迭代器是可以迭代的对象。 在本教程中，您将学习迭代器如何工作以及如何使用__iter__和__next__方法构建自己的迭代器。
Python 中的迭代器
迭代器在 Python 中无处不在。 它们在for循环，理解力，生成器等中优雅地实现，但隐藏在清晰的视野中。
Python 中的迭代器只是可以对其进行迭代的对象。 一个将返回数据的对象，一次返回一个元素。
从技术上讲，Python 迭代器对象必须实现两个特殊方法__iter__()和__next__()，统称为迭代器协议。
如果我们可以从中获得一个迭代器，则该对象称为可迭代对象。 Python 中大多数内置容器都是可迭代的，例如：列表，元组，字符串等。
iter()函数（依次调用__iter__()方法）从它们返回一个迭代器。
通过迭代器进行迭代
我们使用next()函数手动迭代迭代器的所有项目。 当我们到达末尾并且没有更多数据要返回时，它将引发StopIteration异常。 以下是一个示例。
# define a list
my_list = [4, 7, 0, 3]
# get an iterator using iter()
my_iter = iter(my_list)
# iterate through it using next()
# Output: 4
print(next(my_iter))
# Output: 7
print(next(my_iter))
# next(obj) is same as obj.__next__()
# Output: 0
print(my_iter.__next__())
# Output: 3
print(my_iter.__next__())
# This will raise error, no items left
next(my_iter)
输出
4
7
0
3
Traceback (most recent call last):
File "<string>", line 24, in <module>
next(my_iter)
StopIteration
一种更优雅的自动迭代方式是for循环。 使用此方法，我们可以迭代可以返回迭代器的任何对象，例如列表，字符串，文件等。
>>> for element in my_list:
... print(element)
...
4
7
0
3
迭代器和for循环
如上例所示，for循环能够自动迭代列表。
实际上，for循环可以迭代任何可迭代的对象。 让我们仔细看看for循环是如何在 Python 中实际实现的。
for element in iterable:
# do something with element
实际上是实现为。
# create an iterator object from that iterable
iter_obj = iter(iterable)
# infinite loop
while True:
try:
# get the next item
element = next(iter_obj)
# do something with element
except StopIteration:
# if StopIteration is raised, break from loop
break
因此，在内部，for循环通过在可迭代对象上调用iter()创建了迭代器对象iter_obj。
具有讽刺意味的是，这个for循环实际上是一个无限while循环。
在循环内部，它调用next()获取下一个元素，并使用该值执行for循环的主体。 所有物品耗尽后，StopIteration抛出，内部被卡住，循环结束。 请注意，任何其他类型的异常都将通过。
构建自定义迭代器
在 Python 中从头开始构建迭代器很容易。 我们只需要实现__iter__()和__next__()方法。
__iter__()方法返回迭代器对象本身。 如果需要，可以执行一些初始化。
__next__()方法必须返回序列中的下一项。 在到达末尾以及随后的调用中，它必须提高StopIteration。
在这里，我们显示一个示例，该示例将在每次迭代中为我们提供下一个 2 的幂。 幂指数从零开始一直到用户设置的数字。
class PowTwo:
"""Class to implement an iterator
of powers of two"""
def __init__(self, max=0):
self.max = max
def __iter__(self):
self.n = 0
return self
def __next__(self):
if self.n <= self.max:
result = 2 ** self.n
self.n += 1
return result
else:
raise StopIteration
# create an object
numbers = PowTwo(3)
# create an iterable from the object
i = iter(numbers)
# Using next to get to the next iterator element
print(next(i))
print(next(i))
print(next(i))
print(next(i))
print(next(i))
输出：
1
2
4
8
Traceback (most recent call last):
File "/home/bsoyuj/Desktop/Untitled-1.py", line 32, in <module>
print(next(i))
File "<string>", line 18, in __next__
raise StopIteration
StopIteration
>>> for i in PowTwo(5):
... print(i)
...
1
2
4
8
16
32
Python 无限迭代器
不必耗尽迭代器对象中的项目。 可以有无限迭代器（永无止境）。 处理此类迭代器时必须小心。
这是一个演示无限迭代器的简单示例。
可以使用两个参数来调用内置函数 iter()函数，其中第一个参数必须是可调用的对象（函数），第二个参数是前哨。 迭代器将调用此函数，直到返回的值等于哨兵。
>>> int()
0
>>> inf = iter(int,1)
>>> next(inf)
0
>>> next(inf)
0
我们可以看到int()函数始终返回 0。因此，将其传递为iter(int,1)将返回一个迭代器，该迭代器将调用int()，直到返回的值等于 1。这永远不会发生，并且会得到一个无限的迭代器。
我们还可以构建自己的无限迭代器。 理论上，以下迭代器将返回所有奇数。
class InfIter:
"""Infinite iterator to return all
odd numbers"""
def __iter__(self):
self.num = 1
return self
def __next__(self):
num = self.num
self.num += 2
return num
样本运行如下。
>>> a = iter(InfIter())
>>> next(a)
1
>>> next(a)
3
>>> next(a)
5
>>> next(a)
7
等等…
使用迭代器的优点是节省了资源。 如上图所示，我们无需将整个数字系统存储在内存中就可以获得所有奇数。 从理论上讲，我们可以在有限内存中包含无限项。
有一种在 Python 中创建迭代器的简便方法。 要了解更多信息，请访问：使用yield的 Python 生成器。
