在日常开发中，我们经常写 for 循环，却很少去思考它是如何工作的。本篇从迭代机制入手，再过渡到生成器。
一、可迭代对象 vs 迭代器
先看一个常见的循环：
nums = [1, 2, 3]
for n in nums:
print(n)
这里的 nums 是可迭代对象（Iterable） ，它的特点是：可以被 for 遍历。而真正执行遍历的是迭代器 （ Iterator ） 。使用 iter() 把可迭代对象变成迭代器。
Python中的可迭代对象有：
list、tuple、str、dict、set、range。
nums = [1, 2, 3]
it = iter(nums) # 把列表变成迭代器
# 每调用一次 next (it)，就从迭代器里取一个值，指针往后走一步。
print(next(it)) # 1
print(next(it)) # 2
print(next(it)) # 3
# 取完了再取，就会报错 StopIteration（迭代结束）
总结一下关系：
- 可迭代对象：可以被
iter()转换成迭代器 - 迭代器：可以用
next()一个个取值
二、for 循环的本质
for 循环本质上就是一个“自动调用 next 的过程”：
nums = [1, 2, 3]
it = iter(nums)
while True:
try:
n = next(it)
print(n)
except StopIteration:
break
也就是说：
for做的事情 =iter()+next()+ 捕获异常
理解这一点后，再看生成器会更自然。
三、生成器函数（yield）
生成器的核心在于 yield，它会让函数“暂停执行”。你可以这么理解，yield = 带暂停功能的 return， 它和return的区别是：
return：函数直接结束yield：函数暂停在这里，下次继续从这行往下跑
def count_up_to(n): # 定义函数，最多数到 n
i = 1 # 从 1 开始数
while i <= n: # 只要没超过 n，就一直循环
yield i # 暂停，返回当前的 i，记住位置
i += 1 # 下次被唤醒时，执行这行：i+1
调用时：
# 创建生成器（此时函数还没开始跑）
gen = count_up_to(3)
# 第一次 next() → 跑到 yield 1，暂停，返回 1
print(next(gen)) # 输出 1
# 第二次 next() → 从暂停处继续，i=2，yield 2，暂停
print(next(gen)) # 输出 2
# 第三次 next() → 继续，i=3，yield 3，暂停
print(next(gen)) # 输出 3
# 第四次 next() → 循环结束，函数退出 → 报错 StopIteration
print(next(gen))
本质上，生成器就是一种自动实现了 迭代器 协议的对象。即，Python 看到 yield，就自动在后台：
- 生成一个对象
- 实现了
iter - 实现了
next - 自动记录暂停位置
- 自动在结束时抛
StopIteration
四、生成器表达式
列表推导式 vs 生成器表达式:
# 列表推导式，瞬间全部算完，放进内存
nums = [x * x for x in range(5)]
# 生成器表达式，什么都不计算，通过next()取值
gen = (x * x for x in range(5))
使用方式对比：
# 列表：一次性生成好
nums = [x*x for x in range(5)]
print(nums) # [0, 1, 4, 9, 16]
print(nums[2]) # 4 可以直接索引
print(nums[3]) # 9 可以随便取
# 生成器：按需生成
gen = (x*x for x in range(5))
print(gen) # 打印的是一个生成器对象，不是数据
print(next(gen)) # 0 要一个，算一个
print(next(gen)) # 1
print(next(gen)) # 4
五、什么时候用生成器？
当数据 很大 / 很慢 / 只用一次 时，优先考虑生成器。
1）数据量很大（无法一次性加载）
def read_big_file(path):
with open(path) as f:
for line in f:
yield line
如果改成：
lines = f.readlines()
当文件很大时，会一次性占用大量内存。生成器按行读取，可以把内存占用控制在一个稳定范围。
2）数据是“流式”的
例如接口分页、消息队列、日志流：
def fetch_pages():
page = 1
while True:
data = request_api(page)
if not data:
break
yield from data
page += 1
特点是：
- 数据不是一次性准备好的
- 需要“边产生边消费”
3）只需要遍历一次
如果数据只会被消费一次（例如过滤日志、扫描文件），生成器更合适：
gen = (line for line in read_log("app.log") if "ERROR" in line)
相比列表，不会提前做无用计算。
总结
| 概念 | 说明 |
|---|---|
| 可迭代对象 | 实现了 iter 的对象，可被 for 循环遍历 |
| 迭代器 | 经 iter() 转换后，支持 next() 逐步取值 |
| 生成器函数 | 含 yield 的函数，调用后返回生成器对象 |
| 生成器表达式 | (expr for x in iterable)，圆括号版的列表推导式 |
| 核心优势 | 惰性求值，按需产出，内存占用与数据量无关 |
