Python迭代器协议实现原理_自定义迭代解析【教程】

python迭代器协议核心是__iter__和__next__两个方法：前者返回迭代器对象（可为self或新实例），后者返回下一项或抛StopIteration；遵守该协议即支持for循环等操作，无需继承或装饰。

Python迭代器协议的核心是两个方法：__iter__ 和 __next__。只要一个对象实现了这两个方法，它就能被 for 循环、list()、next() 等工具直接使用——不需要继承任何类，也不依赖特殊装饰，纯粹靠约定。

迭代器协议的两个关键方法

__iter__ 必须返回一个迭代器对象（通常就是 self，也可以是新创建的迭代器实例）；__next__ 每次调用返回下一个值，没有更多元素时抛出 StopIteration 异常。Python 内部正是靠捕获这个异常来判断迭代结束。

• 如果 __iter__ 返回的是自身（且自身有 __next__），那它既是可迭代对象，也是迭代器（单遍历、不可重用）
• 如果 __iter__ 每次都返回一个新的独立迭代器，那该对象就支持多次遍历（如 list、str）
• __next__ 不能返回 None 作为有效数据，因为 next(it, default) 用 None 表示“取不到”，容易混淆

自定义只读序列迭代器（支持多次遍历）

想让自己的容器类（比如一个封装了列表的 MyList）支持 for 循环和 list(my_obj)，推荐分离「可迭代对象」和「迭代器」角色：

• 在容器类中实现 __iter__，每次返回一个新的迭代器实例
• 单独写一个迭代器类，实现 __next__ 和 __iter__（通常直接 return self）
• 这样能天然支持多线程或嵌套循环中各自独立遍历，避免状态冲突

例如：MyList([1,2,3]).__iter__() 返回 MyListIterator 实例，每次调用都从头开始。

立即学习“Python免费学习笔记（深入）”；

实现单次消耗型迭代器（节省内存）

适合处理流式数据、大文件或生成逻辑复杂的结果。这类对象本身既是可迭代对象，也是迭代器：

• __iter__ 直接 return self
• __next__ 维护内部状态（如索引、文件指针、随机数种子），每次推进并返回新值
• 一旦抛出 StopIteration，再次调用 next() 仍会抛异常——不可重用

典型例子：逐行读取大文件的迭代器、斐波那契数列生成器（手动实现版）、数据库游标封装。

与生成器函数的关系

用 yield 写的生成器函数，调用后自动返回一个符合迭代器协议的对象。它的底层就是 Python 自动帮你实现了 __iter__ 和 __next__，并管理好暂停/恢复、状态保存等细节。所以你无需手动写这些方法，但理解协议有助于调试和设计更灵活的迭代逻辑——比如在生成器里加缓存、重试、日志，或混合多种数据源。

不复杂但容易忽略：协议本身无类型检查、无强制规范，全靠开发者自觉遵守；只要方法名对、行为对，Python 就认。