在办公室里，每个员工每天都要处理一堆任务：回复邮件、整理报表、参加会议...
Python 中的迭代器就像一个严格按顺序处理任务的员工，从第一个任务开始，直到所有任务完成，不会回头。
一、迭代器
迭代器是实现了__iter__()和__next__()方法的对象，遵循迭代器协议（Iterator Protocol）。
迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
迭代器有两个基本的方法：iter() 和 next()。
核心特点：
- 只能向前，不能后退（类似每天的工作日程表）
- 内存高效（处理一个任务释放一个任务的资源）
list = [1, 2, 3, 4]
it = iter(list) # 创建迭代器对象
for x in it:print(x, end=" ")tasks = ['回复客户邮件', '整理周报', '提交报销']
task_iterator = iter(tasks) # 生成任务迭代器print(next(task_iterator)) # 执行第一个任务：回复客户邮件
print(next(task_iterator)) # 执行第二个任务：整理周报
print(next(task_iterator)) # 执行第三个任务：提交报销二、生成器
办公室的打印机不会一次性打印所有文件，而是根据需求逐页输出。
Python 中的生成器就像智能打印机，按需生成数据，节省内存资源。
在 Python 中，使用了 yield 的函数被称为生成器（generator）。注意：生成器是一个而函数。
yield 是定义生成器函数的关键。当生成器函数执行到 yield 语句时，函数就会暂停执行，就好像工匠暂时放下手中的活，然后把 yield 后面的表达式作为当前迭代的值返回给你。当你再次要求获取下一个值时（比如调用生成器的 next() 方法，或者使用 for 循环进行迭代），函数会从上次暂停的地方接着干，直到又遇到 yield 语句，再次暂停并返回新的值。这样，生成器函数就能逐步产生值，而不用一次性把所有结果都计算出来。
def number_generator():num = 0while num < 5:yield numnum = num + 1# 调用生成器函数，返回一个迭代器对象
gen = number_generator()# 使用 next() 方法获取生成器的下一个值
print(next(gen)) # 输出: 0
print(next(gen)) # 输出: 1
print(next(gen)) # 输出: 2
print(next(gen)) # 输出: 3
print(next(gen)) # 输出: 4# 如果再调用 next()，会抛出 StopIteration 异常，因为已经没有更多的值了
try:print(next(gen))
except StopIteration:print("已经没有更多的值了")# 也可以使用 for 循环来迭代生成器
gen = number_generator()
for num in gen:print(num)def generate_sales_data(days):for day in range(1, days+1):yield f"第{day}天销售额：{day * 1000}元" # 逐天生成数据sales_generator = generate_sales_data(30)print(next(sales_generator)) # 查看第一天数据
print(next(sales_generator)) # 查看第二天数据
# 第1天销售额：1000元
# 第2天销售额：2000元三、迭代器和生成器的区别
| 功能 | 迭代器 | 生成器 |
| 数据存储 | 一次性加载所有任务到内存 | 按需生成数据，不存储完整列表 |
| 内存占用 | 高（适合小规模数据） | 低（适合大规模数据） |
| 适用场景 | 固定流程的任务处理 | 动态生成或实时计算的数据 |
四、职场中的应用场景
4.1 周报生成系统
def weekly_report(days):for day in range(1, days+1):yield f"第{day}天：完成{day}项任务"report = weekly_report(5)
for entry in report:print(entry)4.2 客户名单处理
def process_clients(clients):for client in clients:yield f"处理客户：{client}（已发送跟进邮件）"client_list = ['张三', '李四', '王五']
processing = process_clients(client_list)
print(next(processing)) # 处理张三
print(next(processing)) # 处理李四五、实现自定义迭代器
把一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与 __next__() 。
如果你已经了解的面向对象编程，就知道类都有一个构造函数，Python 的构造函数为 __init__(), 它会在对象初始化的时候执行。
_iter__() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。
__next__() 方法（Python 2 里是 next()）会返回下一个迭代器对象。
创建一个返回数字的迭代器，初始值为 1，逐步递增 1：
class MyNumbers:def __iter__(self):self.a = 1return selfdef __next__(self):x = self.aself.a += 1return xmyclass = MyNumbers()
myiter = iter(myclass)print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
# 1
# 2
# 3
# 4
# 5假设你是项目经理，需要按顺序追踪每个项目的进度：
class ProjectTracker:def __init__(self, projects):self.projects = projectsself.index = 0def __iter__(self):return selfdef __next__(self):if self.index >= len(self.projects):raise StopIteration # 项目处理完毕project = self.projects[self.index]self.index += 1return f"项目{project}进度：{self.index}/{len(self.projects)}"# 使用迭代器追踪项目
projects = ['A', 'B', 'C']
tracker = ProjectTracker(projects)
for status in tracker:print(status)
# 项目A进度：1/3
# 项目B进度：2/3
# 项目C进度：3/3六、异常处理
确保迭代器遇到无效数据时优雅终止：
def safe_iterator(data):for item in data:if not item:continue # 跳过空数据yield process_item(item)