迭代器是实现__iter__()和__next__()方法的对象，能按需返回元素并在结束后抛出StopIteration；通过定义类或使用yield关键字的生成器可创建迭代器，如CountUp类遍历1到n，或用count_up生成器简化实现，两者均支持for循环逐个取值。
迭代器是Python中一种重要的对象，用于遍历集合或序列中的元素。它不是容器，而是能“记住”当前遍历位置，并按需返回下一个值的对象。理解并掌握迭代器，有助于写出更高效、更简洁的代码。
什么是迭代器
在Python中，只要一个对象实现了__iter__() 和 __next__() 方法，它就是一个迭代器。
调用 iter() 函数可以将可迭代对象（如列表、元组、字符串）转换为迭代器。每次调用该迭代器的 __next__() 方法，就会返回下一个值。当所有元素都被访问后，再次调用会抛出 StopIteration 异常，表示迭代结束。
例如：
立即学习“Python免费学习笔记（深入）”；
my_list = [1, 2, 3]
it = iter(my_list)
print(next(it)) # 输出 1
print(next(it)) # 输出 2
print(next(it)) # 输出 3
print(next(it)) # 抛出 StopIteration
如何创建自定义迭代器
通过定义一个类并实现 __iter__() 和 __next__() 方法，可以创建自己的迭代器。
示例：创建一个从1到n的数字迭代器
class CountUp:
def __init__(self, n):
self.n = n
self.current = 1
def __iter__(self):
return self
def __next__(self):
if self.current > self.n:
raise StopIteration
value = self.current
self.current += 1
return value
# 使用
for num in CountUp(5):
print(num)
这段代码会输出 1 到 5。类的实例本身就是一个迭代器，因为它返回了自己作为迭代器对象，并实现了逐个取值的逻辑。
生成器：更简单的迭代器写法
生成器是一种特殊的迭代器，使用 yield 关键字定义，无需手动实现 __iter__() 和 __next__()。函数中一旦包含 yield，调用它就会返回一个生成器对象。
Raza Microelectronics, Inc.（RMI公司）是勇于创新的信息基础架构半导体解决方案领导厂商，其产品广泛地被应用于改善不断演进的信息基础设施。在这个演进过程中，数据中心和家庭之间的连接在强度和速率方面都逐渐升级；安全和智能化已经成为每一个网络系统环境的要求；同时，边缘网络日益成为瓶颈，促使业界需要更具扩展能力及成本优势的智能网络接入方法。RMI公司为信息基础架构设计并提供多样化的解决方案，为下一代灵活的企业和数据中心应用、智能接入和数字影像系统奠定基础。 RMI远程方法调用目录 一、
示例：用生成器实现同样的计数功能
def count_up(n):
current = 1
while current
yield current
current += 1
# 使用
for num in count_up(5):
print(num)
生成器写法更简洁，内存更友好，因为它是“惰性计算”，只在需要时才生成值，不会一次性把所有数据加载到内存中。
迭代器的实际应用场景
迭代器特别适合处理大量数据或无限序列的场景，比如读取大文件、处理实时数据流、生成斐波那契数列等。
利用迭代器，可以避免一次性加载全部数据，节省内存资源。
示例：逐行读取大文件
def read_large_file(file_path):
with open(file_path, 'r') as file:
for line in file:
yield line.strip()
# 使用
for line in read_large_file('huge_log.txt'):
if 'error' in line:
print(line)
这种方式不会将整个文件读入内存，而是按需一行一行处理，非常高效。
基本上就这些。掌握迭代器，你就掌握了Python中高效数据遍历的核心机制。不复杂但容易忽略。
