可迭代对象有__iter__方法，返回迭代器；迭代器对象同时有__iter__和__next__方法，负责逐个产出数据。for循环底层即调用iter()获取迭代器，再反复调用next()直至stopiteration。
迭代器的本质：可迭代对象与迭代器对象的区别
很多人混淆“可迭代对象”和“迭代器对象”。简单说：可迭代对象（如 list、str、dict、range）有 __iter__ 方法，能返回一个迭代器；而迭代器对象本身有 __iter__ 和 __next__ 两个方法，真正负责逐个产出数据。调用 iter(obj) 得到迭代器，再反复调用 next(it) 取值，直到抛出 StopIteration 异常——这就是 for 循环底层的执行逻辑。
手写一个迭代器：掌握 __iter__ 与 __next__ 的协作机制
自定义迭代器必须同时实现这两个方法：
- __iter__ 必须返回 self（通常是迭代器自身），保证它能被 for 或 iter() 正确识别；
- __next__ 负责返回下一个值，没数据时 raise StopIteration，不能返回 None 或静默退出。
例如实现一个倒序遍历数字的迭代器：
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
生成器函数：更简洁的迭代器写法
用 def 定义、含 yield 的函数，调用后直接返回生成器对象（即迭代器）。它自动实现了 __iter__ 和 __next__，状态挂起/恢复由解释器管理，比手动写类更轻量、更常用。
关键点：
- yield 表达式暂停函数，保存局部变量和执行位置；
- 每次 next() 触发，从上次 yield 处继续执行，直到下一个 yield 或函数结束；
- return（非 None）在生成器中会作为 StopIteration 的 value 抛出。
实战场景：文件逐行处理、无限序列、管道式数据流
迭代器的价值在资源受限或数据流式场景中尤为突出：
- 大文件读取不加载全量：open() 返回的文件对象本身就是迭代器，for line in f: 比 f.readlines() 节省内存；
- 生成斐波那契、素数等无限序列：用生成器 yield 一个接一个产出，按需计算；
- 链式处理（类似 Unix 管道）：map、filter、生成器表达式可嵌套组合，每个环节只保留当前项，内存占用恒定。
