迭代器是实现__iter__()和__next__()方法的对象，支持按需遍历；生成器是用yield定义的函数，自动实现迭代器协议，二者均支持延迟加载与内存高效遍历。

Python中的迭代器和生成器是实现高效遍历与延迟加载的核心机制。它们不一次性把所有数据装入内存，而是按需产出，特别适合处理大文件、数据库游标、无限序列或计算开销大的场景。

什么是迭代器：满足协议的对象

迭代器是一个实现了__iter__()和__next__()两个方法的对象。调用__iter__()返回自身，__next__()每次返回一个元素，耗尽后抛出StopIteration异常。

• 内置类型如list、str、dict本身不是迭代器，但可通过iter()函数获得迭代器
• 手动实现一个计数迭代器：

class Countdown:
  def __init__(self, start):
    self.current = start
  def __iter__(self):
    return self
  def __next__(self):
    if self.current
      raise StopIteration
    self.current -= 1
    return self.current + 1

for n in Countdown(3): print(n) # 输出：3 2 1

生成器：更简洁的迭代器写法

生成器函数使用yield关键字，每次执行到yield就暂停并返回值，下次调用继续从暂停处运行。Python自动为其生成__iter__和__next__方法。

• 生成器表达式语法类似列表推导式，但用圆括号：(x**2 for x in range(10))，返回生成器对象，不立即计算
• 适合替代简单循环逻辑，避免手动管理状态
• 示例：逐行读取大文件，不加载全文到内存

def read_large_file(filepath):
  with open(filepath, 'r') as f:
    for line in f:
      yield line.strip()

# 使用时按需取行
for line in read_large_file('huge.log'):
  if 'ERROR' in line:
    print(line)

yield from：简化嵌套生成器委托

当一个生成器需要复用另一个生成器的产出时，用yield from可避免手动循环yield，还能正确传递send()、throw()和close()信号。

立即学习“Python免费学习笔记（深入）”；

• 等价于：for item in subgen: yield item，但更高效、语义更清晰
• 常用于递归结构（如树遍历）或组合多个数据源

def chain_generators(*gens):
  for gen in gens:
    yield from gen

gen1 = (x for x in [1, 2])
gen2 = (x for x in [3, 4])
for x in chain_generators(gen1, gen2): print(x) # 输出：1 2 3 4

实战技巧：何时用生成器？怎么优化？

生成器不是万能的——它只能遍历一次、无法索引、不能回退。但正是这些限制换来了内存与性能优势。

• ✅ 适合：流式处理（日志/网络响应）、大数据集分批、动态计算序列（斐波那契、素数）、协程通信基础
• ❌ 避免：需多次遍历、随机访问、调试时频繁检查中间值（可用list(gen)临时转为列表，但注意内存）
• ? 提示：配合itertools模块（如islice、takewhile）可安全截取或条件过滤生成器