3个例子讲清Python迭代器和生成器的区别_Python

结论先行：迭代器（iterator）和生成器（generator）不是并列关系——生成器是迭代器的一种"偷懒写法"。所有生成器都是迭代器，但迭代器不一定是生成器。一句话区分：迭代器是"会挨个吐值的对象"（实现 __iter__ + __next__），生成器是用 yield 或生成器表达式"现写现用"造出的那种迭代器，最大的不同是它懒**，要一个才生一个，不占内存。**

1. 先搞清：什么是迭代器

能 for x in obj 挨个取值的对象，都叫"可迭代对象"（iterable，有 __iter__）。而迭代器是"被迭代时记住自己走到哪"的那个东西——它多了个 __next__，每次调用吐下一个，吐完抛 stopiteration。

lst = [1, 2, 3]
it = iter(lst)          # list 是可迭代对象，iter() 造出它的迭代器
print(next(it))          # 1
print(next(it))          # 2

关键点：list 本身不是迭代器（它可被多次 iter()），但 it 是。for 循环干的事，本质就是反复 next() 直到 stopiteration。

2. 生成器：用 yield 写的迭代器

手写一个完整的迭代器类，要实现 __iter__ 和 __next__，还要自己存状态——挺啰嗦。生成器让你用 yield 把函数变成迭代器，状态由 python 自动保存：

def gen():
    for i in range(3):
        yield i * i

g = gen()                # g 就是一个生成器对象（也是迭代器）
print(next(g))           # 0
print(next(g))           # 1
print(next(g))           # 4

为什么方便：yield 每次"暂停"把值交出来，下次 next() 从暂停处继续。你不用手动管下标、不用存列表，函数体就是状态机。

3. 核心差别：一个在内存，一个"现生现用"

这是最该记住的一点，用大文件举例：

# 迭代器（但提前把 100 万个平方全算好塞进列表）—— 占内存
def squares_list(n):
    return [i*i for i in range(n)]

# 生成器 —— 要一个才算一个，内存几乎为 0
def squares_gen(n):
    for i in range(n):
        yield i*i

for x in squares_gen(1_000_000):
    if x > 100:
        break

差别：列表版本先把一百万个数全造出来（几十 mb）；生成器版本算到 x>100 就停，后面根本没算。这就是"懒求值"的价值——处理大文件、无限序列、流式数据时，生成器是刚需。

4. 生成器表达式：更短的写法

gen_expr = (i*i for i in range(1000000))   # 注意是 () 不是 []
print(next(gen_expr))                       # 0

对照：[] 是列表推导（一次性全算），() 是生成器表达式（懒）。一个占内存，一个不占，写法只差一对括号。

5. 生成器的"一次性"陷阱

迭代器和生成器都只能走一遍——走完就空了，得重新造：

g = squares_gen(3)
list(g)                  # [0, 1, 4]
list(g)                  # []  ← 空了！生成器已耗尽

坑点：把生成器当列表反复用，第二次永远拿到空。需要重复遍历就转成 list，或重新调用函数再造一个。

对照表：一眼分清

维度	可迭代对象	迭代器	生成器
能否 `for`	✅	✅	✅
有 `__next__`	❌（需 `iter()` 造）	✅	✅
是否"懒"	否	看实现	✅ 一定是
写法	`list`/`str` 等	手写类	`yield` / `()` 表达式
遍历遍数	无限次	一遍	一遍