37｜迭代器与生成器的按需取值

这套课程按知识依赖排列。本篇的前置知识是：第 18、22、35 篇。学完后，你应该能够理解 iter、next 和 yield 的执行状态。

本篇要解决的问题

本篇只处理“迭代器与生成器的按需取值”这一件事。示例基于 Python 3.14.6，在 macOS 环境核验；除明确标注的终端命令外，代码本身只使用 Python 标准能力。

先看清一个容易误解的细节

生成器运行到 yield 产生一个值并暂停，下一次请求时从暂停位置继续，而不是重新从函数第一行开始。

核心概念

• iter() 从可迭代对象取得迭代器，next() 请求下一个值。
• 没有更多值时迭代器抛出 StopIteration，for 会自动处理。
• 生成器适合按需产生数据，但不是所有列表都需要改成生成器。

跟着示例运行

把下面代码保存到本课脚本并运行：

def countdown(start):
    current = start
    while current > 0:
        yield current
        current = current - 1

iterator = countdown(3)
print(next(iterator))
print(next(iterator))
print(next(iterator))

预期结果：

3
2
1

输出中包含环境路径、集合元素或日志格式时，具体文字和顺序可能随本机环境变化；判断是否成功应以本篇说明的关键结果为准。

按执行顺序拆开看

1. 调用 countdown(3) 返回生成器对象，函数体还未运行。
2. 每次 next() 运行到下一个 yield 并暂停，局部变量 current 和执行位置被保留。

再看一个具体细节

生成器的暂停位置可以展开成多次 next() 的时间线。

每次请求只推进到下一个 yield；局部变量保留，代码不会从函数开头重新运行。

初学者容易混淆的地方

• 把生成器当列表重复遍历；多数生成器消耗后不能自动回到开头。
• 在需要随机访问和多次读取的小数据上强行使用生成器，增加理解成本。

练习

1. 编写产生 1 到指定上限偶数的生成器。
2. 用 for 遍历生成器，比较手动 next() 的差异。

练习应先独立完成，再通过增加 print 输出或检查文件内容观察中间状态。当前课程尚未讲到的能力，不要求提前搜索复杂写法。

本篇边界

本篇目标是理解 iter、next 和 yield 的执行状态。没有展开的高级机制会放到后续课程；先确保能够解释示例中每一行代码，再进入下一篇。