1. 迭代器是什么？ #

• 迭代器（iterator） 是一种按序逐个产出元素的对象，采用惰性求值。
• 需要下一个元素时才计算，不会先把全部数据装进内存。
• Python 的 for 循环底层正是：对可迭代对象调用 iter() 得到迭代器，再反复 next() 取元素，直到抛出 StopIteration 结束循环。
• 初学不必手写迭代器，但理解这套机制有助于：逐行读大日志、数据库大批量游标、生成器表达式。
• 也有助于避免「把百万条记录 list() 进内存」的坑。

2. 可迭代对象 vs 迭代器 #

• 两个概念容易混用，区别要记清。
• 可迭代对象（Iterable） 能被 for 遍历，实现了 __iter__()，返回一个迭代器。
• 迭代器（Iterator） 除了 __iter__()，还有 __next__()，负责「拿出下一个值」。
• 列表、字典、字符串、文件对象都是可迭代对象，本身通常不是迭代器。
• 对它们调用 iter(obj) 才得到迭代器。
• 迭代器用完即尽：同一迭代器只能完整走一遍，再走需重新 iter(...) 或新建列表等对象。

# 列表是可迭代对象
nums = [1, 2, 3]
# iter() 获取迭代器
it = iter(nums)
# next() 逐个取出元素
print(next(it))
print(next(it))

3. 迭代器协议 #

• 要让自定义类支持 for 循环，需实现迭代器协议。
• __iter__() 返回迭代器自身（或另一个迭代器对象）。
• __next__() 返回下一个元素，没有更多元素时 raise StopIteration。
• 自定义迭代器多用于：按规则生成序列、封装外部 API 的分页拉取、或教学演示。
• 日常处理列表、文件、查询结果时，用内置可迭代对象就够了。

4. iter() 与 next() #

• iter(可迭代对象) 获取迭代器；next(迭代器) 手动取下一个元素，耗尽时抛 StopIteration。
• 传 next(it, default) 可在结束时返回默认值而不抛异常。
• 多数场景用 for 即可，不必手写 next。
• 需要手动步进、对接只认迭代器的 API、或调试「取了几个元素」时才会直接用到这一对函数。

# 可迭代对象
data = ["a", "b", "c"]
# 获取迭代器
it = iter(data)

# 逐个取出元素
print(next(it))
print(next(it))
print(next(it))
# 迭代结束后返回默认值，不抛异常
print(next(it, "没了"))

5. 项目中的典型场景 #

• 全栈项目里与迭代器最相关的两类实践：大文件逐行读（控制内存）、认清一次遍历与多次遍历的区别（迭代器耗尽后不能重来）。
• ORM 大批量导出、日志分析、CSV 处理都适用同一思路：能流式就流式，避免一次性 readlines() 或 .all()。

5.1 逐行读大文件 #

• 打开的文件对象是可迭代的，for line in f 按行惰性读取，不会把整个文件读进列表。
• 几百万行日志若 f.readlines() 可能占满内存，生产环境应逐行处理或分批。

# 打开文件，文件对象是可迭代的
with open("access.log", "r", encoding="utf-8") as f:
    # 按行惰性读取，不会一次性加载全部内容
    for line in f:
        print(line)

5.2 一次遍历 vs 多次遍历 #

• 列表可 for 多遍；迭代器 / 生成器消费一次后内部状态已耗尽，再次 list(it) 往往为空。
• 需要重复遍历时：转成列表（确认数据量可接受）、重新 iter(可迭代对象)，或重新执行查询。

# 创建迭代器
it = iter([1, 2, 3])
# 第一次遍历，消耗全部元素
print(list(it))
# 第二次遍历，迭代器已耗尽，结果为空
print(list(it))

6. 项目开发要点 #

• 迭代器不是每天都要写的 API，但影响内存与性能的选择。
• for 依赖可迭代对象；大数据优先迭代器/生成器，避免 list(海量查询)。
• 文件、日志、导出 CSV 用逐行迭代，控制内存。
• ORM 大批量处理 用 iterator() 或游标，不要默认 .all() 全进内存。
• 迭代器只能消费一次；要重复用就转成列表（确认数据量可接受）或重新创建。