一、迭代器 (Iterator)
- 核心概念
可迭代对象 (Iterable)：可以被for循环遍历的对象（如list/str/tuple/dict/set）
本质：内部实现了__iter__()方法
迭代器 (Iterator)：用来逐个取出元素、记住遍历位置的对象
本质：同时实现__iter__() + next ()方法
iter ()：返回自己
next ()：返回下一个元素，没有则抛 StopIteration
特点：
只能往前，不能后退
遍历一次就耗尽
惰性取值（不一次性加载所有数据） - 关键方法
iter(可迭代对象) → 获取迭代器
next(迭代器) → 取下一个元素
遍历完会抛出：StopIteration 异常 - 极简示例
python
lst = [1, 2, 3]
it = iter(lst) # 获取迭代器
print(next(it)) # 1
print(next(it)) # 2
print(next(it)) # 3
# print(next(it)) # 报错 StopIteration- 自定义迭代器（重点）
必须实现两个方法：
iter ()：返回迭代器自身
next()：返回下一个值，结束抛StopIteration
python
class MyIterator:
def __init__(self):
self.num = 1
def __iter__(self):
return self
def __next__(self):
if self.num > 3:
raise StopIteration
val = self.num
self.num += 1
return val
# 使用
for i in MyIterator():
print(i) # 1 2 3二、生成器 (Generator)
- 核心概念
生成器 = 优雅的迭代器
一边循环一边计算，不一次性生成所有数据
优点：省内存！适合大数据 / 无限序列 - 两种创建方式
① 生成器表达式（简单）
把列表推导式的 [] 改成 () 就是生成器
python
g = (x for x in range(3))
print(next(g)) # 0
print(next(g)) # 1② 生成器函数（重点）
使用 yield 关键字，不是 return
调用函数不执行代码，返回生成器对象
next() 时执行到 yield 暂停，返回值
再次 next() 从暂停处继续执行
python
def gen():
yield 1
yield 2
yield 3
g = gen() # 得到生成器
print(next(g)) # 1
print(next(g)) # 2- yield 工作原理
调用函数 → 返回生成器，不运行
next() → 运行到 yield 暂停，返回值
再次 next() → 从暂停位置继续执行
函数结束 → 自动抛 StopIteration - send () 方法（进阶）
send(value)：可以向生成器传值
第一次必须用 next() 或 send(None)
三、迭代器 vs 生成器 对比（必会）
| 特性 | 迭代器 | 生成器 |
|---|---|---|
| 写法 | 类实现__iter__+next | 函数 + yield / 表达式() |
| 代码量 | 多 | 极少 |
| 内存占用 | 较高 | 极低（惰性计算） |
| 功能 | 基础迭代 | 功能更强，支持协程 |
| 使用场景 | 通用迭代 | 大数据、无限序列、协程 |
一句话总结：生成器就是简化版、高性能版的迭代器。
四、常用知识点
所有生成器都是迭代器，反之不成立
for 循环本质：自动调用 iter() + next() + 捕获异常
迭代器 / 生成器只能遍历一次，用完即废
总结
可迭代对象：能for循环 → 有__iter__()
迭代器：能next() → 有__iter__()+next ()
生成器：用yield的函数 → 最推荐使用
核心优势：惰性计算、节省内存
PS
什么是协程（Coroutine）？
可以暂停、可以恢复、用户态下切换的函数 = 协程
比线程轻量得多
不需要操作系统调度
遇到阻塞（IO、sleep）可以主动让出执行权
Python 中生成器是实现协程的基础
现代 Python 协程用 async/await，底层仍然基于生成器机制
简单理解：
函数可以暂停 → 去做别的事 → 再回来继续执行，这就是协程。
yield 关键字作用
核心作用 4 点：
- 让函数变成生成器
函数里只要有 yield，调用它不再直接运行，而是返回生成器对象。 - 暂停函数执行
执行到 yield 就停住，保存当前状态。 - 返回一个值
yield x 会把 x 返回给调用者（next() 拿到）。 - 可以接收外部传入的值
通过 send() 可以把值传给 yield，实现双向通信。
极简记忆：
yield = 暂停 + 返回值 + 可恢复
生成器为什么节省内存？
因为它是惰性计算（懒加载）：
列表：一次性把所有元素创建好放内存
生成器：用到时才计算一个，用完就丢
不保存整个序列，只保存当前状态 + 计算规则
所以：
处理百万、亿级数据时，生成器几乎不占内存。