Python迭代器机制解析与高效应用实践

1. Python迭代器揭秘：for循环背后的工作机制

作为一名Python开发者，你可能每天都在使用for循环遍历列表、字典等数据结构，但很少有人真正思考过：为什么这些对象可以被for循环遍历？这背后的魔法就是迭代器（Iterator）协议。今天我们就来彻底拆解这个Python核心特性。

注意：理解迭代器协议是掌握Python高级编程的基础，它不仅是for循环的核心，也是生成器、异步编程等概念的基石。

1.1 可迭代对象 vs 迭代器

首先我们需要明确两个关键概念：

• 可迭代对象(Iterable)：实现了__iter__()方法的对象，该方法返回一个迭代器
• 迭代器(Iterator)：实现了__next__()方法的对象，该方法返回下一个元素

python复制# 判断对象是否是可迭代对象
from collections.abc import Iterable, Iterator

data = [1, 2, 3]
print(isinstance(data, Iterable))  # True
print(isinstance(data, Iterator))  # False

列表是可迭代对象但不是迭代器本身。当我们使用for循环时，Python会自动调用__iter__()方法获取迭代器：

python复制# for循环的等价实现
data = [1, 2, 3]
iterator = iter(data)  # 调用data.__iter__()
while True:
    try:
        item = next(iterator)  # 调用iterator.__next__()
        print(item)
    except StopIteration:
        break

1.2 自定义迭代器实现

理解了原理后，我们可以自己实现一个迭代器。下面是一个生成斐波那契数列的迭代器：

python复制class Fibonacci:
    def __init__(self, max_count):
        self.max_count = max_count
        self.count = 0
        self.a, self.b = 0, 1
    
    def __iter__(self):
        return self
    
    def __next__(self):
        if self.count >= self.max_count:
            raise StopIteration
        value = self.a
        self.a, self.b = self.b, self.a + self.b
        self.count += 1
        return value

# 使用示例
for num in Fibonacci(10):
    print(num)  # 输出前10个斐波那契数

这个实现展示了迭代器的几个关键特点：

1. 同时实现了__iter__()和__next__()方法
2. __iter__()返回self，因为类本身就是迭代器
3. __next__()每次返回下一个值，结束时抛出StopIteration

1.3 迭代器的惰性求值特性

迭代器的一个重要特性是惰性求值（L