1, 22.2 集合类型
| 类型 | 示例 | 说明 |
|---|---|---|
| 集合 | {1, 2, 3} |
无序、唯一 |
| 字典 | {"a": 1} |
键值对 |
python
# 集合（遍历的是键）
for i in {1, 2, 3}:
print(i)
# 字典（默认遍历键）
for key in {"name": "Tom", "age": 18}:
print(key) # name, age2.3 特殊类型
| 类型 | 示例 | 说明 |
|---|---|---|
| 文件对象 | open("file.txt") |
逐行读取 |
| 生成器 | (i for i in range(5)) |
惰性生成，按需取值 |
| 迭代器 | iter([1,2,3]) |
消耗性遍历，用完就没 |
什么是消耗性遍历？
💡 知道了解就好，不用深究
迭代器无法二次使用，用完就没了 🚫
python
it = iter([1, 2, 3])
for i in it:
print(i) # 1, 2, 3
# 二次使用：什么都不输出，也不会报错
for i in it:
print(i) # 不输出什么是惰性生成？
💡 知道了解就好，不用深究
简单说，生成器记录了数据怎么生成的规则 ，只有当你用 next() 或遍历时 ，才会根据这个规则生成具体的值 🏭
- 列表
[1,2,3]→ 直接存了3个值 - 生成器
(x for x in range(3))→ 只存了"怎么生成"的规则，用到时才算
python
# 列表 → 直接存值
lst = [1, 2, 3]
# 生成器 → 记录生成规则，用next()才取值
gen = (x * 2 for x in range(3))
print(next(gen)) # 0
print(next(gen)) # 2
print(next(gen)) # 4
python
# 生成器表达式
gen = (i * 2 for i in range(3))
for i in gen:
print(i) # 0, 2, 4
# range 对象
for i in range(5):
print(i)💡 Tip：几乎所有可以"逐个访问"的数据结构都是可迭代对象！
3. 如何判断可迭代对象 ❓
可以用 isinstance() 配合 collections.abc.Iterable 来判断 🔍
python
from collections.abc import Iterable
# 测试常见对象
print(isinstance([1, 2, 3], Iterable)) # True - 列表
print(isinstance("hello", Iterable)) # True - 字符串
print(isinstance((1, 2, 3), Iterable)) # True - 元组
print(isinstance({1, 2, 3}, Iterable)) # True - 集合
print(isinstance({"a": 1}, Iterable)) # True - 字典
print(isinstance(range(5), Iterable)) # True - range
print(isinstance((x for x in range(3)), Iterable)) # True - 生成器
# 非可迭代对象
print(isinstance(100, Iterable)) # False - 数字
print(isinstance(None, Iterable)) # False - None原理
判断依据：对象是否实现了 __iter__ 方法
python
# 列表有 __iter__ 方法
print(hasattr([1, 2, 3], '__iter__')) # True
# 数字没有
print(hasattr(100, '__iter__')) # False💡 推荐用
isinstance(obj, Iterable)的方式，更规范可靠！
4. 迭代器与可迭代对象的区别 🔄
这两个概念很容易混淆，来一张图说明：
graph LR
A[可迭代对象
Iterable] -->|实现__iter__| B[返回迭代器] B --> C[迭代器
Iterator] C -->|实现__next__| D[逐个取值] style A fill:#e3f2fd,stroke:#1976d2 style C fill:#ffebee,stroke:#d32f2f
Iterable] -->|实现__iter__| B[返回迭代器] B --> C[迭代器
Iterator] C -->|实现__next__| D[逐个取值] style A fill:#e3f2fd,stroke:#1976d2 style C fill:#ffebee,stroke:#d32f2f
核心区别
| 可迭代对象 (Iterable) | 迭代器 (Iterator) | |
|---|---|---|
| 实现方法 | __iter__ |
__iter__ + __next__ |
| 能否获取下一个值 | ❌ 不能 | ✅ 能 |
| 能否二次遍历 | ✅ 可以 | ❌ 只能一次 |
| 例子 | 列表、字符串、字典 | 生成器、iter([1,2,3]) |
python
# 列表 → 可迭代对象
lst = [1, 2, 3]
print(hasattr(lst, '__iter__')) # True
print(hasattr(lst, '__next__')) # False
# iter() 返回的是迭代器
it = iter(lst)
print(hasattr(it, '__iter__')) # True
print(hasattr(it, '__next__')) # True
# 用 next() 获取值
print(next(it)) # 1
print(next(it)) # 2
print(next(it)) # 3
# print(next(it)) # StopIteration 异常关系总结
可迭代对象 实现了
__iter__，可以返回 迭代器
迭代器 实现了__next__，可以逐个取值
简单说：迭代器 = 可迭代对象 + 取值能力 🔧
5. 如何创建可迭代对象和迭代器 🔧
5.1 创建可迭代对象
iter() 是 Python 内置函数，用于获取可迭代对象的迭代器：
python
# iter(可迭代对象) → 返回迭代器
lst = [1, 2, 3]
it = iter(lst) # 获取迭代器
print(next(it)) # 1
# 也可以直接用 iter(obj)
# 相当于调用 obj.__iter__()只需要实现 __iter__ 方法，返回一个迭代器即可：
python
# 方式一：用 iter() 返回迭代器
class MyIterable:
def __init__(self, data):
self.data = data
def __iter__(self):
# 返回迭代器对象
return iter(self.data)
# 方式二：同时实现 __iter__ + __next__，返回 self
class MyIterable2:
def __init__(self, data):
self.data = data
self.index = 0
def __iter__(self):
return self # 返回自身
def __next__(self):
if self.index >= len(self.data):
raise StopIteration
value = self.data[self.index]
self.index += 1
return value
# 使用
obj = MyIterable([1, 2, 3])
for i in obj:
print(i) # 1, 2, 3方式三：旧式兼容（了解即可）
Python 早期版本没有 __iter__，可以用 __getitem__ 实现可迭代：
python
class MyIterable3:
def __init__(self, data):
self.data = data
def __getitem__(self, index):
return self.data[index]
# Python 会自动从 index 0 开始尝试调用 __getitem__
obj = MyIterable3([1, 2, 3])
for i in obj:
print(i) # 1, 2, 3💡 这种方式是为了兼容性，了解就行，现在推荐用方式一或方式二！
5.2 创建迭代器
需要同时实现 __iter__ 和 __next__ 方法：
python
class MyIterator:
def __init__(self, data):
self.data = data
self.index = 0
def __iter__(self):
return self # 返回自身
def __next__(self):
if self.index >= len(self.data):
raise StopIteration # 迭代结束
value = self.data[self.index]
self.index += 1
return value
# 使用
it = MyIterator([1, 2, 3])
print(next(it)) # 1
print(next(it)) # 2
print(next(it)) # 3
# next(it) # StopIteration5.3 用 yield 创建生成器（推荐！）
用 yield 关键字，不需要 iter()，不需要写类，直接创建可迭代对象：
python
# 用 yield 的函数 → 生成器
def my_generator():
yield 1
yield 2
yield 3
# 调用函数不会执行，只是返回生成器对象
gen = my_generator()
print(gen) # <generator object my_generator at ...>
# 生成器本身就是迭代器，不需要 iter()
for i in gen:
print(i) # 1, 2, 3特点：
- 调用函数不执行，只是返回生成器对象
- 用
next()或遍历时才执行 - 用到才生成值，不占内存
💡 最推荐的方式，代码最简洁！
6. 总结 📌
这篇文章我们学习了 Python 可迭代对象的知识，来回顾一下：
核心概念
| 概念 | 说明 |
|---|---|
| 可迭代对象 | 实现了 __iter__，可以用 for 遍历 |
| 迭代器 | 实现了 __iter__ + __next__，可以逐个取值 |
| 生成器 | 用 yield 创建，惰性生成，用到才取值 |
创建方式
| 方式 | 代码 | 特点 |
|---|---|---|
| 方式一 | __iter__ + iter() |
返回已有的迭代器 |
| 方式二 | __iter__ + __next__ + 返回 self |
自身即是迭代器 |
| 方式三 | __getitem__ |
旧式兼容，了解即可 |
| 方式四 | yield 生成器函数 |
最推荐，简洁高效 |
实际应用
- 数据处理：大文件、数据库查询结果（用生成器省内存）
- 无限序列：数学序列、实时数据流
- 自定义遍历：按特定规则遍历对象
🎉 恭喜你又掌握了一个 Python 核心概念！
最后更新时间：2026-04-12